Langflow LFX 实战指南用 lfx CLI 以轻量、无状态方式运行与托管 AI Flow【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflowLFXLangflow Executor是 Langflow 生态中的独立命令行工具它从 Flow JSON 文件出发以极少依赖、无数据库的方式执行lfx run或托管lfx serve流程并可作为 MCP Server 暴露给任意 MCP 客户端。读完本篇你将掌握 LFX 的三种安装方式、lfx serve完整部署流程含 API 鉴权、多 Worker、凭证隔离、lfx run的多种输入形态文件/stdin/内联 JSON/Python 脚本、请求与响应 Schema 的全部字段以及 NoopSession、可插拔服务等源码级实现原理。什么是 LFX无状态的 Flow 执行器LFX 的定位是「命令行为主、依赖最小」的 Flow 执行器。用它运行 Flow 的体验类似于在 Langflow 中开启--backend-only环境变量运行流程但更轻——因为完全不需要安装 Langflow 主包及其全部依赖。实现「轻量」的关键在于 LFX 对所有需要持久化状态的操作统一使用一个空操作no-op数据库会话接口 NoopSession。从源码实现看NoopSession完整模拟了 SQLAlchemy 异步 Session 的 API 表面——add/commit/rollback/execute/query/close/get/exec全部为空操作exec返回的_NoopResult的first()/all()/one_or_none()分别返回None/[]/None连no_autoflush上下文管理器和is_active属性也都有对应桩实现。这保证了依赖「数据库会话」的代码路径可以正常调用而不报错但使用 LFX 时不存在langflow.db数据库文件通过 API 运行 Flow 没问题但任何依赖 Langflow 数据库的有状态操作保存 Flow、存储消息、用户管理都不会持久化依赖langflow.db的操作无法像在完整 Langflow 应用中那样工作。另外一个值得注意的设计是Memory 操作在调用时call time而非导入时import time派发。如果langflow包安装在与lfx相同的 Python 环境中且注册了真实数据库服务Memory 操作会被路由到完整的langflow.memory实现。这只适用于lfx作为 Python 库嵌入运行中的 Langflow Server 的场景运行lfx run或lfx serve命令行时不生效。命令总览LFX 提供两类命令。运行时命令本文档覆盖范围命令说明lfx serve将一个或多个 Flow 托管为 FastAPI 端点路由为/flows/{flow_id}/runlfx run本地执行 Flow 并将结果流式输出到stdoutlfx-mcp启动 MCP Server连接运行中的 Langflow 实例Flow DevOps SDK 命令面向远程实例的流程化开发运维命令说明lfx init脚手架生成带版本管理与 CI 模板的 Flow 项目lfx login对远程 Langflow 实例校验凭证lfx create从内置或自定义模板创建新 Flow JSONlfx validate推送前校验 Flow JSONlfx requirements根据 Flow 的组件依赖生成requirements.txtlfx status比对本地 Flow 文件与远程实例的差异lfx push按稳定 ID 推送 Flow 到远程实例lfx pull从远程实例拉取 Flow 到本地文件lfx export规范化 Flow JSON便于产生干净的 git diff从 CLI 入口源码 src/lfx/src/lfx/main.py 可以看到lfx是一个 Typer 应用命令按功能分组注册setup、observability、prewarm、authoringinit/create/validate 等、upgrade、extension、runningrun/serve、remotelogin/push/pull/status——这也解释了 README 中两类命令为何能在同一个lfx入口下共存。前置条件与安装前置条件安装 Python3.10 及以上从 pyproject.toml 看当前lfx版本要求3.10,3.15安装 uv 包管理器用于uv run/uvx方式运行准备一个 Flow JSON 文件。例如使用仓库中的 Simple Agent 起始模板其位于 src/backend/base/langflow/initial_setup/starter_projects/Simple Agent.json可以直接复制该文件作为simple-agent-flow.json准备模型提供方 API Key示例使用 OpenAI需 OpenAI API Key准备 Langflow API KeyLFX 场景下可以本地生成安全令牌见下文也可以经由 Langflow 服务器 UI 或 CLI 创建。如果已安装 Langflow OSS 1.6 及以上版本lfx已随包附带可直接使用。方式一克隆仓库源码运行git clone https://github.com/langflow-ai/langflow cd langflow/src/lfx在该目录下即可用uv run lfx执行命令后续lfx serve/lfx run章节均以此形式演示。方式二从 PyPI 安装uv venv lfx-venv source lfx-venv/bin/activate uv pip install lfx # 稳定版 uv pip install --pre lfx # 最新 nightly预发布版方式三免安装uvxexport LANGFLOW_API_KEYsk... uvx lfx serve simple-agent-flow.jsonuvx会在临时环境中下载并运行 LFX无需永久安装同一环境中也可以直接lfx run运行流程。