Langflow 是什么：拖拽搭 AI 工作流，先管好暴露的端口

Langflow 的思路很直接：把写代码编排 LLM 的过程，变成在画布上连线。对不熟悉 LangChain 的人来说，这是最快理解「检索增强」「工具调用」这些概念的方式。

它是什么

一个可视化的 AI 应用编排工具。左侧是组件库（模型、提示词、检索器、工具、输出解析），中间是画布，连好线之后可以当场试跑，也可以发布成 API 供外部调用。

它把「代码」换成了「节点和连线」，代价是复杂逻辑的表达能力受限——分支很多、状态复杂的流程，画布会变得难以维护。

适合谁

适合三类人：想快速验证一个 RAG 或 Agent 思路的产品经理、要给非技术同事演示流程的工程师、以及做内部工具时需要快速接几个模型的团队。

不适合要做高并发生产服务的场景。画布产出的流程缺少细粒度性能调优手段，复杂业务最终还是要回到代码。

最近更新了什么

2026 年 11 月 10 日的 v1.13.2 以修复为主，三类改动值得注意：

• 把 1.13.1 的修复和图片处理相关的安全更新回移到 1.12.9 分支；
• 自动登录模式下，起始项目里的 MCP 客户端开始做身份验证；
• 知识库入库时保留文档标识，避免同名文件互相覆盖。

第二项和第三项都指向同一个方向：多用户和外部工具接入时的边界在收紧。

安装与部署

本地试用用 pip 装 wheel 最快，一条命令起服务。生产环境建议容器部署，把数据库和密钥通过环境变量注入，不要写进镜像。

三个安全与运维提醒

默认口令必须改。 自托管实例的初始账号是公开的，扫到就能进。

公网暴露要加一层。 反向代理加基础认证，或者只在内网开放。历史上这个项目出现过未授权访问类漏洞，暴露面越小越好。

流程要版本化。 画布改动能直接生效，生产流程建议导出 JSON 存档，改动前先备份。

常见问题

Langflow 和 Dify 的区别？ Langflow 更偏「编排工具」，Dify 更偏「产品平台」，前者灵活、后者完整。

需要会写代码吗？ 简单流程不用，接自定义组件时要写 Python。

能接本地模型吗？ 能，任何 OpenAI 兼容端点都可以作为模型组件。

免费吗？ MIT 许可，自由使用；官方云服务另计费。

一句话判断

Langflow 是把想法变成可运行流程的最短路径，但它不替你解决部署安全，也不替你把流程做成产品。