Langflow + Milvus，拖拉拽就能搞定的workflow教程来了

如果你想写个agent或者workflow，但是又不想在demo阶段投入太多精力去敲代码；

或者作为公司的运营或者销售，虽然代码能力平平，也想做个自己的workflow。

那么不妨试试低代码可视化平台，通过简单的拖放式 UI 连接生成式 AI 模型的组件，无需编写专业脚本就能构建和修改复杂的AI workflow，并且一键部署集成。

本文将以Langflow+Milvus为例，带来完整演示 。

01

选型思路

LangFlow架构的核心思想是：让画布成为可执行的文档**，既是成品也是沟通平台。**

过去，搭建一个产品，需要产品经理提需求,架构师设计方案,工程师写代码，串行进行。Langflow 不仅做到了拖拉拽低代码运行，还能让协作变成并行的，通过可视化开发方式，我们甚至可以将试错周期从数周缩短至数小时。

**其看得见的部分是画布与节点。**前端基于 React Flow 构建，用户拖拽节点、连接数据流，就像搭乐高一样直观。后端则是实时生成 Flow JSON（可以理解为"乐高搭建图纸"），支持导出、版本管理和团队协作。

在这背后，Python 驱动的运行时引擎负责调度 LLM、工具、检索、路由等组件，处理数据流转、状态管理与异常。

此外，LangFlow还有组件库与自定义能力：内置主流 LLM、向量库的适配器，也支持用 Python 写自定义节点。并提供逐步执行、Playground 快速试验，与 LangSmith、LangFuse 等平台集成，方便回放执行链路、追踪性能。

在这个整体架构基础上，我们选择引入Milvus作为我们的向量数据库，存储企业内部的私有数据或者行业知识。

02

五分钟demo演示

演示目标：

使用Langflow官方RAG模板，演示如何用Milvus将本地数据构建向量索引并实现高效上下文增强问答。

环境准备：

1.python3.11或conda

2.uv

3.docker&docker-compose

4.Openai-key

1.部署Milvus向量数据库

下载部署文件

wget <https://github.com/Milvus-io/Milvus/releases/download/v2.5.12/Milvus-standalone-docker-compose.yml> -O docker-compose.yml
启动Milvus服务

docker-compose up -d

docker-compose ps -a

2.创建python虚拟环境

conda create -n langflow
#激活langflow并进入
conda activate langflow
3.安装最新的包

pip install langflow -U

4.启动langflow

uv run langflow run

访问langflow

<http://127.0.0.1:7860>
5.搭建配置RAG场景

选择官方RAG模板

替换向量数据库

说明：将默认的VDB换成Milvus

左侧输入Milvus并添加

配置Milvus连接信息

说明：只需填写Milvus连接信息即可，其他选项暂时默认。

配置OpenAi的key

6.测试数据准备

说明：使用Milvus2.6版本官方FAQ

https://github.com/milvus-io/milvus-docs/blob/v2.6.x/site/en/faq/product_faq.md

7.第一阶段测试

上传数据库并嵌入Milvus

说明：必须上传2份以上的数据集才能正常嵌入Milvus，这是Langflow官方节点的Bug还未修复。

测试节点状态

8.第二阶段测试

9.综合测试

03

写在最后

整体来说，Langflow低门槛、可视化，上手快，但Langflow并非万能。它更适合快速原型开发、业务逻辑频繁变更的项目、需要跨团队协作的应用、教学和演示场景。

而对性能有极致要求的系统、需要深度定制的底层逻辑、已有大量LangChain代码的成熟项目，可能不是那么适合。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年 AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！