Langflow 教學：是什麼、Docker 安裝實測、接 Ollama 本地模型，還有三個會讓你卡關的預設值

你看了 Langflow 的介紹影片，拖幾個方塊、連幾條線，就做出一個能回答問題的 AI 聊天機器人，想自己裝來試試，或放在公司的主機上給同事用。官方文件說用 Docker 一行指令就能跑。我照著做，第一步就失敗了。

這篇是我在一台雲端測試機上，用官方 Docker 映像檔從頭裝一次的紀錄：怎麼裝、三個會讓你卡關的預設值、怎麼接 Ollama 的本地模型（不用任何 API 金鑰）、實際回答的速度。測試機沒有螢幕，所以視覺化編輯器的畫面我沒有操作；流程是用 Langflow 自己的 Python 元件組好，再透過它的 API 匯入和執行的，數字都是那次跑出來的。

Langflow 是什麼

Langflow 是一個做 AI 應用的視覺化工具。畫面上每個方塊是一個元件，例如輸入框、提示詞、模型、文件載入、向量資料庫、搜尋工具，把方塊用線接起來，就是一個流程（flow）。做好的流程可以在它內建的對話視窗試用，也可以用 API 給其他程式呼叫，或當成 MCP 伺服器，讓 Claude 這類 AI 工具直接用。

它是開源的，授權是 MIT，GitHub 上有 15 萬 5 千多顆星，我 10 月 15 日查的時候最新版是 1.12.6。底層是 Python，每個方塊背後都是一段 Python 程式，會寫程式的人可以自己改。

跟其他工具比：n8n 是通用的自動化工具，強項是串接幾百種服務和排程；Dify 也是做 AI 應用的平台，內建知識庫和發佈網頁的功能；Langflow 比較偏向「把 AI 的流程畫出來、再當 API 用」，給想自己組 Agent 或 RAG 流程的人。另一個常被拿來比的拖拉式工具是 Flowise，但它最新的官方映像我實測起不來、還有沒修的漏洞，現況在 Flowise 還能用嗎。

三種裝法

官方文件列了三種，推薦的是 Desktop 版：

Desktop 版少了幾個功能，官方文件點名的是 Shareable Playground（分享對話視窗）和語音模式。只是想在自己電腦上玩，用 Desktop 就好；要放在主機上給別人用，用 Docker。下面都是 Docker 的實測。還沒裝 Docker 的話，先看 Docker 是什麼、怎麼裝。

坑一：照最短的指令跑，13 秒就退出

最短的寫法是這一行：

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

我照這樣跑，容器 13 秒後就退出了，結束碼是 3。紀錄最後幾行是：

ValueError: Username and password must be set
Application startup failed. Exiting.

原因寫在官方文件裡：官方的 Docker 映像檔預設把自動登入關掉（LANGFLOW_AUTO_LOGIN=false），所以一定要先設管理員密碼 LANGFLOW_SUPERUSER_PASSWORD，而且不能用舊的預設密碼 langflow。文件裡同一頁另一句還寫著「自動登入已開啟」，跟實際行為對不上，我是照實際跑出來的結果寫。

所以有兩種跑法：

# 放在主機上給別人用：設管理員密碼，登入才能用
docker run -p 7860:7860 \
  -e LANGFLOW_SUPERUSER_PASSWORD=換成你的強密碼 \
  langflowai/langflow:latest

# 只在自己電腦上用：開自動登入，不用帳號密碼
docker run -p 7860:7860 \
  -e LANGFLOW_AUTO_LOGIN=true \
  langflowai/langflow:latest

開自動登入的意思是，連得到這台的人都直接是管理員，所以只適合放在自己的電腦上。我的測試用的是第二種，沒有建立任何帳號，啟動約 22 秒，健康檢查回 {"status":"ok","chat":"ok","db":"ok"}，版本 1.12.6。

映像檔本身：Docker Hub 上 amd64 版下載 801 MB，拉下來之後硬碟多用了 3.9 GB（我的 Docker 29 用 containerd 存映像檔，壓縮檔和解開的檔案都佔空間）。裡面是 Python 3.14.8。

坑二：重建容器，流程和金鑰全不見

Docker 的常識是：資料要放在 volume 裡，容器刪掉重建才不會不見。官方文件的 compose 範例會掛一個資料夾到 /app/langflow，並設 LANGFLOW_CONFIG_DIR=/app/langflow，資料庫則另外接 PostgreSQL。如果你只照抄前面那一半、沒有接 PostgreSQL，就會踩到下面這個坑。

我掛了 volume 到 /app/langflow、設了設定資料夾，沒有接 PostgreSQL，建了一個流程和一把 API 金鑰，然後把容器刪掉、用同一個 volume 重建。結果舊的金鑰回 Invalid or missing API key，流程也不見了。

我進容器裡找，資料庫檔案 langflow.db 根本不在 /app/langflow，而是在容器裡的 Python 套件資料夾（/app/.venv/lib/python3.14/site-packages/langflow/）。volume 裡只有 alembic、profile_pictures、secret_key 這幾樣，資料庫沒跟著存進去，容器一刪就沒了。

解法是再加一個環境變數 LANGFLOW_SAVE_DB_IN_CONFIG_DIR=true，讓資料庫改存到設定資料夾。加了之後，volume 裡多了 langflow.db，跑幾次之後是 13 MB；我再刪掉容器重建一次，舊的金鑰還能用，流程用原本的 ID 還叫得出來、跑得動。

另一個做法就是照官方的 compose 範例接 PostgreSQL（設 LANGFLOW_DATABASE_URL），資料存在 PostgreSQL 裡。這個我沒有測。

坑三：接本機的 Ollama，被安全防護擋下

Langflow 有一個 Ollama 元件，可以接你自己電腦上的本地模型，不用任何金鑰。我在主機上裝了 Ollama，在元件裡填 http://localhost:11434，結果執行時出錯：

SSRF Protection: Hostname 172.17.0.1 resolves to blocked IP address(es): 172.17.0.1. To allow this hostname, add it to LANGFLOW_SSRF_ALLOWED_HOSTS environment variable.

這裡發生了兩件事。第一，Langflow 發現自己在容器裡，會自動把 localhost 改寫成主機的位址：先試 host.docker.internal，找不到就用預設閘道，我那台 Linux 主機上是 172.17.0.1。第二，它有一個 SSRF 防護（防止伺服器被拿去連內部網路的機制），我看了原始碼，預設擋掉的範圍包括 127.0.0.0/8（本機）、10.0.0.0/8、172.16.0.0/12、192.168.0.0/16 這些內網位址。改寫後的位址剛好在封鎖範圍裡。

也就是說，照預設值，Langflow 在 Docker 裡接本機或區網裡的 Ollama 一定會被擋。解法是把位址加進白名單，可以寫主機名稱、IP 或網段，用逗號分開：

-e LANGFLOW_SSRF_ALLOWED_HOSTS=172.17.0.1

另外 Ollama 預設只聽本機（127.0.0.1），容器往 172.17.0.1 連會連不到，所以 Ollama 要用 OLLAMA_HOST=0.0.0.0 啟動，聽所有網路介面。這樣做 11434 埠在所有網路介面上都連得到，放在有公開 IP 的主機上要用防火牆擋好；為什麼 Docker 的防火牆要特別注意，在 Ollama Docker 教學 有寫；要讓 OLLAMA_HOST 每次開機都生效，各系統的設法在 Ollama 怎麼更新、看版本、改 port。

三個坑都解掉的指令

自己電腦上用（自動登入）、資料存進 volume、可以接主機上的 Ollama：

docker run -d --name langflow -p 7860:7860 \
  -e LANGFLOW_AUTO_LOGIN=true \
  -e LANGFLOW_CONFIG_DIR=/app/langflow \
  -e LANGFLOW_SAVE_DB_IN_CONFIG_DIR=true \
  -e LANGFLOW_SSRF_ALLOWED_HOSTS=172.17.0.1 \
  -v langflow-data:/app/langflow \
  langflowai/langflow:latest

跑起來之後打開 http://localhost:7860 就是編輯器。172.17.0.1 是我那台 Linux 主機的位址，你的可以用 docker network inspect bridge 查。Mac 和 Windows 的 Docker Desktop 有 host.docker.internal 這個名字，照原始碼的邏輯 Langflow 會改用它，白名單可能要填這個名字，這兩個系統我沒有測。要放在主機上給別人用，把 LANGFLOW_AUTO_LOGIN=true 換成管理員密碼，前面再加一層 HTTPS 的反向代理。

實際接 Ollama 跑一個流程

我組的流程是最基本的四個方塊：對話輸入 → 提示詞（「請用繁體中文、一句話回答」）→ Ollama（模型 Gemma 3 1B）→ 對話輸出。在編輯器裡是把這四個方塊拖出來接線；我是用 Langflow 自己的 Python 元件組好，再用 API 匯入。

用 API 之前要先有金鑰。開了自動登入，編輯器不用登入，但 API 還是要金鑰，官方文件也這樣寫。我不帶金鑰呼叫，回的是 No authentication credentials provided（HTTP 403）。金鑰可以在容器裡用 Langflow 的指令產生，它會提醒你這是唯一一次顯示：

docker exec langflow langflow api-key

呼叫流程的方式是這樣。流程 ID 在用 API 建立流程時會回傳；在編輯器裡從哪裡看，我沒有看到畫面：

curl -X POST "http://localhost:7860/api/v1/run/你的流程ID" \
  -H "Content-Type: application/json" \
  -H "x-api-key: 你的金鑰" \
  -d '{"input_value":"台灣最高的山是哪一座？","input_type":"chat","output_type":"chat"}'

我問了三題，結果：

第一次比較慢，是 Ollama 要先把模型載入記憶體。第三題答得不太準，還用了「數據」這種對岸的說法，這是 1B 小模型的程度，不是 Langflow 的問題；換大一點的模型會好很多，怎麼挑在 Ollama 模型推薦。重建容器之後，我又用同一個流程問了「用繁體中文說一個台灣的夜市小吃」，它回「蚵仔煎！」。

記憶體方面，Langflow 和 Ollama 都開著、模型還沒載入時，整台用了約 1.9 GB；模型載入、跑完幾題之後約 3.0 GB。

範本

官方 GitHub 裡的範本有 27 個，例如 Basic Prompting、Document Q&A、Simple Agent、Vector Store RAG、Travel Planning Agents。我用 API 列出的 starter projects 是 5 個：Basic Prompting、Blog Writer、Document Q&A、Memory Chatbot、Vector Store RAG。要改用本地模型，就是把範本裡的模型方塊換成 Ollama 元件；各個範本我沒有逐一試。

放在雲端主機上

要讓 Langflow 一直開著給同事或其他程式用，可以放在雲端主機上。Hostinger 有 Langflow 的一鍵安裝，10 月 15 日官網顯示最便宜的是 1 核心、4 GB 記憶體，首期每月 6.49 美元、續約 11.99 美元；2 核心、8 GB 是首期 8.99 美元、續約 14.99 美元。這個範本我沒有用過。Langflow 要選 Hostinger 哪一級方案、續約價多少，我整理在 Hostinger 評價。

要注意 Langflow 文件在安裝需求寫的最低是雙核心，最便宜那個方案只有 1 核心，我會選 2 核心那個。這類主機沒有顯卡，接 OpenAI 這類雲端模型沒問題；要在主機上跑本地模型，就會像我這台一樣慢，只適合小模型。各家主機的價格比較在 VPS 推薦哪一家。

這篇沒有測的

視覺化編輯器的畫面和操作；Desktop 版和 Python 套件的安裝；開管理員密碼的登入模式；PostgreSQL 資料庫；Mac 和 Windows 的 Docker Desktop；Agent、RAG 和 MCP 伺服器功能；接 OpenAI 這類雲端模型；Hostinger 的 Langflow 範本。