从 pyproject.toml 的依赖声明可以看到「引擎精简」的设计思路pip install lfx只包含执行引擎langchain-core、fastapi、uvicorn、typer、networkx 等基础依赖默认不携带任何组件 bundle如需长尾的供应商组件可安装lfx[bundles]拉取lfx-bundles[all]此外还有lfx[otel]OpenTelemetry 可观测性导出、lfx[sandbox]QEMU 硬件隔离执行后端要求 Python 3.12等可选 extra。gunicorn 与 a2wsgi 仅在非 Windows 平台安装——多 Worker 能力基于 gunicornWindows 上会回退到 uvicorn 并拒绝 gunicorn 专用参数。使用lfx serve托管 Simple Agent Flowlfx serve启动一个 FastAPI 服务器来托管一个或多个 Flow支持从文件或目录在启动时加载也可以以空注册表启动、再通过 API 上传 Flow。运行后Flow 可通过POST /flows/{flow_id}/run访问。它接受.jsonFlow 文件或.pyPython 脚本与lfx run相同也支持通过--flow-json传入内联 JSON 或通过--stdin管道输入。由于lfx serve可能创建公开可访问的 FastAPI 服务器API Key 是强制要求。以下示例使用Agent组件内置的 OpenAI 模型需要 OpenAI API Key如需其他提供方请相应修改模型提供方、模型名与凭证。第 1 步生成 Langflow API Key。对 LFX 而言本地生成一个安全令牌即可作为LANGFLOW_API_KEYuv run python -c import secrets; print(secrets.token_urlsafe(32))这与通过 Langflow 服务器 UI/CLI 创建并入库的 API Key 不同——LFX 只需要一个安全字符串来鉴权请求不涉及任何数据库。第 2 步配置环境变量二选一.env文件方式LANGFLOW_API_KEY必填此处假设 Flow 需要 OpenAI KeyLANGFLOW_API_KEYsk... OPENAI_API_KEYsk-...或在启动服务器的同一终端会话中导出变量必须在服务器启动前声明才能被读取export LANGFLOW_API_KEYsk... export OPENAI_API_KEYsk-...第 3 步安装 Flow 依赖。如果已安装 Langflow 或从源码src/lfx运行依赖已齐备。若使用 PyPI 独立版lfx或uvx需手动安装 Flow 中组件所需依赖。查找流程先跑一次lfx run见下节LFX 会在错误信息中报告缺失依赖再逐一安装。以 Simple Agent 模板为例uv pip install langchain~0.3.23 langchain-core1.0.0 langchain-community langchain-openai langchain-text-splitters beautifulsoup4 lxml requests第 4 步启动服务器# .env 文件方式假设 Flow 文件与 .env 在当前目录 uv run lfx serve simple-agent-flow.json --env-file .env uv run lfx serve simple-agent-flow.json --env-file /path/to/.env # .env 在其他位置 # 或已导出变量时直接启动自动拾取环境中的值 uv run lfx serve simple-agent-flow.json如需更换变量值需停服、重新导出、再启动。第 5 步记录flow_id。启动输出形如LFX Server Flow loaded: simple-agent-flow.json (c1dab29d-3364-58ef-8fef-99311d32ee42) Server: http://127.0.0.1:8000 Run flows at: POST /flows/{flow_id}/run API key: x-api-key header or ?x-api-key query parameter第 6 步新终端中设置变量并测试export LANGFLOW_API_KEYsk... export FLOW_IDc1dab29d-3364-58ef-8fef-99311d32ee42 curl -X POST http://localhost:8000/flows/$FLOW_ID/run \ -H Content-Type: application/json \ -H x-api-key: $LANGFLOW_API_KEY \ -d {input_value: Hello, world!}成功响应示例{ result: Hello world! \n\nHow can I help you today? ..., success: true, logs: \n\n Entering new None chain...\nHello world! ...\n\n Finished chain.\n, type: message, component: Chat Output }至此Flow 已成为一个轻量 API 端点——调用方无需安装 Langflow也无需配置自己的 LLM 提供方 Key凭证由服务端环境持有。若要对外公开可配合 ngrok 之类隧道服务或部署到公有云。