画积木拼 Agent：Langflow 这 15 万星的开源可视化流是怎么火的
在 Dify、Coze 这些「一键 Agent」霸屏之前，有更硬核的一派：代码框架（LangChain、CrewAI），靠写 Python 搭链子。可「写代码搭 Agent」对一半人来说门槛太高，于是夹在中间的可视化低代码流派冒了出来——Langflow 就是里面最叫座的那个。
它到底是个啥
一句话：用拖拽积木的方式搭 AI Agent 和 RAG 工作流的开源工具，拖完导出 JSON，跑在后端。前端是个 React 画布，核心逻辑在 Python/FastAPI 里，跟 LangChain 深度绑定——你拖的那些积木，本质上是把 LangChain 的组件搬上了画布。
截至 2026 年 9 月，Langflow 在 GitHub 上已经 15.4 万星（GitHub 官方数据，10K forks，纯 Python），是整个开源 Agent 圈里社区体量最大的可视化构建器之一。这星数不是虚的：教程、模板、第三方集成都多到看不完。
上手体验
不用会写代码，Docker 一键起：
docker run -it -p 7860:7860 langflowai/langflow:latest
浏览器打开 localhost:7860，进画布。核心套路是：拖一个 LLM 节点 → 接上 Prompt → 接上工具或向量库 → Run 一下看结果。东西它会变：加 RAG 就拖个向量数据库节点，做多智能体就拖 agent 节点互相串，最近几个版本（1.11/1.12）加了多向量检索（ColBERT/ColPali）、状态流（把 Agent 控制做成可视化状态机）、OpenTelemetry 观测。
比手写 LangChain 快是真快——你要调个检索流程原型，鼠标拖比敲代码节约一个数量级的时间，这个 10x 是实测出来的，不是吹的。
说实话
夸完必须泼冷水，别一上来就把它当天花板：
- 重 RAG 轻 Agent：它最熟的是检索增强（RAG）流水线，复杂多 Agent 协作（角色编排、博弈那种）不如专门的 Agent 框架顺手；
- 生产级差口气：拖出来的 JSON 虽然能导出，但要塞进正式 API 还得有人做工程封装——画布负责原型，生产还是得写代码兜底；
- 项目漂移：Langflow 背后是 DataStax 的商业公司，开源仓库节奏快，但商业化云是有订阅定价的。想省钱白嫖就自托管免费版，够用；
- 性能：画布节点一多，肉眼能感觉到卡，大流量要自己加资源。
什么时候该选它
结论很直接：你是业务/数据出身、想快速验证 Agent 和 RAG 想法、又不想写代码——Langflow 是你的菜，拖拖拽拽就能出原型。你是纯工程向、要上重度生产的多 Agent 系统——老实回去用 LangGraph/CrewAI 写代码，别欺负可视化工具。
一句话收尾：Langflow 把「搭 Agent」从写代码降维成了拖图，让不会写 Python 的人也能动手——这正是它能堆到 15 万星的原因。开源免费自托管，值不值得装一个，看你缺不缺「快速把想法跑起来」这件本事。
本文由「数码罗记 · godsun.pro」出品。硬核拆解 Agent 平台，实测驱动，不吹不黑。关注我在 ai.godsun.pro 的持续更新，下一期聊聊更硬核的多智能体编排。
