关键要点
- MIT许可——宽松开源，可自托管，无多租户或Logo限制
- 最初由Logspace开发；2024年4月被DataStax收购，随后IBM收购DataStax（2025年5月28日完成）
- GitHub星标超过15万，提交历史活跃，与已被存档的Flowise仓库形成对比
- 基于Python构建——比Flowise的Node.js/TypeScript技术栈更贴近原生LangChain
- 可通过Docker、pip/uv或Langflow Desktop桌面应用（Windows/macOS）自托管
- 托管云版本DataStax Langflow运行在IBM的Astra DB向量数据库上
- 对于正从已存档、无人维护的Flowise迁移的用户来说，是一个现实可行的落脚点
📍 简单一句话
Langflow是一款基于Python的开源（MIT许可）可视化构建工具，用于搭建LangChain/LangGraph智能体和RAG流水线，2025年IBM收购DataStax后归IBM所有，目前仍在积极开发。
💬 简单来说
Langflow不需要手写LangChain代码，而是提供一个拖拽画布，用来连接LLM、文档加载器和向量数据库——背后还有IBM这样的大公司持续出资维护。
📌Note: Langflow和Flowise不是同一个项目。两者都能以可视化方式生成LangChain/LangGraph结构，但代码库和背后的公司完全不同。
Langflow归谁所有？目前还在维护吗？
IBM拥有Langflow，且该项目仍在积极维护。 Langflow最初是Logspace的开源项目，DataStax于2024年4月收购Logspace以扩充其AI应用工具链。随后IBM于2025年2月25日宣布收购DataStax，收购于2025年5月28日完成——由此Langflow连同DataStax的向量数据库Astra DB一并归入IBM旗下。
这条所有权链条对项目的长期存续意义重大，这一点在Flowise身上并不成立：Flowise由一家小型独立公司FlowiseAI维护，而该公司已于2026年停止运营。IBM已将Langflow纳入watsonx.ai产品组合，作为基于IBM Granite模型及其他供应商构建智能体的低代码层，这为IBM持续投入开发提供了商业理由。
Logspace → DataStax
- 日期:
- 2024-04
- 含义:
- Langflow的原始开发者被收购，DataStax成为维护方
IBM-DataStax交易宣布
- 日期:
- 2025-02-25
- 含义:
- IBM宣布拟收购DataStax，Langflow包含在内
收购完成
- 日期:
- 2025-05-28
- 含义:
- DataStax及Langflow正式成为IBM的一部分
watsonx.ai集成
- 日期:
- 持续进行
- 含义:
- IBM将Langflow定位为在watsonx.ai中构建智能体的中间件
📌Note: 无论商标归谁所有，MIT许可的核心项目都保持完全开源且可自托管——无论你是否使用IBM或DataStax的托管产品，运行的代码都是相同的。
Langflow是什么？
Langflow（MIT许可，github.com/langflow-ai/langflow）是一个开源低代码平台，通过基于Python构建的可视化节点界面来搭建和部署AI智能体与RAG应用。其官网标语是"Drag. Drop. Deploy."（拖拽、放置、部署），仓库星标数已超过15万。
- 可视化画布，无需手写链式逻辑即可组装LangChain和LangGraph流程
- 智能体支持：智能体可以将画布上的其他组件作为工具调用，支持多智能体编排和对话记忆
- Python自定义：任何节点都可以用原生Python代码编辑或扩展，覆盖可视化组件库无法满足的逻辑
- 可部署为API端点、导出的JSON流程，或MCP（模型上下文协议）服务器
- 提供交互式Playground，可在部署前逐步测试流程
- 与LangSmith和LangFuse集成，实现智能体运行的可观测性追踪
Langflow与Flowise有何不同？
Langflow和Flowise解决的是同一个问题——可视化LangChain/LangGraph编排——但代码库、编程语言不同，如今维护前景也大不相同。 Langflow基于Python，更贴近原生LangChain语义；Flowise基于Node.js/TypeScript，截至2026年已被存档且无人维护。
Langflow是否支持RAG和AI智能体？
支持——RAG和智能体编排是Langflow的核心用例，而非附加功能。 该平台为两者都提供了专门的组件类别，而IBM的母公司DataStax更是将自家的向量数据库（Astra DB）直接内置到组件库中。
- RAG：Vector Store RAG模板将数据摄取和查询拆分为两条流程——一条负责加载并分块文件、生成嵌入并建立索引；另一条负责将用户查询嵌入并检索最相近的匹配结果
- 向量数据库：为Astra DB（DataStax/IBM自家产品）提供专用组件，同时也支持其他常见向量数据库，使RAG流水线不会被锁定在单一后端
- 智能体：画布上的任何组件都可以作为工具暴露给智能体调用，Langflow支持多智能体编排，并在多轮对话中保留会话记忆
- 部署：完成的流程可变为可调用的API、可导出的JSON文件，或供其他AI客户端连接的MCP服务器
如何自托管Langflow？
自托管Langflow不需要任何IBM或DataStax账户——开源软件包可以完全运行在你自己的硬件上。 Docker是最快的方式，pip/uv和桌面应用是替代选择。
- 1确认你的机器满足最低要求：双核CPU和2GB内存（建议使用多核CPU和4GB以上内存），如果不使用桌面应用，还需要一款基于Chromium的浏览器。
- 2使用Docker：运行