HTTP 端点所有/flows/{flow_id}路由均要求x-api-key请求头或?x-api-key查询参数端点方法说明/flowsGET列出所有已托管 Flow 及其元数据/flows/upload/POST上传 Flow JSON 到注册表接受完整 Langflow 导出格式/flows/{flow_id}/runPOST运行 Flow返回单一响应/flows/{flow_id}/streamPOST运行 Flow以 SSE 流式输出/flows/{flow_id}/infoGET返回 Flow 元数据标题、描述、输入/输出类型/healthGET全局健康检查返回{status: ok}/docsGET自动生成的 OpenAPI/Swagger UI请求体 SchemaPOST /flows/{flow_id}/run{ input_value: Your message here, session_id: optional-conversation-id }session_id可选设置后Agent 与 Memory 组件会基于它跨多次调用维护会话历史。缺省时每个请求生成新的会话 ID。POST /flows/{flow_id}/stream的完整字段{ input_value: Your message here, input_type: chat, output_type: chat, output_component: null, session_id: optional-conversation-id, tweaks: {ComponentName: {param: value}} }字段默认值说明input_value—必填传入 Flow 的输入input_typechat输入类型chat或textoutput_typechat输出类型chat、text、debug或anyoutput_componentnull按名称将输出固定到特定组件session_idnull跨请求保持记忆连续性的会话 IDtweaksnull按请求覆盖参数键为组件名值为参数覆盖字典无需改动 JSON 即可参数化 Flow响应 Schema注意 LFX Server 的响应 Schema 与 Langflow API/run端点的 Schema不同。/flows/{flow_id}/run返回{ result: string, // Flow 执行产生的输出结果 success: true, // 执行是否成功 logs: string, // 执行过程捕获的日志 type: message, // 结果类型 component: string // 产生结果的组件如 Chat Output }/stream端点以 SSE 返回相同字段每个组件输出对应一个事件。启动时加载多个 Flow可以传入目录、多个文件路径或两者混合每个 Flow 以各自 ID 注册# 托管目录内所有 .json仅顶层不递归 uv run lfx serve flows/ # 托管指定文件 uv run lfx serve flow-a.json flow-b.json # 目录与文件混合 uv run lfx serve flows/ extra-flow.json单 Worker 模式下也支持 Python 脚本 Flowuv run lfx serve my_flow.py。空注册表启动与动态上传不提供 Flow 路径时lfx serve以空注册表启动随后可通过 API 上传uv run lfx serve --env-file .env # 上传 Flow JSON格式即 Langflow UI Export 按钮导出的完整格式 curl -X POST http://localhost:8000/flows/upload/ \ -H x-api-key: $LANGFLOW_API_KEY \ -H Content-Type: application/json \ -d my-flow.json # 上传并替换相同 ID 的已有 Flow curl -X POST http://localhost:8000/flows/upload/?replacetrue \ -H x-api-key: $LANGFLOW_API_KEY \ -H Content-Type: application/json \ -d my-flow.json上传已注册 ID 的 Flow 且未带replacetrue时服务器返回409 Conflict。多 Worker 部署--workers N启动多个 uvicorn Worker 进程--flow-dir让所有 Worker 指向共享目录以托管同一组 Flow# 4 个 workerFlow 经本地临时目录共享 uv run lfx serve flows/ --workers 4 --flow-dir /tmp/lfx-flows # 跨 Pod 共享Kubernetes PVC 或类似网络卷 uv run lfx serve flows/ --workers 4 --flow-dir /mnt/shared-flows工作机制启动时每个 Flow 文件以{flow_id}.json持久化到--flow-dirPOST /flows/upload/的上传同样写入--flow-dir下次请求时对所有 Worker 可见删除会跨 Worker 传播每个 Worker 在下次访问该 Flow 时检测到文件缺失即返回404未设置--flow-dir时每个 Worker 维护独立的内存注册表上传只对收到请求的那个 Worker 生效——此时--workers 1会打印警告。注意--workers 1搭配--flow-dir不支持.py脚本 Flow——Python 图无法序列化到文件系统存储。从 src/lfx/src/lfx/cli/serve_app.py 可以看到鉴权与 Worker 间配置的落地方式API Key 名为x-api-key同时支持请求头与查询参数FastAPI 的APIKeyHeaderAPIKeyQueryKey 在应用启动时一次性快照到app.state避免每请求实时读os.environ多 Worker 的配置flow 目录、no-env-fallback、重置环境变量开关、启动路径等通过LFX_SERVE_*前缀的环境变量传递给 gunicorn fork 出的 Worker 进程。凭证隔离--no-env-fallback实验性默认情况下lfx serve从进程环境os.environ解析组件凭证多租户部署意味着所有请求共享同一套凭证。--no-env-fallback关闭进程环境回退凭证必须在请求体的global_vars字段中按请求提供uv run lfx serve my-flow.json --no-env-fallback --env-file .env curl -X POST http://localhost:8000/flows/$FLOW_ID/run \ -H Content-Type: application/json \ -H x-api-key: $LANGFLOW_API_KEY \ -d { input_value: Hello world, global_vars: { LANGFLOW_REQUEST_VARIABLES: { OPENAI_API_KEY: sk-per-request-key } } }LANGFLOW_REQUEST_VARIABLES中的凭证通过 Pythoncontextvars限定在当前请求作用域Langflow 内置组件不会将其写入os.environ因此不会泄漏到同一 Worker 上的其他并发请求显式写os.environ的自定义组件不在此保证范围内。serve_app.py中还有两层配套机制全局asyncio.Semaphore(1)保证每个 Worker 同一时刻只跑一个 Flow串行化环境敏感的执行段--reset-environ默认关闭则在执行前快照os.environ、执行后按差异恢复确保热 Worker 上前一请求的环境改动不会污染后一请求。启动时检查/升级 Flow 兼容性--upgrade-flow在托管前检查 Flow 与当前 LFX 版本的兼容性# 任一组件不兼容则在启动时失败 uv run lfx serve my-flow.json --upgrade-flowcheck # 在内存中应用安全升级后再启动 uv run lfx serve my-flow.json --upgrade-flowsafelfx serve完整选项表选项说明--check-variables/--no-check-variables检查全局变量的环境兼容性。默认开启检查--env-file包含环境变量的.env文件路径--flow-dir跨 Worker 共享的文件系统 Flow 存储目录设置后启动 Flow 与上传都会持久化于此--flow-json以内联字符串传入 Flow JSON如uv run lfx serve --flow-json {...}--host、-h绑定主机默认127.0.0.1--log-level日志级别debug/info/warning/error/critical默认warning--no-env-fallback/--env-fallback禁用进程环境凭证回退配合按请求LANGFLOW_REQUEST_VARIABLES使用。默认--env-fallback--port、-p绑定端口默认8000--stdin从 stdin 读取 Flow JSON如cat flow.json \| uv run lfx serve --stdin--max-requestsgunicornUnix、--workers 1下每 N 个请求回收一次 Worker 以限制内存默认约每 1000 次10% 抖动0禁用、1每请求回收。属于 Worker 卫生机制而非按请求隔离Windows 上不生效--reset-environ/--no-reset-environ每次 Flow 运行前后快照/恢复os.environ防止请求间环境改动或请求级凭证泄漏任意 Worker、任意平台的严格按请求隔离机制。默认关闭--use-sync-workers/--use-async-workers仅多 WorkerUnix。gunicorn 阻塞式syncworker 每个 Worker 同时只服务一个请求内核会把新请求路由到空闲 Worker配合--max-requests 1即另一套严格的按请求隔离每请求新进程。经a2wsgi桥接lfx 在 Unix 上自带。默认异步 Worker--timeoutWorker 超时秒数gunicornUnix--workers 1超时 Worker 被杀并重启长流程尤其配合--use-sync-workers时应调大默认120Windows 上无效--upgrade-flow兼容性模式check报告问题并失败safe在内存中应用安全升级--verbose、-v显示诊断输出与执行细节--workers、-wWorker 进程数配合--flow-dir实现多 Worker Flow 共享。默认1使用lfx run运行 Flowlfx run从 JSON 文件运行 Flow 而不启动服务器结果输出到stdout。输入形态支持JSON 文件路径、--input-value内联值、stdin不需要 Langflow API Key。第 1 步在同一终端导出变量示例 Flow 需要 OpenAI Keyexport OPENAI_API_KEYsk-...第 2 步依赖安装方式与lfx serve相同Langflow 环境已齐备独立lfx/uvx需按lfx run报错提示手动安装Simple Agent 的依赖列表同上。第 3 步运行uv run lfx run simple-agent-flow.json Hello world # 或等价的 uv run lfx run simple-agent-flow.json --input-value Hello world该 Flow 期望Message输入普通文本字符串。