企业官网建设流程全解析

Langflow 入门教程：3 条命令跑起来，5 分钟搭出第一个 AI 智能体工作流

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow

想让 AI 先查网页、再算个数、最后把结果说给你听，却不想一行行写代码？Langflow 就是干这个的：在浏览器里拖拖拽拽，就能搭出 AI 智能体和工作流。这篇带你从零跑起来，十分钟上手。

① 3 条命令，把界面跑起来 🚀

先确保机器上有 Python 3.10 以上，再装一个uv（一个很快的 Python 包管理工具，装一次就行）。然后只需两条命令：

uv pip install langflow uv run langflow run

第一次启动要等几分钟，它在后台准备组件和模板，属正常现象。等终端显示开始监听端口后，打开浏览器访问http://127.0.0.1:7860，就能看到 Langflow 的界面：左边是组件库，中间是画布。

不想折腾环境的话，也可以一条 Docker 命令起容器：docker run -p 7860:7860 langflowai/langflow:latest。

② 两句话讲清它是怎么工作的

把 Langflow 想象成餐厅的后厨：画布上每个组件是一道工位，"输入"和"输出"是传菜窗口，连的线就是流程单——消息从哪个窗口进来、经过几道加工、从哪个窗口出去，全看线怎么连。

其中Agent（智能体）是最特殊的工位：它像个机灵的服务员，手里拿着计算器、查网页这类"工具"，会根据你的问题自己决定叫哪个工具上菜。你搭工作流，本质就是画这张后厨流程图：前端界面负责让你拖线，后端服务负责真正执行流程、保存数据，一前一后配合。

③ 5 分钟搭一个会算数、会查资料的小智能体

目标：做一个能聊天、会算数、还能查网页的智能体。

操作：点New Flow，选Simple Agent模板，画布上直接摆好了聊天输入/输出、一个 Agent，以及计算器和查网页两个工具，线都连好了。接着点开 Agent 组件，点Setup Provider选一个大模型厂商并填入 API key，再从下拉框选中模型。最后点右上角Playground，输入一句：Use the tools at your disposal to add 4 and 4.

结果：几秒后 Agent 自动选了 Calculator 工具，算出 4+4=8 发回给你，而且每一步调了哪个工具、传了什么参数都摊开给你看，调试特别透明。

换一句"今天有什么新闻"试试，它会自己切到 URL 工具去抓网页再总结给你。

④ 新手最容易踩的 3 个坑 ⚠️

• 启动后一直刷日志，以为卡死了。首次启动就要几分钟，等看到服务开始监听端口的提示才算就绪。
• 端口被占用，7860 访问不了。换个端口即可，用--port参数或LANGFLOW_PORT环境变量指定一个空闲端口。
• 智能体不干活或报模型错误。九成是模型没配好：回 Agent 组件确认 API key 填了、模型选中了，再到 Playground 里重试。

⑤ 搭好之后还能玩什么

会跑之后有三个明显的生长方向：给 Agent 挂更多工具（数据库、向量检索、MCP 协议的外部服务）；把调好的流程通过Share → API access发布成接口，让 Python/JS 代码直接调用；再往后就是部署到服务器，Docker、Kubernetes、云平台都有现成方案。想深入，可以翻翻官方快速上手文档docs/docs/Get-Started/get-started-quickstart.mdx，以及 Langflow 扩展运行时的源码目录src/lfx/。

到这里，你手里已经有一个能对话、会调工具的 AI 工作流，而它的全部"代码"就是一张画布。下次想给产品加个智能助手，别急着写代码——先打开 Langflow，把它拖出来试试。

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow