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:
```bash
uvx 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:
```bash
docker 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-chat
3. **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 Pipeline
3. Pipeline 调用 Langflow API
4. 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:
```bash
docker network create langbot_network
docker network connect langbot_network langflow
docker 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。*
