> ## Documentation Index
> Fetch the complete documentation index at: https://docs.langbot.app/llms.txt
> Use this file to discover all available pages before exploring further.
# 用 Langflow 拖拽式工作流构建多平台 AI 机器人
> 用 Langflow 拖拽式工作流构建多平台 AI 机器人
本文同步自 LangBot Blog。 [阅读 Blog 原文](https://langbot.app/zh/blog/langflow-drag-and-drop-ai-bot).
发布于 2025-12-05 · 作者：LangBot Team
用可视化工作流驱动 QQ、微信、Telegram、Discord 等平台的聊天机器人，无需编写代码。
***
[LangBot](https://github.com/langbot-app/LangBot) 是一个开源即时通讯机器人平台，可以连接 Langflow、n8n、Dify、FastGPT、Coze 等 AI 工作流引擎，以及微信、QQ、飞书、钉钉、Telegram、Discord、Slack、LINE 等消息平台。本教程演示如何将 Langflow 的可视化工作流作为 LangBot 的对话引擎。
## 为什么选择这套方案
* **真正的多平台**：一个工作流同时驱动 8+ 个消息平台
* **可视化编排**：拖拽式对话设计，支持条件分支、多轮对话、外部 API 调用
* **灵活的 AI 模型**：支持 OpenAI、Claude、Gemini、DeepSeek 以及本地模型
* **完全开源**：LangBot 和 Langflow 都是开源项目，可免费部署和二次开发
## 准备工作
* Python 3.10+
* Docker（推荐用于快速部署）
* OpenAI API Key 或其他 LLM 服务的 API Key
## 第一步：部署 LangBot
用 uvx 一行命令启动：
```bash theme={null}
uvx langbot
```
首次运行会自动初始化并打开浏览器访问 [http://127.0.0.1:5300。](http://127.0.0.1:5300。)
注册后登录进入控制台：
## 第二步：部署 Langflow
用 Docker 快速部署：
```bash theme={null}
docker run -d --name langflow -p 7860:7860 langflowai/langflow:latest
```
访问 [http://localhost:7860](http://localhost:7860) 进入 Langflow：
## 第三步：创建 Langflow 工作流
在 Langflow 中选择 "Basic Prompting" 模板快速开始：
这个模板包含四个基础组件：
* **Chat Input**：接收用户消息
* **Prompt**：设置系统提示词
* **Language Model**：调用 LLM 生成回复
* **Chat Output**：返回结果
### 配置语言模型
点击 Language Model 组件进行配置：
1. **Model Provider**：选择 OpenAI（或其他兼容的提供商如 SiliconFlow、New API）
2. **Model Name**：选择 gpt-4o-mini 或 deepseek-chat
3. **OpenAI API Key**：填入你的 API Key
> 提示：你可以使用 OpenAI 兼容的 API 服务，比如 SiliconFlow 或 New API，只需修改 Base URL 即可。
配置完成后保存工作流。
## 第四步：获取 Langflow API 信息
### 生成 API Key
在 Langflow 右上角：Settings → API Keys，进入 API Keys 页面：
点击 Create New Key：
生成并保存 API Key：
格式：`sk-xxxxxxxxxxxxxxxxxxxxxxxx`
### 获取 Flow ID
从工作流编辑器的 URL 中提取：
```
http://localhost:7860/flow/{flow-id}
```
记录这个 `flow-id`。
## 第五步：在 LangBot 中配置 Langflow
回到 LangBot 控制台，进入 **Pipelines** 页面。
点击 ChatPipeline 进行编辑，在 AI 标签页：
配置 **Runner**，选择 **Langflow API**：
填写 Langflow 配置：
配置项：
* **Base URL**：`http://localhost:7860`（本地）或 `http://langflow:7860`（Docker 网络）
* **API Key**：在 Langflow 中生成的 API Key
* **Flow ID**：之前记录的 Flow ID
> Docker 提示：如果两个服务都在容器中运行，确保它们在同一个网络，并使用容器名作为 Base URL。
点击 **Save** 保存配置。
## 第六步：测试对话
在 Pipelines 页面点击 **Debug Chat** 打开调试对话界面：
输入测试消息如 "Hello"，查看 AI 回复：
## 工作原理
1. 用户在消息平台发送消息
2. LangBot 接收并传递给 Pipeline
3. Pipeline 调用 Langflow API
4. Langflow 执行工作流：接收输入 → 添加提示词 → 调用 LLM → 返回结果
5. LangBot 将回复发送给用户
## 常见问题
**无法连接 Langflow？**
检查 Base URL。如果是 Docker 部署，确保容器在同一个网络：
```bash theme={null}
docker network create langbot_network
docker network connect langbot_network langflow
docker network connect langbot_network langbot
```
使用容器名：`http://langflow:7860`
**API 调用失败？**
* 确认 API Key 和 Flow ID 正确
* 验证 Langflow 中的 Language Model 已配置有效的 LLM API Key
## 高级应用场景
Langflow 的强大之处在于可以可视化编排复杂的 AI 工作流：
* **多轮记忆**：添加 Memory 组件实现上下文理解
* **条件分支**：根据用户输入执行不同逻辑
* **外部 API 集成**：连接数据库、搜索引擎、第三方服务
* **多 Agent 协作**：多个 LLM 模型协同工作
* **RAG 应用**：集成向量数据库实现知识库问答
所有这些都可以通过拖拽完成，无需编写代码。
## 总结
通过 LangBot + Langflow，你可以快速构建强大的多平台 AI 聊天机器人。Langflow 提供可视化工作流编排，LangBot 负责消息平台接入，两者结合形成了从工作流设计到多平台部署的完整闭环。
这套方案特别适合：
* 需要在多个平台提供相同 AI 能力的场景
* 团队希望快速迭代和测试不同对话流程
* 开发者希望在不深入编码的情况下构建复杂 AI 应用
## 相关资源
* [LangBot 官网](https://langbot.app) | [文档](https://docs.langbot.app) | [GitHub](https://github.com/langbot-app/LangBot)
* [Langflow 官网](https://www.langflow.org) | [文档](https://docs.langflow.org) | [GitHub](https://github.com/langflow-ai/langflow)
***
*本文基于 LangBot 最新版本编写。LangBot 还支持集成 Dify、n8n、FastGPT、Coze 等 AI 平台，可根据需求选择合适的工作流引擎。*