Langflow 是 DataStax 的旗舰产品，用于 构建生成式 AI 流程和代理。今天，我们通过 Langflow.new 的技术预览版本，推动了生成式 AI 的普及：一条完全开放的路径，用于快速原型设计和概念验证的生成式 AI 流程和代理。

通过 Langflow.new，开发人员可以立即开始使用 Langflow 并发现它在构建 RAG 管道、代理流程和其他更多功能中的价值。当你进入页面时，你会立即看到一个基本的 AI 代理流。让我们更详细地看看这一点：在 Langflow 中，我们看到一系列被称为组件的模块。

如下图所示，Langflow.new 的默认开始界面。

具体来说，我们有以下内容：

1. 一个 URL 组件，访问一个 URL 并返回其内容的组件
2. 一个 计算器 组件，可以执行数学运算的组件
3. 一个 聊天输入 组件，接受用户输入的提示
4. 一个 代理 组件，可以接受其他组件作为输入
5. 一个 聊天输出 组件，显示代理的输出

这里的关键在于，它们是工具。在AI代理的背景下，这些工具的工作方式与编程中的函数非常相似，输入参数（也称为参数或输入值）由语言模型生成并提供给工具，而输出结果（通常被称为返回值）则返回给语言模型。

如果我们把计算器组件看作是一个简单的 calculate(num1, num2, operation) 函数并暴露给代理，那么代理就会根据用户在聊天输入中的提示生成 num1, num2, 和 operation 的值。所以如果用户输入：

给我 3 和 7 加起来

然后LLM提示应用程序（在这里是Langflow）调用calculate函数，并传递参数3，7和sum，相当于执行了calculate(3, 7, "sum")。这种结构化的输出可能如下所示：

    {
        "functionName": "计算函数",
        "args": [3, 7, "求和运算"]
    }

点击这里全屏，点击这里退出全屏

该应用程序（Langflow）然后处理来自LLM的结构化输出，然后调用工具；它随后将返回值发送回语言模型，继续处理。

当用户输入一个类似这样的提示时，这些工具就开始一起工作了。

把3425 USD换成卢比

然后语言模型会为每个工具生成调用，如下所示：

[
    { "functionName": "getFromUrl", "args": ["https://exchangerates.com/today?from=USD&to=INR"] }, // 从指定URL获取数据
    { "functionName": "calculator", "args": ["usdValue", "inrValue", "multiply"] } // 计算USD和INR值的乘积
]

全屏模式，点这里进入/退出。

从这里，应用程序使用这些输入执行这些功能，并将输出传递给语言模型。当不再有工具调用且语言模型仅返回文本时，应用程序通过Chat Output组件将此文本反馈给用户。Langflow是语言模型、工具和用户提示及输出之间的粘合剂（或运行环境）。

使用 Langflow.new，你可以尝试任何你喜欢的代理和流程，或者彻底摒弃它们，创建执行RAG（检索和生成）、情感分析或其他你喜欢的工作流。

一旦你的流程准备好了，你可以下载并用于任何已部署的Langflow实例：无论是作为DataStax提供的云服务的DataStax Langflow，还是自行安装。

参考 Vercel 创始人兼 CEO Guillermo Rauch 的说法，我们决定尽量减少用户与 Langflow 核心资源（即有意义且有用的生成式 AI 流程）之间的互动障碍。

随着一个门槛的减少和对 Langflow 这类工具的更便捷访问，我们期待你们能带来什么新创意，以及 Langflow 如何最好地满足你们组织的需求。请在 𝕏 或 Discord 分享您的经历、想法和故事。
*[面向对象的]: OO