Langflow
产品概述
Langflow 是 DataStax 旗下的开源可视化 RAG 与 Agent 构建平台，最初作为 LangChain 的可视化界面诞生（2023 年），2024 年被 DataStax 收购，2025 年随 DataStax 并入 IBM。它用拖拽式画布把 LLM、向量数据库、工具、提示模板连接成可运行的 AI 工作流，同时允许插入自定义 Python 代码，是「可视化 IDE」而非「纯无代码工具」。
与其他产品的本质区别在于**「LangChain/LangGraph 深度 + MIT 完全开源」。Flowise 侧重快速搭 RAG 聊天机器人，Dify 侧重生产治理，n8n 侧重业务自动化，而 Langflow 是最贴近 LangChain 技术栈的可视化开发环境**——支持 LangGraph 多智能体拓扑、MCP 客户端/服务端双角色、自定义 Python 组件，且 MIT 许可允许完全商用与再分发。
发展历程
| 时间 | 事件 |
|---|---|
| 2023-02 | Langflow 开源发布（Logspace 团队） |
| 2024-04 | 被 DataStax 收购，整合 Astra DB |
| 2025-05 | DataStax 被 IBM 收购（5-28 完成） |
| 2026-01 | 1.9 版本：Langflow Assistant 与环境变量安全 |
| 2026-03 | DataStax 托管 Langflow 宣布下线（4-09 停服） |
核心功能详解
1. 可视化拖拽画布
在浏览器中拖拽预置组件（聊天输入、LLM、文档加载器、文本分割器、嵌入、向量库、检索器、工具、条件路由、代码节点）连接成流，连接实时校验，中间输出逐节点渲染，可视化调试链路的每一步。
2. RAG 与 Graph RAG 管道
原生 RAG 组件（文档摄入、分块、嵌入、向量检索、LLM 合成）几分钟即可搭出带引用的问答系统；Graph RAG 组件把实体关系纳入检索，提升知识密集场景的准确率。
3. 多智能体编排（LangGraph）
支持 LangGraph 的图式工作流：条件边、循环、状态管理、多 Agent 角色分工与上下文传递。这是 Langflow 相对 Flowise（仅到 Chain/Agent 层）的核心差异。
4. MCP 客户端与服务端
1.3 版本起同时充当 MCP 客户端（调用外部 MCP 工具）与服务端（把任意流程导出为工具，供 Claude Code、IDE 等调用），让每个工作流可跨 AI 栈复用。
5. 自定义 Python 组件与桌面端
可写任意 Python 并暴露为可视化节点，弥合无代码与全代码；Langflow Desktop（Mac/Windows）打包依赖，本地开发免配环境。
6. 部署与 DevOps
流程可部署为 API、嵌入产品；Flow DevOps Toolkit SDK 支持终端内版本化、测试、部署，接入 CI/CD。
适用场景
RAG 原型与验证（最佳场景）
快速搭建检索增强问答，10-15 分钟出可用的 RAG 管道，显著快于手写 LangChain。
多智能体系统开发
用 LangGraph 图式拓扑构建复杂多智能体编排，适合研究型与工程团队。
MCP 工具导出
把构建的流程作为 MCP 工具供 Claude Code 等外部 Agent 调用，复用已有工作流。
不适合的场景
需要开箱即用企业治理（SSO/RBAC/审计）的团队（Dify 更省心）；纯非技术用户；不想承担自托管运维的团队（DataStax 云已停服）。
定价详情
Langflow 核心完全免费（MIT），成本来自基础设施与模型：
| 方案 | 价格 | 说明 |
|---|---|---|
| Open Source（自托管） | $0 | MIT 许可，全功能，pip/Docker 部署 |
| 自托管云 VM | 约 $20-400/月 | 仅基础设施成本，按规模浮动 |
| DataStax 企业版 | 定制（$2,000+/月起） | SSO、RBAC、审计、高可用集群 |
计费逻辑与成本测算
- 软件零许可费，成本 = 服务器 + LLM API + 向量库。
- 个人/轻量：$30/月左右 VPS 足够；小团队 $150-400/月；企业高并发可达 $2,000+/月。
- DataStax 托管云已于 2026-04 停服，自托管成为默认路径，需计入 DevOps 人力。
定价核验日期：2026-08-13，来源 langflow.org 与公开评测。
技术架构与模型
Langflow 模型无关：支持所有 LangChain 兼容的 LLM（OpenAI、Anthropic、Google、Ollama 本地模型等）与主流向量库（Pinecone、Chroma、Astra DB、pgvector 等）。技术栈 Python，Docker 部署，1.x 起框架无关（不再仅限 LangChain）。
优势领域
与 Flowise 对比
Langflow 胜在 LangGraph 多智能体拓扑、MCP 双端、Python 深度、MIT 许可；Flowise 胜在 15 分钟极速搭 RAG 聊天机器人与更低的入门门槛。
与 Dify 对比
Langflow 胜在开发者控制与框架透明、MIT 完全商用自由；Dify 胜在 RBAC/SSO/审计的开箱治理与多租户生产就绪。
核心优势
LangChain/LangGraph 深度集成、MCP 双端、可视化调试、MIT 许可、模型无关。
短板与限制
- 托管云停服：DataStax 云已下线，自托管成为唯一路径，运维负担转嫁用户。
- 学习曲线陡：组件多、选项多，新手不如 Flowise 友好。
- 企业治理需付费：SSO/RBAC/审计在开源版缺失，需 DataStax 企业版。
- 模板较少：预置模板不如 Dify/Flowise 丰富。
使用建议
- 适合：熟悉 LangChain 技术栈的开发者；需要复杂多智能体拓扑与 MCP 能力的工程团队；需要 MIT 完全商用自由、可自托管的企业。
- 不适合：纯非技术用户；需要开箱即用企业治理的团队；无 DevOps 人力又必须托管服务的团队。
- 最佳实践：RAG 原型优先用 Langflow 快速验证检索策略；多智能体用 LangGraph 节点；把成熟流程导出为 MCP Server 供外部 Agent 复用；用环境变量限制自定义组件执行以保安全。