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

# LangFlow: визуальный конструктор LangChain без лишнего кода

> Обзор LangFlow: визуальные flow, RAG, агенты, компоненты LangChain, плюсы и минусы, подключение SpeShu.AI.

LangFlow — open-source визуальный конструктор для LLM-приложений, агентов и RAG-пайплайнов. Он помогает собрать flow из блоков, не начиная каждый прототип с пустого Python-файла.

О LangFlow говорят потому, что он снижает порог входа в LangChain-экосистему. Вместо ручного соединения компонентов вы перетаскиваете LLM, prompt, retriever, vector store и tools на canvas, связываете их и сразу тестируете.

В статье разберём, где LangFlow полезен, как он работает и как использовать его с OpenAI-compatible API SpeShu.AI.

## Что такое langflow

LangFlow — это визуальная среда для проектирования AI-flow. Она подходит для RAG-ботов, простых агентов, прототипов внутренних ассистентов и демонстраций для команд, где не все хотят читать код.

LangFlow не отменяет разработку. Он скорее помогает быстро проверить идею: какие документы подключить, какой prompt использовать, нужна ли векторная база, как ведёт себя модель.

После прототипа flow можно доработать, вынести в API или переписать критичную часть кодом.

## Как работает langflow

В LangFlow приложение строится как граф компонентов. Каждый блок отвечает за конкретное действие: принять input, сформировать prompt, вызвать модель, найти документы, обработать output.

Для RAG обычно используются:

* input-блок с вопросом пользователя;
* loader или text input с документами;
* embeddings;
* vector store;
* retriever;
* chat model;
* output.

Если блок модели поддерживает OpenAI-compatible настройки, в нём можно указать API key и base URL SpeShu.AI.

## Что умеет langflow

* собирать flow на canvas;
* подключать LLM и embeddings;
* строить RAG без большого количества кода;
* использовать vector stores;
* тестировать prompts;
* публиковать flow как endpoint;
* ускорять совместную работу продуктовой и инженерной команды.

Мини-кейсы: чат по FAQ, быстрый прототип AI-консультанта, внутренняя база знаний, демо для клиента, проверка разных моделей на одном сценарии.

## langflow на практике

Самый простой сценарий — собрать RAG-бота по небольшому набору документов:

1. Создайте новый flow.
2. Добавьте input для вопроса пользователя.
3. Добавьте блок документов или loader.
4. Добавьте embeddings с моделью `text-embedding-3-large`.
5. Подключите vector store и retriever.
6. Добавьте chat model и prompt.
7. В настройках OpenAI-compatible модели укажите:

| Поле            | Значение                   |
| --------------- | -------------------------- |
| API key         | `<SPESHU_AI_API_KEY>`      |
| Base URL        | `https://speshu.ai/api/v1` |
| Chat model      | `openai/gpt-5.5`           |
| Embedding model | `text-embedding-3-large`   |

Prompt можно начать с простой инструкции:

```text theme={null} theme={null}
Отвечай на вопрос пользователя только по контексту.
Если ответа нет в документах, скажи, что данных недостаточно.

Контекст:
{context}

Вопрос:
{question}
```

На выходе получится визуальный RAG-прототип: пользователь задаёт вопрос, retriever ищет контекст, модель отвечает по документам.

## Преимущества и недостатки langflow

Плюсы:

* быстрый визуальный старт;
* удобно объяснять архитектуру неразработчикам;
* можно тестировать prompts и модели;
* подходит для RAG-прототипов.

Минусы:

* сложные сценарии всё равно требуют инженерного контроля;
* canvas может стать трудно читаемым;
* production-развёртывание нужно продумывать отдельно.

## langflow vs альтернативы

LangFlow vs Flowise: оба инструмента визуальные. LangFlow ближе к Python и LangChain-экосистеме, Flowise часто выбирают за Node.js-стек и готовые integrations для чатботов.

LangFlow vs LangChain: LangChain — кодовый framework. LangFlow — визуальная оболочка для быстрого проектирования.

LangFlow vs Dify: Dify больше похож на платформу для AI-приложений с публикацией, knowledge base и workflow. LangFlow удобен для технического прототипирования flow.

## Кому подойдёт langflow

LangFlow подойдёт разработчикам, AI-продуктологам, no-code пользователям с техническим уклоном, аналитикам и командам, которые хотят быстро показать прототип RAG или агента.

Если вы уже знаете Python и хотите полный контроль, пишите код. Если нужно быстро договориться о логике flow, LangFlow экономит время.

## Как попробовать langflow через SpeShu.AI

SpeShu.AI удобно использовать как единый провайдер моделей для экспериментов:

* не нужен VPN;
* не нужна зарубежная карта;
* можно тестировать разные модели в одном flow;
* один ключ для чата и embeddings;
* быстрый старт через [speshu.ai/profile](https://speshu.ai/profile).

Укажите `https://speshu.ai/api/v1` в OpenAI-compatible настройках и выберите модель из [каталога](/docs/api-reference/models/list).

## Заключение

LangFlow хорош для визуального проектирования AI-приложений. Главный инсайт: он помогает быстрее проверить идею, но не снимает ответственность за качество retrieval, prompt и данных.

Начните с одного небольшого flow, проверьте ответы на реальных вопросах и только потом усложняйте архитектуру.

***

<Card title="Подключить API" icon="plug" type="tip" href="https://speshu.ai/profile">
  Запустите интеграцию через SpeShu.AI: единый доступ к AI-моделям, без VPN и зарубежной карты
</Card>