用Langflow零代码搭建你的第一个AI智能体

一、核心概念

AI Agent（智能体） 是一个能自主干活的数字助手，不只会回答问题，还能调用工具、执行任务。比如让它“查一下北京天气，如果下雨就帮我订伞”，它会自己调用天气API，根据结果判断是否下单。

Langflow 是一个开源可视化工具，底层集成LangChain生态，但屏蔽了代码细节。它把功能模块化，你只需像搭积木一样拖拽组件、连线，就能构建复杂AI应用。

一个完整的智能体包含三部分：

• 大脑（LLM）：负责理解和推理，如GPT、Claude等大模型
• 工具（Tools）：让智能体执行具体操作，如搜索、计算、调用API
• 记忆（Memory）：记住上下文，进行多轮对话

Langflow将这些封装成了可视化节点。

二、环境准备

第一步：安装Python环境 Langflow需要Python 3.10或以上版本。检查版本：

python --version

若版本低，去Python官网下载安装，并勾选“Add Python to PATH”。

第二步：安装Langflow

pip install langflow

启动：

langflow run

浏览器会自动打开 http://localhost:7860，这是可视化操作界面。

第三步：准备API密钥 以OpenAI为例，去官网注册，进入API Keys页面创建密钥并保存。也可用国内模型如智谱AI的GLM，获取密钥即可。注意：密钥需充值，费用低；切勿泄露。

三、操作界面

界面分四个区域：左侧组件面板（所有功能节点）、中间画布（拖拽连线操作区）、右侧属性面板（配置节点参数）、右下角聊天窗口（测试工作流）。核心操作：拖拽节点、连线、配置参数。

四、实战：搭建天气查询智能体

场景：用户问“北京今天天气怎么样”，智能体自动查询并返回真实数据。

步骤1：添加ChatOpenAI节点 从“Models”分类拖拽“ChatOpenAI”到画布。配置：

• OpenAI API Key：粘贴密钥
• Model Name：gpt-3.5-turbo
• Temperature：0.1

步骤2：添加天气查询工具 从“Tools”分类拖“Python Function”节点。在Code框输入：

import requests

def get_weather(city: str) -> str:
    """查询指定城市的天气信息"""
    url = f"https://wttr.in/{city}?format=%C+%t"
    response = requests.get(url)
    return f"{city}天气：{response.text}"

使用免费API，无需注册。

步骤3：创建Agent节点 从“Agents”分类拖“Tool Calling Agent”到画布。配置：

• LLM：选择ChatOpenAI节点
• Tools：勾选Python Function节点
• System Prompt：你是一个有帮助的助手，当用户询问天气时，使用工具查询真实数据。

步骤4：添加输入输出节点 从“Inputs”拖“Chat Input”，从“Outputs”拖“Chat Output”。

步骤5：连线

• Chat Input → Tool Calling Agent
• ChatOpenAI → Tool Calling Agent
• Python Function → Tool Calling Agent
• Tool Calling Agent → Chat Output

步骤6：测试 在聊天窗口输入“北京今天天气怎么样”，智能体返回真实数据；输入“你好”，则不调用工具。它自己能决定何时用工具。

五、常见问题

Q：智能体不调用工具？ A：检查Tool Calling Agent的Tools是否勾选工具节点，以及System Prompt是否明确指示何时用工具。

Q：API调用报错？ A：检查密钥和账户余额，注意网络环境。

Q：能用国产模型吗？ A：支持ChatGLM、百度文心等，搜索对应模型节点并配置API即可。

Q：如何保存工作流？ A：右上角保存为JSON文件，下次导入恢复。

六、下一步

完成此例后，可尝试：

1. 增加更多工具（计算器、搜索引擎）
2. 引入记忆机制（ConversationBufferMemory节点）
3. 自定义复杂工具（调用数据库、操作文件）
4. 部署上线（使用API导出功能）

智能体开发是热门方向，动手做一遍，再尝试修改（如把天气工具换成新闻查询），加深理解。打开终端装好Langflow，开始吧！