基于Langflow的智能体构建

Langflow本地安装与启动

在开始构建智能体之前，我们需要先在本地安装并启动Langflow。Langflow是一个强大的可视化工具，可以帮助我们更直观地构建和管理AI工作流。如果不想本地启动，可以跳过安装，使用langflow提供的在线平台 https://www.langflow.org/

环境要求

在安装Langflow之前，请确保您的系统满足以下要求：

• Python版本：3.10 - 3.13
• 包管理工具：推荐使用uv，也可以使用pip或pipx
• 建议使用虚拟环境来隔离Python依赖

安装步骤

1. 使用uv安装（推荐）：

1

uv pip install langflow

2. 使用pip安装：

1

python -m pip install langflow

启动Langflow

1. 如果您使用uv安装，可以通过以下命令启动：

1

uv run langflow run

2. 如果您使用pip安装，可以通过以下命令启动：

1

python -m langflow run

启动后，打开浏览器访问 http://127.0.0.1:7860 即可看到Langflow的界面。建议使用基于Chromium的浏览器（如Chrome、Edge等）以获得最佳体验。

常用智能体构建

在开始构建具体的智能体之前，让我们先了解一下几种常见的智能体类型：

1. 简单对话型智能体（ChatBot）

   • 最基础的智能体类型
   • 主要功能是与用户进行基础的问答交互
   • 适用于客服、信息咨询等简单场景
   • 通常基于大语言模型，如GPT系列

2. 知识增强型智能体（RAG）

   • 结合检索增强生成（Retrieval-Augmented Generation）技术
   • 能够基于特定知识库进行回答
   • 适用于专业领域咨询、文档问答等场景
   • 可以保证回答的准确性和知识相关性

3. 任务型智能体（Agent）

   • 具备规划和执行能力的高级智能体
   • 可以调用外部工具和API完成复杂任务
   • 适用于自动化流程、数据分析等场景
   • 通常采用ReAct等推理框架

4. 多智能体系统

   • 多个智能体协同工作的复杂系统
   • 每个智能体负责特定的任务或角色
   • 适用于需要多方协作的复杂场景
   • 可以模拟真实的团队协作过程

接下来，我们将逐一介绍如何使用Langflow构建这些不同类型的智能体。点击langflow主页上的New Flow 即可看到三种类型的应用

• Basic Prompting: 简单对话型智能体（ChatBot）
• Vector Store RAG: 知识增强型智能体（RAG）
• Simple Agent: 任务型智能体（Agent）

简易ChatBot

1. 选择Basic Prompting 开启智能体构建页面
2. 点击 OpenAI 组件的 Controls 设置模型参数
3. 修改OpenAI API Base为自己访问的模型的地址，OpenAI API Key设置自己的API，Model Name选择使用的模型。
4. 如果使用的是非OpenAI的模型，也可以在左边的Components中的Models下选择其他模型，然后重复2，3步骤
5. 点击右上角的Playground即可开启对话

RAG应用

1. 选择Vector Store RAG 开启智能体构建页面,主要分为两部分

• 下半部分为知识库构建
• 上半部分为知识库对话

2. 为了方便起见，可以把向量数据库更改为Chroma DB, 不需要依赖外部平台
3. 点击File中的文件上传，配置好Embedding模型，点击Chroma DB右上角的执行即可完成知识库上传
4. 点击组件之间的连接点还可以看到输入输出
5. 配置好OpenAI Embedding 和 OpenAI 对应的模型，更换向量数据库为在第2步构建的向量数据库
6. 点击右上角的Playground就可以与知识库对话了

Agent

1. 选择Simple Agent 开启智能体构建页面
2. 这个示例Agent提供了两个工具URL解析和计算器，这两个工具无需配置即可使用，模型需要根据自己情况进行配置
3. 点击右上角的Playground即可开启对话

• 可以看到Agent在面对计算题时会选择调用CalculatorComponent获取结果
• 可以看到在提供给Agent链接时它会选择调用URL-fetch获取链接内容