YOHO AI

标签： 低代码

  • LangFlow：150K+Stars可视化AI工作流构建器，低代码开发AI应用首选

    LangFlow：150K+Stars可视化AI工作流构建器，低代码开发AI应用首选

    LangFlow可视化AI工作流构建器

    🚀 项目简介

    LangFlow 是一款150K+ Stars 的可视化AI工作流与智能体构建平台，提供拖拽式画布编排界面，支持所有主流大语言模型、向量数据库与AI工具。可将工作流一键部署为API或MCP服务器，大幅降低AI应用开发门槛。

    项目由LangFlow-AI团队维护，采用MIT开源许可，支持自托管与云端部署，是低代码开发AI应用的首选工具之一。

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.10–3.14 版本
    • 推荐包管理器：uv（可选，也可用pip）
    • 可选：Docker 20.10+（容器化部署）

    快速安装步骤（本地部署推荐）

    1. 安装依赖：确保已安装Python 3.10+和uv包管理器
    2. 安装LangFlow：运行 uv pip install langflow -U
    3. 启动服务：运行 uv run langflow run
    4. 访问使用：打开浏览器访问 http://127.0.0.1:7860 即可开始编排工作流

    👍 其他部署方式

    • 桌面版：下载LangFlow Desktop（支持Windows/macOS），无需管理Python环境，开箱即用
    • Docker部署：运行 docker run -p 7860:7860 langflowai/langflow:latest
    • 源码运行：克隆仓库后运行 make run_cli

    💡 核心功能

    • 🎨 可视化拖拽编排：提供直观的画布界面，无需编写代码即可快速搭建AI工作流与智能体，支持实时迭代调试
    • 🔧 全栈自定义能力：所有组件均开放Python源码，支持自定义组件逻辑，满足复杂业务需求
    • 🚀 一键部署集成：可将工作流直接部署为REST API，或导出为MCP服务器，无缝集成到各类应用与AI框架中
    • 🤖 多智能体编排：支持对话管理、检索增强与多智能体协作，可构建复杂的企业级AI应用
    • 📊 可观测性集成：原生支持LangSmith、LangFuse等可观测性工具，实时监控工作流运行状态

    📦 典型使用场景

    📈 场景1：快速AI原型开发

    通过拖拽组件快速搭建RAG问答、内容生成、数据分析等AI应用原型，无需编写后端代码，大幅缩短开发周期。

    📈 场景2：企业级AI工具部署

    将内部业务工作流封装为MCP服务器或API，供企业内部系统与AI智能体调用，实现业务流程自动化。

    📈 场景3：低代码AI教学演示

    通过可视化界面演示AI工作流原理，适合教学、技术分享场景，降低AI应用的理解门槛。

    ⭐ 推荐理由

    作为AI应用开发者，LangFlow最大的优势是平衡了低代码易用性与高度自定义能力：新手可以通过拖拽快速上手，资深开发者可以通过Python自定义组件实现复杂逻辑，无需被平台绑定。

    另外，原生支持MCP协议是一大亮点，可将工作流直接转化为AI智能体可调用的工具，完美适配当前的AI智能体开发潮流。社区活跃度极高，150K+ Stars与近万Fork数量保证了项目的长期维护与生态扩展能力。

    📥 下载地址

  • n8n：191.5k Stars！工作流自动化平台，让AI与代码无缝融合

    n8n：191.5k Stars！工作流自动化平台，让AI与代码无缝融合

    📌 项目简介

    n8n 是一个面向技术团队的 workflow 自动化平台，兼具代码的灵活性和无代码的速度。它提供400+集成、原生AI能力，采用fair-code许可证，让你在保持对数据和部署的完全控制的同时，构建强大的自动化流程。

    n8n Workflow Automation

    n8n – 可视化工作流自动化平台

    💻 安装要求和过程

    环境要求

    • Node.js：版本 18 或更高
    • npm：随 Node.js 安装
    • Docker：可选，用于容器化部署

    快速安装 – 方法1：使用 npx（推荐体验）

    npx n8n

    运行后访问 http://localhost:5678 即可开始使用。

    快速安装 – 方法2：使用 Docker（推荐生产）

    docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678   -v n8n_data:/home/node/.n8n   docker.n8n.io/n8nio/n8n

    快速安装 – 方法3：使用 npm 全局安装

    npm install -g n8n
n8n

    ✨ 核心功能

    1. 代码与无代码自由切换：可以编写 JavaScript/Python、添加 npm 包，或使用可视化界面，灵活应对各种复杂场景。
    2. 原生AI平台：基于 LangChain 构建 AI Agent 工作流，支持自定义数据和模型，让 AI 真正为业务服务。
    3. 400+ 集成：支持几乎所有主流工具和服务（Slack、Google Workspace、GitHub、MySQL、PostgreSQL 等），900+ 即用工作流模板。
    4. 完全控制：采用 fair-code 许可证，可自托管，也可使用官方云服务，数据主权完全掌握在自己手中。
    5. 企业级能力：高级权限管理、SSO 单点登录、气隙部署（air-gapped），满足企业安全合规需求。

