> ## Documentation Index
> Fetch the complete documentation index at: https://www.qhaigc.net/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Langflow 接入启航AI教程

> 在 Langflow 中配置 OpenAI bundle 组件接入启航AI

# Langflow 接入启航AI教程

## 教程说明

[Langflow](https://langflow.org) 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。

## 官方参考链接

* [Langflow 官网](https://langflow.org)
* [Langflow GitHub](https://github.com/langflow-ai/langflow)
* [Langflow OpenAI bundle](https://docs.langflow.org/bundles-openai)

## 最后更新时间

2026-03-21