Langflow

Ein visueller Editor für KI-Abläufe auf Basis von LangChain — Flüsse per Drag-and-drop bauen, testen und als API bereitstellen.

Für wen: Prototyping von KI-Anwendungen: schnell etwas zusammenklicken, das später auch in Code überführbar ist.

Installation

Per Python-Paketmanager:

python -m pip install langflow
langflow run

Danach die angezeigte lokale Adresse im Browser öffnen.

Erste Schritte

Mit einer Vorlage starten (z. B. „Basic Prompting“ oder „RAG“). Die Bausteine sind vorverdrahtet — Sie tauschen nur das Modell (lokal per Ollama möglich) und Ihre Dokumente aus. Über den Playground testen Sie den Fluss sofort; per Knopfdruck wird daraus eine API für die eigene App.

Plattformen: Python / Docker

Im Detail

Langflow ist ein visueller Drag-and-drop-Editor für KI-Workflows auf Basis von LangChain: Man verbindet Knoten für LLMs, Prompts, Vektorspeicher und Tools per Maus statt Code zu schreiben, kann den Flow direkt testen und anschließend als API-Endpoint bereitstellen. Das macht es stark fürs schnelle Prototyping, besonders wenn man später ohnehin in eigenen LangChain-Code wechseln will, da die Blöcke die zugrundeliegende Python-Struktur widerspiegeln. Im Vergleich zu Flowise (JS/TypeScript-Welt) oder Dify (stärker auf fertige Chat-Apps fokussiert) liegt der Vorteil in der Python-/LangChain-Nähe. Für reine Automatisierung ohne LLM-Schwerpunkt ist n8n oft die flexiblere Wahl.

Praxis-Tipp

Am einfachsten per Docker (docker run langflow) lokal starten und mit dem mitgelieferten RAG-Beispiel-Flow experimentieren, bevor man eigene Komponenten baut.

Siehe auch

• Flowise
• Dify
• n8n

Lizenz & Quelle

• Lizenz: MIT
• Quelle: Website
• Quelle: GitHub