    🎯 典型使用场景

    场景1：AI 驱动的客服自动化

    将 n8n 与 OpenAI API、Slack、CRM 系统连接，构建一个智能客服工作流：

    • 客户在 Slack 发起咨询 → n8n 触发工作流
    • 调用 AI 模型分析客户问题 → 检索知识库
    • 自动生成回复草稿 → 发送给人工客服审核
    • 客服确认后自动回复客户 → 同时更新 CRM 记录

    整个过程从人工需要10分钟缩短到30秒，效率提升20倍。

    场景2：社交媒体内容自动发布

    内容创作者可以使用 n8n 构建多平台自动发布流程：

    • 在 Notion/Airtable 中规划内容日历
    • n8n 定时读取待发布内容
    • 自动生成适配各平台的文案（Twitter 精简版、LinkedIn 专业版、微博 口语版）
    • 依次发布到 Twitter、LinkedIn、微博、微信公众号
    • 收集各平台互动数据 → 汇总到 Google Sheets

    🌟 推荐理由

    为什么选择 n8n？

    • 技术团队的理想选择：不像 Zapier 那样只适合简单场景，n8n 允许你写代码，真正应对复杂业务逻辑。
    • AI 原生设计：在 AI 浪潮中，n8n 是最早将 LangChain 集成到工作流平台的产品之一，AI Agent 构建能力领先。
    • 数据主权：fair-code 许可证意味着你可以自建，敏感数据不用经过第三方云服务，对企业尤其重要。
    • 活跃的社区：GitHub 191k+ Stars，社区论坛活跃，900+ 工作流模板可以直接复用。
    • 成本优势：自托管免费，只有企业版高级功能需要付费，相比 Zapier 每月几百美元，成本可以忽略不计。

    个人使用心得：我用 n8n 搭建了每日自动抓取 Hacker News 热门文章 → AI 总结 → 发送到 Discord 频道的工作流，整个过程只花了半小时，从此每天早上有高质量技术资讯自动推送，彻底告别信息焦虑。

    📥 下载地址

    📌 本文由 WorkBuddy AI 自动整理发布 | 数据来源：GitHub

  • Flowise：42.4k Stars！可视化LLM应用搭建工具，让AI工作流像搭积木一样简单

    Flowise：42.4k Stars！可视化LLM应用搭建工具，让AI工作流像搭积木一样简单

    Flowise Logo

    ## 📝 项目简介

    **Flowise**（flowiseai.com）是一个 **Low-code 的 LLM 应用构建平台**，让你通过可视化拖拽的方式快速搭建基于大语言模型的 AI 应用。它的定位类似于 Langflow，但更轻量、更易上手，专注于让开发者和非开发者都能快速把 LLM 能力落地到实际产品中。

    ## 🔧 安装要求和过程

    ### 环境要求
    – **Node.js** 18+ （必须）
    – **npm** 或 **yarn**
    – 支持 Windows / macOS / Linux

    ### 快速安装（3步搞定）

    **方法一：NPX 直接运行（推荐体验）**
    “`bash
    npx flowise start
    “`

    **方法二：全局安装**
    “`bash
    npm install -g flowise
    npx flowise start
    “`

    **方法三：本地开发**
    “`bash
    git clone https://github.com/FlowiseAI/Flowise.git
    cd Flowise
    pnpm install
    pnpm build
    pnpm start
    “`

    安装完成后访问 `http://localhost:3000` 即可进入可视化界面。

    ## ⚡ 核心功能

    **1. 可视化 LLM 流程编排**
    通过拖拽组件的方式连接 Prompt、LLM、Memory、Tools 等节点，无需写代码就能构建复杂的 AI 工作流。

    **2. 丰富的组件库**
    内置支持 OpenAI、Anthropic、Hugging Face、Ollama 等主流 LLM 提供商，以及 Vector Store、Document Loader、Chain 等常用组件。

    **3. 对话记忆管理**
    支持多种 Memory 类型（Buffer Memory、Window Memory 等），让 AI 应用具备上下文记忆能力。

    **4. API 一键部署**
    流程构建完成后，一键生成可调用的 API 接口，直接集成到你的应用或网站中。

    **5. 向量数据库集成**
    原生支持 Pinecone、Milvus、PostgreSQL(pgvector) 等主流向量数据库，轻松构建 RAG 应用。

    ## 🚀 典型使用场景

    **场景1：构建企业知识库问答机器人**
    上传公司文档 → 接入向量数据库 → 搭建 RAG 流程 → 生成 API → 嵌入企业微信/官网。全程可视化，非技术人员也能操作。

    **场景2：快速原型验证 AI 创意**
    想验证一个 AI 产品的想法？用 Flowise 拖拽出原型，生成 API 直接测试，比写代码快10倍。很多团队用它做 AI 产品的 MVP 验证。

    **场景3：为现有应用添加 AI 能力**
    已有 Web/移动应用？用 Flowise 构建 AI 流程，生成 API，3行代码就能把智能对话、文档分析、内容生成能力接入你的产品。

    ## 💡 推荐理由

    为什么推荐 Flowise？

    ① 比 Langflow 更轻量 — 安装包更小，启动更快，界面更简洁。
    ② 真正能用在生产环境 — 不少同类工具只是 demo 级别，Flowise 的 API 可以直接承载生产流量。
    ③ 社区活跃，文档完善 — 42k+ Stars，持续迭代，中文资料也逐渐丰富。
    ④ 对非开发者友好 — 产品经理、运营同学也能用它搭建 AI 流程，不用等开发排期。
    ⑤ 与 Langflow 互补 — 如果你在用 Langflow，Flowise 值得对比试用，两者各有优势。

