用可视化工作流驱动 QQ、微信、飞书、钉钉、Telegram、Discord 等多平台聊天机器人,无需写代码。---[LangBot](https://github.com/langbot-app/LangBot) 是一个开源的即时通讯机器人平台,支持将 Langflow、n8n、Dify、FastGPT、Coze 等 AI 工作流引擎接入微信、QQ、飞书、钉钉、Telegram、Discord、Slack、LINE 等平台。本文展示如何使用 Langflow 的可视化工作流作为 LangBot 的对话引擎。## 为什么选择这个方案- **真正的多平台**:一套工作流同时支持 8 个即时通讯平台- **可视化编排**:拖拽式设计对话流程,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 等多种 LLM 和本地模型- **完全开源**:LangBot 和 Langflow 都是开源项目,可自由部署和定制## 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使用 uvx 一键启动:bashuvx 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。完成注册后登录,进入控制面板:## 第二步:部署 Langflow使用 Docker 快速部署:bashdocker run -d --name langflow -p 7860:7860 langflowai/langflow:latest访问 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**:接收用户输入- **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 Language Model点击 Language Model 组件,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-chat3. **OpenAI API Key**: 输入你的 API Key 提示:可以使用 OpenAI 兼容的 API 服务,如 SiliconFlow、New API 等,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:设置 → 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从流程编辑器的 URL 中获取:http://localhost:7860/flow/{flow-id}记录这个 flow-id。## 第五步:在 LangBot 中配置 Langflow回到 LangBot 控制面板,进入 **Pipelines** 页面。点击 ChatPipeline 进入编辑,在 AI 选项卡中:配置 **Runner**,选择 **Langflow API**:填写 Langflow 配置:配置项说明:- **Base URL**: http://localhost:7860(本地部署)或 http://langflow:7860(Docker 网络)- **API Key**: Langflow 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,确保它们在同一网络,Base URL 使用容器名称。点击 **Save** 保存配置。## 第六步:测试对话在 Pipelines 页面点击 **Debug Chat**,进入调试聊天界面:输入测试消息如 Hello,查看 AI 回复:## 工作原理1. 用户在即时通讯平台发送消息2. LangBot 接收并传递给 Pipeline3. Pipeline 调用 Langflow API4. 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**Langflow 无法连接?**检查 Base URL。Docker 部署时确保容器在同一网络:bashdocker network create langbot_networkdocker network connect langbot_network langflowdocker network connect langbot_network langbot使用容器名称:http://langflow:7860**API 调用失败?**- 确认 API Key 和 Flow ID 正确- 检查 Langflow 中的 Language Model 是否配置了有效的 LLM API Key## 进阶玩法Langflow 的强大之处在于可视化编排复杂的 AI 工作流:- **多轮对话记忆**: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**:让多个 LLM 模型协同工作- **RAG 应用**:集成向量数据库实现知识库问答这些都可以通过拖拽完成,无需编写代码。## 总结通过 LangBot Langflow 的组合,你可以快速构建功能强大的多平台 AI 聊天机器人。Langflow 提供可视化的工作流编排能力,LangBot 负责接入各种即时通讯平台,两者配合实现从工作流设计到多平台部署的完整闭环。这个方案特别适合:- 需要在多个平台部署相同 AI 能力的场景- 希望快速迭代和测试不同对话流程的团队- 想要构建复杂 AI 应用但不想深入编码的开发者## 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 支持与 Dify、n8n、FastGPT、Coze 等多种 AI 平台集成,可根据需求选择最适合的工作流引擎。*