Langflow 接入启航AI教程
教程说明
Langflow 的 OpenAI 组件以 bundle 形式提供。本教程只写官方文档明确列出的字段，不把未核实的 Base URL 入口写成固定事实。适用形态
- Langflow 本地部署
- Langflow Docker 部署
- Langflow 自托管实例
前置条件
- 可访问的 Langflow 控制台
- 启航AI API Key
- 如果要做 RAG，还需要单独配置 embedding 组件
官方支持的接入方式
官方文档列出了 OpenAI bundle 的组件参数。文本生成组件可配置api_key、model、max_tokens、temperature 等；embedding 组件则明确列出 OpenAI API Base、Model、OpenAI API Key 等字段。
逐步配置
1. 打开 Langflow
进入 Langflow 控制台，新建一个 flow。2. 添加 OpenAI bundle 里的文本组件
从组件库中拖入 OpenAI bundle 的文本生成组件，作为主要对话节点。3. 填写文本组件参数
按当前版本页面填写api_key、model、temperature、max_tokens 等字段。
4. 如果要做 RAG，再添加 embedding 组件
拖入OpenAI Embeddings 组件，并填写 OpenAI API Base、Model、OpenAI API Key。
5. 连接输入和输出组件
把 Prompt、Memory、Vector Store 或 Chat Output 等节点连接到主模型节点。6. 运行测试
执行一次最小 flow，确认可以返回正常结果。验证是否接入成功
- 文本生成组件可以正常运行
- 如果配置了 embedding，向量化和检索步骤可以正常通过
- 运行结果能返回启航AI的正常回复
常见问题
Q: 为什么这篇不强行写文本组件的 Base URL？ A: 官方公开页面对文本生成组件列出的字段是api_key、model、max_tokens、temperature；没有强证据时，不把 Base URL 写成固定前提。
Q: 做 RAG 时为什么还要单独配 embedding？
A: Langflow 的知识库和检索链路需要独立的 embedding 组件，不能只靠文本生成组件。
Q: 组件名称为什么要区分 bundle 和 embedding？
A: 官方文档就是按组件类型分别列字段，混写会让用户误以为所有字段都在同一个面板里。