docker run -p 7860:7860 langflowai/langflow:latest，容器启动后打开 http://localhost:7860。 - 3使用pip/uv：安装Python 3.10–3.14，然后运行
uv pip install langflow -U，接着运行uv run langflow run启动本地服务器。 - 4也可以安装Langflow Desktop（Windows或macOS 13及以上），这是一个自行管理依赖的打包应用——注意它没有浏览器版本中的可分享Playground和语音模式功能。
- 5在画布上拖拽组件搭建流程：一个LLM节点、一个提示词节点，如果是RAG场景，再加上文档加载器、嵌入模型和向量数据库组件并将它们连接起来。
- 6将完成的流程部署为API端点，或导出为JSON用于版本控制，或将其暴露为MCP服务器供其他AI工具调用。
自托管Langflow需要DataStax或IBM账户吗？
不需要。GitHub和PyPI上的开源langflow软件包完全独立于任何DataStax或IBM云账户运行。只有在使用托管产品DataStax Langflow或将Astra DB作为托管向量数据库时才需要账户。
Langflow的最低硬件要求是什么？
文档中给出的最低要求是双核CPU和2GB内存，实际工作负载建议使用多核CPU和至少4GB内存。通过pip/uv安装需要Python 3.10到3.14。
哪些人适合使用Langflow？
Langflow适合希望在不放弃Python的前提下为LangChain加一层可视化界面的开发者，对正在离开Flowise的用户来说也是一个可信的选择。 但对于需要开箱即用的重度多租户SaaS托管能力的团队来说，它并不合适。
Langflow对比其他工具
Langflow与其他可视化及代码优先工具竞争，用于构建LangChain风格的智能体和RAG流水线。维护状态是它与Flowise相比最明显的差异点。
| 工具 | 界面 | 许可协议 | 背后支持 | 维护状态 |
|---|---|---|---|---|
| Langflow | 可视化，基于Python | MIT | IBM（通过DataStax） | 积极维护 |
| Flowise | 可视化拖拽 | Apache 2.0 | 独立（FlowiseAI） | 已存档／无人维护 |
| Dify | 可视化＋后端 | Apache 2.0＋附加限制 | 独立（LangGenius） | 积极维护 |
| LlamaIndex | Python／TS代码 | MIT | 独立（LlamaIndex Inc.） | 积极维护 |
| n8n | 可视化拖拽 | Fair-code／Sustainable Use | 独立（n8n GmbH） | 积极维护 |
评估Langflow时的常见误区
这些误区源于将Langflow与Flowise混淆，或者误以为企业所有权总是意味着更差的开源体验。
常见问题
Langflow归谁所有？
IBM拥有Langflow。它最初由Logspace开发，2024年4月被DataStax收购，随后DataStax于2025年5月28日被IBM收购。
Langflow是开源的吗？
是的。Langflow在GitHub（langflow-ai/langflow）上以宽松的MIT许可发布，不像一些竞品工具那样存在多租户或Logo限制。
Langflow目前还在积极维护吗？
是的。与2026年被FlowiseAI关闭运营的Flowise不同，Langflow有活跃的提交历史，并被IBM定位为其watsonx.ai平台上的智能体构建中间件。
Langflow与Flowise有什么不同？
Langflow基于Python，目前由背靠IBM的团队开发；Flowise基于Node.js/TypeScript，由独立公司FlowiseAI开发，如今已被存档且无人维护。两者都能以可视化方式生成LangChain/LangGraph风格的结构，但代码库完全不同。
没有IBM或DataStax账户可以自托管Langflow吗？
可以。开源软件包langflow可通过Docker、pip/uv或Langflow Desktop应用安装，完全运行在你自己的硬件上。只有使用托管产品DataStax Langflow或托管版Astra DB时才需要IBM或DataStax账户。
Langflow支持检索增强生成（RAG）吗？
支持。Vector Store RAG模板将数据摄取（加载、分块、嵌入、索引文档）和查询（嵌入问题、检索最相近匹配）拆分为两条流程，并使用可替换的向量数据库组件，包括Astra DB。
Langflow支持多智能体系统吗？
支持。画布上的任何组件都可以暴露为智能体可调用的工具，Langflow支持多智能体编排，并在多轮对话中保留会话记忆。
Langflow的最低系统要求是什么？
最低要求是双核CPU和2GB内存，实际工作负载建议使用多核CPU和至少4GB内存。通过pip/uv安装需要Python 3.10到3.14。
DataStax Langflow是什么？它与开源版Langflow有什么区别？
DataStax Langflow是IBM/DataStax托管的同一开源项目的云版本，并与向量数据库Astra DB集成。它运行的核心软件与自托管版本完全相同——区别在于IBM负责托管，并默认将其连接到Astra DB。
对于离开Flowise的用户来说，Langflow是个好的替代方案吗？
是的，但有一个前提：底层概念（可视化LangChain/LangGraph流程、RAG组件、智能体工具）足够相近，使Langflow成为合理的迁移目标，但没有自动导入功能——需要预留时间手动重建流程。
Langflow可以部署为MCP服务器吗？
可以。完成的Langflow流程可以暴露为模型上下文协议（MCP）服务器，供其他兼容MCP的AI客户端将其作为工具调用，此外也可以部署为普通API端点或导出为JSON。