Langflow

基于 LangChain 的低代码可视化 AI 工作流与管线构建工具

简介

Langflow 是基于 LangChain 的可视化低代码管线构建工具。其 OpenAI 组件支持自定义 OpenAI API Base URL，将其指向 TokenMix 后，无需修改管线逻辑即可使用 Claude、GPT-5、DeepSeek 等任意 TokenMix 模型。

前置条件

使用 Docker 自托管 Langflow：

docker run -p 7860:7860 langflowai/langflow:latest

浏览器访问 http://localhost:7860。

需要持久化存储时，挂载数据卷：

docker run -p 7860:7860 \
  -v langflow_data:/app/langflow \
  langflowai/langflow:latest

同时需要 TokenMix API Key：在 tokenmix.ai → 控制台 → API Keys 中创建。

配置步骤

步骤 1 — 打开流程

在 Langflow 中打开已有流程或通过 New Flow 新建一个。

步骤 2 — 添加或选中 OpenAI 组件

将 OpenAI（或 OpenAI Embeddings）组件拖拽到画布上，或点击已有组件。

步骤 3 — 设置 API base 和密钥

在右侧组件设置面板中填写：

字段	值
OpenAI API Key	你的 TokenMix 密钥（`sk-tm-…`）
OpenAI API Base	`https://api.tokenmix.ai/v1`
Model Name	例如 `gpt-5.4` 或 `claude-sonnet-4.6`

关闭面板即自动保存。

备选：环境变量方式（最稳定）

启动容器时注入环境变量，实例内所有 OpenAI 组件将默认使用 TokenMix：

docker run -p 7860:7860 \
  -e OPENAI_API_BASE=https://api.tokenmix.ai/v1 \
  -e OPENAI_API_KEY=sk-tm-your-key \
  langflowai/langflow:latest

此方式下 OpenAI API Base 字段已预填，只需在组件中选择模型名称即可。

步骤 4 — 添加 Embedding 支持（RAG 流程必需）

将 OpenAI Embeddings 组件拖拽到画布，设置相同的 OpenAI API Base 和密钥，将 Model Name 填写为 TokenMix 支持的 embedding 模型（如 text-embedding-3-large），然后连接到向量存储组件。

验证

点击 Run 或 Playground 按钮运行流程，结果面板显示正常输出即说明 TokenMix 接入成功。

在 TokenMix 控制台 → 使用记录 中可确认请求已被记录。

常见问题

Q: 设置 API Base 后所有组件报错，怎么办？ A: 确认 URL 末尾为 /v1（无尾部斜杠），API Key 以 sk-tm- 开头且无多余空格。

Q: 可以使用哪些 Embedding 模型？ A: 访问 tokenmix.ai → 模型，按 Embedding 类型筛选，将 short_id（如 text-embedding-3-large）填入 OpenAI Embeddings 组件的 Model Name 字段。

Q: 同一流程中不同组件能使用不同模型吗？ A: 可以。每个 OpenAI 组件有独立的 Model Name 字段，共享同一 API Base 和密钥，模型名称可各自设置。