使用--stdin或--flow-json时位置参数被让位给 Flow 定义因此--input-value变为必填。从 stdin 运行--stdin适合动态来源API、数据库或执行前动态修改 Flow。--input-value必填# 从 stdin 读取 Flow JSON cat simple-agent-flow.json | uv run lfx run --stdin \ --input-value Hello world \ --format json | jq .result # 从远程 API 拉取后直接运行 curl https://api.example.com/flows/my-agent-flow | uv run lfx run --stdin \ --input-value Hello world # 执行前用 jq 修改 Flow如把模型改成 gpt-4o cat simple-agent-flow.json | jq (.data.nodes[] | select(.data.node.template.model_name.value) | .data.node.template.model_name.value) gpt-4o | \ uv run lfx run --stdin \ --input-value Hello world \ --format json | jq .result内联 JSON 运行uv run lfx run --flow-json {data: {nodes: [...], edges: [...]}} \ --input-value Hello worldlfx run选项表选项说明--check-variables/--no-check-variables校验 Flow 的全局变量。默认校验--flow-json以内联字符串传入 Flow JSON--format、-f输出格式json/text/message/result默认json--input-value传入图执行的输入值--session-id会话 IDAgent 与 Memory 组件据此跨运行维护历史未设置时自动生成--stdin从 stdin 读取 Flow JSON--timing在输出中包含详细计时信息--upgrade-flow兼容性模式check报告并失败safe在运行前于内存中应用安全升级--verbose、-v基本进度与诊断输出-vv详细进度与调试信息-vvv完整调试输出含组件日志用 Python 脚本编程式定义 Flow除 JSON 外lfx run支持以 Python 脚本定义 Flow无需可视化编辑器。完整示例——创建simple_agent.pyA simple agent flow example for Langflow. Usage: uv run lfx run simple_agent.py How are you? import os from pathlib import Path from lfx import components as cp from lfx.graph import Graph from lfx.log.logger import LogConfig async def get_graph() - Graph: Create and return the graph with async component initialization. log_config LogConfig( log_levelINFO, log_filePath(langflow.log), ) chat_input cp.ChatInput() agent cp.AgentComponent() url_component cp.URLComponent() tools await url_component.to_toolkit() agent.set( model_namegpt-4.1-mini, agent_llmOpenAI, api_keyos.getenv(OPENAI_API_KEY), input_valuechat_input.message_response, toolstools, ) chat_output cp.ChatOutput().set(input_valueagent.message_response) return Graph(chat_input, chat_output, log_configlog_config)安装依赖并设置OPENAI_API_KEY后运行uv run lfx run simple_agent.py How are you? --verboselfx run的 Human-in-the-loop当 Flow 含暂停节点如Human Input且终端可交互时lfx run会在每个决策点自动暂停、在终端提示然后沿所选分支继续可用--human-input/--no-human-input强制指定行为。CLI 的 HITL 仅限交互式会话检查点保存在内存中——暂停期间进程退出即丢失运行没有持久化恢复暂停的运行无法事后从其他终端或重启后恢复没有--resume id非交互式运行管道 stdin、CI 或--no-human-input不会暂停暂停节点被直接穿透运行继续且 CLI 会打印警告避免静默通过。需要跨重启的持久暂停/恢复应改用 Langflow 服务器的 v2 workflows API 运行 Flow。lfx-mcp把 Langflow 暴露给 MCP 客户端lfx-mcp是随lfx一起安装的独立可执行入口pyproject.toml 中注册为lfx-mcp lfx.mcp.__main__:main。它启动一个 MCP Server让任何 MCP 兼容客户端都能以编程方式构建 Flow、管理组件、触发执行从而操控一个运行中的 Langflow 实例。