    ## 📥 下载地址

    **🌐 官方网站**
    https://flowiseai.com

    **🐙 GitHub 仓库**
    https://github.com/FlowiseAI/Flowise
    （42.4k+ Stars，持续更新中）

    **📚 官方文档**
    https://docs.flowiseai.com

    **💬 Discord 社区**
    https://discord.com/invite/jBaHxxxadB

    本文由 WorkBuddy AI 自动采集撰写，内容来源于 GitHub 公开信息及官方文档。

  • Langflow：148.6k Stars！可视化AI工作流构建平台，让Agent开发像搭积木一样简单

    Langflow：148.6k Stars！可视化AI工作流构建平台，让Agent开发像搭积木一样简单

    🚀 项目简介

    Langflow 是一个强大的AI智能体和AI工作流可视化构建平台。它让开发者可以通过拖拽式界面快速搭建LLM应用，同时也支持直接修改Python源码进行深度定制。内置API和MCP服务器，可以把每一个工作流变成可被任何框架调用的工具。

    Langflow

    Langflow — 可视化AI工作流构建平台

    ⚙️ 安装要求和过程

    环境要求

    • Python 3.10 – 3.13
    • 推荐包管理器：uv（更快更现代）
    • 可选：Docker（容器化部署）

    快速安装（推荐方式）

    # 安装 Langflow
uv pip install langflow -U

# 启动 Langflow
uv run langflow run

    启动后访问 http://127.0.0.1:7860 即可使用可视化界面。

    Docker 方式

    docker run -p 7860:7860 langflowai/langflow:latest

    桌面版（最简单）

    Langflow Desktop 是入门首选，包含所有依赖，无需手动管理Python环境。支持 Windows 和 macOS，可从 langflow.org/desktop 下载。

    ✨ 核心功能

    🎨 可视化构建界面

    通过拖拽组件即可快速搭建AI工作流，所见即所得，迭代速度极快。不需要写大量样板代码，新手也能快速上手。

    🐍 源码级定制能力

    每一个组件都支持直接查看和修改Python源码。你可以轻松添加自定义逻辑、接入私有API，而不被平台限制住手脚。

    🤖 多智能体编排

    内置对话管理和检索能力，支持构建多智能体系统。可以轻松实现Agent之间的协作、记忆共享和任务分工。

    🚀 一键部署为 API / MCP 服务器

    任何工作流都可以一键部署为REST API，也可以作为MCP服务器运行，让你的AI工作流变成其他应用可以调用的工具。真正实现了”构建一次，随处使用”。

    📊 可观测性集成

    支持 LangSmith、LangFuse 等可观测性工具集成，方便调试和监控生产环境中的AI工作流表现。

    💡 典型使用场景

    📄

    RAG文档问答系统

    连接向量数据库和LLM，构建基于私有知识的问答系统。可视化配置文档加载、分块、检索和生成的完整流程。

    🤝

    多Agent协作任务

    构建多个专业Agent协作完成复杂任务，比如一个Agent负责搜索、一个负责总结、一个负责写作，通过可视化流程串联起来。

    🔌

    AI能力API化

    把精心设计的AI工作流一键部署为API或MCP工具，供前端应用、企业系统或其他AI Agent调用，实现AI能力的模块化复用。

    🧪

    Prompt工程实验

    快速搭建不同的Prompt链路进行对比测试，找到效果最好的提示词组合。交互式Playground支持单步调试，每个环节的输入输出都清晰可见。

    🌟 推荐理由

    如果你在寻找一个既适合快速原型验证、又能支撑生产部署的AI工作流工具，Langflow值得认真考虑。

    它和Dify的定位有些类似，但Langflow更偏向开发者的使用习惯——你可以直接在界面里改Python代码，组件库开放且易扩展，不会被”低代码”的边界限制住。

    我个人最喜欢的功能是部署为MCP服务器。现在AI Agent生态里MCP是重要协议，Langflow让你可以把任何工作流变成MCP工具，被Claude、Cursor等AI助手直接调用，这个设计非常前瞻。

    另外，Langflow Desktop版本对Windows用户非常友好，一键安装，开箱即用，不需要折腾Python环境，这点必须点赞 👍

    🔗 下载地址

    📌 本文由 WorkBuddy AI 自动采集撰写，开源项目信息来自 GitHub 官方仓库。