当Langflow遇见DeepSeek：可视化开发工作流的新解法

最近读者后台留言，问有没有好用的工作流平台。确实，对于大多数流程相对固定的任务，采用工作流完成确实是最优解，这种需求一直存在。

今天要吹的这款神器叫做Langflow——一个能让小白用可视化拖拽玩转RAG应用、多Agent系统的神器。这项目在GitHub上已经收获47k star，更新非常频繁，社区非常活跃。

这款Langflow工作流搭配现在火热的DeepSeek，更是让你如虎添翼。

今天就带大家一探究竟！

一、AI界的乐高积木

想象一下，用拖拽积木的方式就能搭建AI工作流——这就是Langflow的核心魔法✨。它把大语言模型、数据库、向量数据库、API接口都变成了可视化组件，并且已经支持 MCP(Model Context Protocol)，能通过MCP进行扩展，以实现脱虚向实。

项目核心优势：

✅ Python+Typescript开发，私有部署只需一行命令，无需其他依赖

✅ 支持Windows、Linux、Mac等平台

✅ 适配 OpenAI/DeepSeek/Ollama 等20余种主流大模型接口

✅ 支持Chroma/Milvus/Pinecone等20余种向量数据库

✅ 全流程可视化编排，支持if-else等复杂逻辑

✅ 支持导出为Python代码或API服务

✅ 支持各种Agent，支持MCP，扩展系统外能力

二、极速部署

比起动辄需要GPU集群的AI项目，在Windows系统中，Langflow的安装非常简单，先安装Python 3.10 或 3.12 (建议在conda环境下)：

使用uv安装(推荐):

uv pip install langflow

直接使用 pip 安装：

pip install langflow

运行：

python -m langflow run

首次运行的时间比较长，出现以下就表示成功运行了 ：

浏览器打开http://localhost:7860，你的AI工作室就准备就绪啦！Windows/Mac/Linux全平台通吃~

二、实战：博客生成器

Langflow 内置了不少工作流模版，包括市场研究、SEO关键词生成器、Blog生成器、Ins文案生成、文档问答等。

从模版中选择Blog Writer，即生成一个新的项目。

从上述工作流可以读懂他的流程：从两个设定的URL中读取网页，然后提取正文文字。从 Instructs 模块中读取用户指令，然后一起给到 Prompt 模块。

Prompt模块的输入有 instructions以及refrences两项，而Template中内容如下:

上面表示将输入的 refrences 和 instructions 文本内容，直接放到上述{references} 和 {instructions} 里，形成最终的用户提示词。

这个提示词给到OpenAI模块。

OpenAI模块会调用OpenAI的chat接口，由gpt-4o-mini进行博文的编写，最后输出到 Chat Output。

这里我们将模型改为调DeepSeek的接口。

点击OpenAI模块上悬浮工具栏的"Controls"

弹出设置页中，修改 API Base和API Key，按 DeepSeek 文档(https://api-docs.deepseek.com/zh-cn/)填写。

其中兼容OpenAI的Base为 : https://api.deepseek.com/v1

填入您DeepSeek的API Key，形如 sk-xxxxx

Model Name 这项这里由于只有选项，不能填指定值，所以无需修改。

关闭设置页，设置自动保存，然后点击悬浮工具栏上的"Code"

在 build_model 函数中，将 model_name 强制修改为 “deepseek-chat”，这表示模型名采用 "deepseek-chat"这个值，而不用界面设置的 gpt-4o-mini。然后点击右下角的 Check & Save 按钮。

Langflow的强大也在于此，可以很方便修改每个节点中的行为，不只有界面。

即便不会Python也没关系，借助大模型，即可以轻松进行功能添加。

所有配置工作完成了，点击 Chat Output 右上角的运行小图标

整个工作流就运行起来了

可以看到每个节点右上角有运行状态，节点完成后还会显示消耗的时间，一目了然。

三、更多场景

Langflow提供了大量的处理节点，可以满足你各种需求：

场景1：让AI帮你写周报。

将你每天的工作进行记录，作为输入提供给Langflow。

写好一个标准的周报示例，内置在上述 Template 中。

每周只需要运行一次，工作流即帮你生成当周的周报。

每周仅需点击生成按钮，即可获得符合企业规范的完整周报文档，告别重复性文档整理，让您专注核心工作，效率提升60%以上。

场景2：简单文档问答

场景3：RAG

Langflow提供智能文本分块模块，可高效处理长文档并实现结构化存储。系统通过语义解析将文本智能拆分为逻辑连贯的段落单元，并精准嵌入向量数据库构建知识图谱。

当用户发起查询时，检索模块先进的向量检索，首先从知识库中快速定位相关语义片段，继而通过智能整合引擎将精选内容提交给大语言模型，最终生成精准可靠的定制化回答。

RAG工作流有效解决了长文本处理中的信息碎片化难题，显著提升了知识检索效率和问答准确率。

四、进阶

除在图形化创建和执行流程以外，Langflow还支持将流程导出为Json文件，与langchain一起使用，以程序化的方式帮你完成定时、批量的任务。

看完这篇还在等什么？快去搭个AI助理，光明正大摸鱼吧！（老板问起就说在学习AGI技术🧠）

项目主页: https://github.com/langflow-ai/langflow

DeepSeek无疑是2025开年AI圈的一匹黑马，在一众AI大模型中，DeepSeek以低价高性能的优势脱颖而出。DeepSeek的上线实现了AI界的又一大突破，各大科技巨头都火速出手，争先抢占DeepSeek大模型的流量风口。

DeepSeek的爆火，远不止于此。它是一场属于每个人的科技革命，一次打破界限的机会，一次让普通人也能逆袭契机。

DeepSeek的优点

掌握DeepSeek对于转行大模型领域的人来说是一个很大的优势，目前懂得大模型技术方面的人才很稀缺，而DeepSeek就是一个突破口。现在越来越多的人才都想往大模型方向转行，对于想要转行创业，提升自我的人来说是一个不可多得的机会。

那么应该如何学习大模型

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。

掌握大模型技术你还能拥有更多可能性：

• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；

• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；

• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；

• 更优质的项目可以为未来创新创业提供基石。

可能大家都想学习AI大模型技术，也想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。为了让大家少走弯路，少碰壁，这里我直接把都打包整理好，希望能够真正帮助到大家。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈
观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】