详细用法见 LFX_MCP.md它通过 stdio 运行MCP 客户端将其作为子进程拉起无 HTTP 端口需要环境变量LANGFLOW_SERVER_URL默认http://localhost:7860与LANGFLOW_API_KEYFlow 数据在服务端从不缓存每个变更类工具都执行 GET → 修改 → PATCH 周期组件注册表则在会话内首次访问时缓存。开发工作流在仓库src/lfx目录下make dev # 安装开发依赖 make test # 运行测试 make format # 格式化代码可插拔服务架构LFX 支持可插拔服务架构允许替换内置服务存储、遥测、追踪等为自己的实现或复用 Langflow 的完整服务。详见 PLUGGABLE_SERVICES.md要点三种发现机制装饰器注册导入时自注册适合库、配置文件显式映射适合 CLI、Python 包 entry points适合可分发插件发现顺序后者覆盖前者entry points最低→ 装饰器注册 → 配置文件最高适配器注册表Adapter Registries与「每类型一个实现」的 Service 不同同一注册表内可按字符串键存放多个可互换适配器如deployment下的local/remote通过lfx.services.deps的类型化访问器如get_deployment_adapter(local)获取惰性创建并缓存为单例配置可写在lfx.toml两文件共存时优先或pyproject.toml的[tool.lfx.*]段。扁平化组件访问LFX 支持简化的组件导入方式构建 Python Flow 时体验更好且完全向后兼容传统导入旧风格from lfx.components.agents.agent import AgentComponent from lfx.components.data.url import URLComponent from lfx.components.input_output import ChatInput, ChatOutput扁平风格from lfx import components as cp chat_input cp.ChatInput() agent cp.AgentComponent() url_component cp.URLComponent() chat_output cp.ChatOutput()从 src/lfx/src/lfx/components/init.py 的源码结构看lfx.components包在导入时把各子模块组件如agents.agent、data.url挂到包级命名空间下实现cp.ComponentName的直接访问。组件分类白名单与黑名单加载 Flow 时可通过环境变量限制可用的组件分类。两个变量均可选未设置或为空时加载组件索引中的全部分类变量说明LANGFLOW_COMPONENT_CATEGORY_ALLOWLIST逗号分隔的包含分类列表。空默认则包含全部分类设置后仅所列分类可用LANGFLOW_COMPONENT_CATEGORY_BLOCKLIST逗号分隔的排除分类列表。空默认则不排除在 allowlist 之后生效分类名不区分大小写分类名与组件索引对齐即lfx.components下的顶层目录供应商分类openai、anthropic、google、langchain_utilities等同样有效完整集合取决于 LFX 版本与索引。allowlist/blocklist 中的虚拟关键字core会展开为与前端侧边栏对齐的一组核心分类input_output、data_source、models_and_agents、llm_operations、files_and_knowledge、processing、flow_controls、utilities、prototypes、tools、agents、data、logic、helpers、models、vectorstores、inputs、outputs、prompts、chains、documentloaders、link_extractors、output_parsers、retrievers、textsplitters、toolkits。用法示例# 仅白名单 export LANGFLOW_COMPONENT_CATEGORY_ALLOWLISTopenai,anthropic,google,processing,input_output uv run lfx serve my_flow.json # 仅黑名单 export LANGFLOW_COMPONENT_CATEGORY_BLOCKLISTprototypes,langchain_utilities uv run lfx run my_flow.json Hello # 虚拟 core 关键字 export LANGFLOW_COMPONENT_CATEGORY_ALLOWLISTcore uv run lfx serve my_flow.json过滤在组件索引加载时生效需在运行lfx serve/lfx run之前设置环境变量。小结适用场景与限制适用把 Flow JSON 变成无 UI、无数据库的 API 端点CI 中无头执行 Flow 并断言--format json输出按请求隔离凭证的多租户部署通过lfx-mcp让 Agent 客户端操控 Langflow 实例。限制所有依赖langflow.db的有状态操作保存 Flow、消息存储、用户管理不持久化CLI 端 HITL 无持久恢复多 Worker --flow-dir不支持.py脚本 FlowWindows 上 gunicorn 系参数--max-requests/--timeout/sync workers不生效。LFX 采用 MIT 许可证详见 LICENSE。【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考