Langflow คืออะไร และวิธีติดตั้งบน Cloud Server
Langflow คือเครื่องมือสร้างเวิร์กโฟลว์ของแอปที่ใช้โมเดลภาษาแบบลากวางบนหน้าจอ ทำให้ทดลองออกแบบขั้นตอนการทำงานได้เร็วก่อนนำไปเขียนเป็นระบบจริง
- หมวดหมู่
- AI, Machine Learning และ LLM
- ติดตั้งบนเซิร์ฟเวอร์เองได้
- ได้
- สเปกเริ่มต้นที่แนะนำ
- 2 vCPU · RAM 4 GB
- ไลเซนส์
- MIT (โอเพนซอร์ส)
- เว็บทางการ
- เปิดเว็บไซต์
- ISO/IEC 27001
- ISO 22301
- ISO 20000-1
- CSA-STAR
Data Center ในไทย มาตรฐาน TIA-942 Tier 3+ ข้อมูลอยู่ในประเทศไทย
Langflow คืออะไร
การสร้างแอปที่ใช้โมเดลภาษาไม่ได้จบที่การเรียก API เพราะระบบจริงต้องมีขั้นตอนหลายอย่าง ทั้งการดึงเอกสารที่เกี่ยวข้องมาประกอบคำถาม การเรียกเครื่องมือภายนอก และการจัดการบริบทของบทสนทนา
Langflow ให้ประกอบขั้นตอนเหล่านี้เป็นแผนภาพบนหน้าจอ ลากวางส่วนประกอบมาต่อกันแล้วทดสอบผลได้ทันที ซึ่งเร็วกว่าการเขียนโค้ดทดลองมากในช่วงออกแบบ
เมื่อได้ขั้นตอนที่ต้องการแล้ว ระบบส่งออกเป็นโค้ดหรือเปิดเป็น API ให้แอปเรียกใช้ได้ ทีมจึงใช้เป็นเครื่องมือออกแบบและต้นแบบก่อนพัฒนาระบบจริง
ความสามารถเด่นของ Langflow
ประกอบเวิร์กโฟลว์แบบลากวาง
ทดลองออกแบบขั้นตอนได้เร็วโดยไม่ต้องเขียนโค้ดทดลอง
ทดสอบผลได้ทันทีในหน้าจอ
เห็นผลของแต่ละขั้นตอนเพื่อหาจุดที่ต้องปรับ
ต่อกับฐานข้อมูลเวกเตอร์ได้
สร้างระบบตอบคำถามจากเอกสารขององค์กร
ใช้กับโมเดลที่รันเองได้
ชี้ไปที่เซิร์ฟเวอร์โมเดลของตัวเองแทนบริการภายนอก
เปิดเวิร์กโฟลว์เป็น API
ให้แอปเรียกใช้ผลลัพธ์ที่ออกแบบไว้ได้
ใช้ Langflow ทำอะไรได้บ้าง
- ทำต้นแบบระบบตอบคำถามจากเอกสารขององค์กร
- ทดลองออกแบบขั้นตอนก่อนพัฒนาเป็นระบบจริง
- ทีมที่ต้องการให้คนที่ไม่ใช่นักพัฒนาร่วมออกแบบขั้นตอน
- ระบบภายในที่ต้องต่อโมเดลกับฐานข้อมูลขององค์กร
สเปก Cloud Server ที่แนะนำ
| ระดับการใช้งาน | vCPU | RAM | Disk |
|---|---|---|---|
| เริ่มต้นทดลองและทำต้นแบบ | 2 vCPU | 4 GB | NVMe 40 GB |
| แนะนำทีมที่ใช้ร่วมกันหลายคน | 4 vCPU | 8 GB | NVMe 100 GB |
| ใช้งานหนักเปิดเวิร์กโฟลว์เป็น API ให้ระบบอื่นเรียกใช้ | 8 vCPU ขึ้นไป | 16 GB ขึ้นไป | NVMe 200 GB ขึ้นไป |
ดูราคาตามสเปกได้ที่ ราคา Cloud Compute หรือให้ทีมงานช่วยประเมินสเปกจากปริมาณผู้ใช้จริงของคุณ
วิธีติดตั้ง Langflow บน Cloud Server ของ THAI DATA CLOUD
ขั้นตอนด้านล่างใช้กับ Cloud Server ที่เพิ่งสร้างใหม่จากหน้าจัดการของ THAI DATA CLOUD ได้ทันที ถ้าไม่สะดวกทำเอง ทีมวิศวกรของเราติดตั้งและตั้งค่าให้ฟรีสำหรับลูกค้า Cloud Server
สิ่งที่ต้องเตรียม
- Python หรือ Docker
- เซิร์ฟเวอร์โมเดลหรือคีย์สำหรับเรียกใช้บริการโมเดล
- ฐานข้อมูลเวกเตอร์ถ้าต้องทำระบบตอบคำถามจากเอกสาร
- Nginx พร้อมใบรับรอง SSL
ทดสอบบน Ubuntu Server 24.04 LTS ที่ติดตั้ง Docker แล้ว
- 1
รัน Langflow
docker run -d --name langflow \ -p 127.0.0.1:7860:7860 \ -v /srv/langflow:/app/langflow \ -e LANGFLOW_AUTO_LOGIN=false \ -e LANGFLOW_SUPERUSER=admin \ -e LANGFLOW_SUPERUSER_PASSWORD=ChangeThisStrongPassword \ --restart unless-stopped \ langflowai/langflow:latest - 2
ตั้ง Nginx และ HTTPS
sudo certbot --nginx -d flow.example.com - 3
เชื่อมกับโมเดลที่รันเอง
ตั้งค่าส่วนประกอบโมเดลให้ชี้ไปที่เซิร์ฟเวอร์ที่รัน Ollama หรือ vLLM ในวงเดียวกัน ทำให้ข้อมูลไม่ออกนอกองค์กร
# ตัวอย่างค่าที่ใช้ตั้งในส่วนประกอบโมเดล Base URL: http://10.10.0.60:11434/v1 Model: llama3.1 - 4
ต่อกับฐานข้อมูลเวกเตอร์
เพิ่มส่วนประกอบสำหรับ Qdrant หรือ Milvus ที่รันในวงเดียวกัน เพื่อสร้างระบบตอบคำถามจากเอกสารขององค์กร
- 5
สร้างเวิร์กโฟลว์แรกและทดสอบ
ลากส่วนประกอบมาต่อกันเป็นขั้นตอนที่ต้องการ แล้วทดสอบด้วยคำถามจริงเพื่อดูว่าผลลัพธ์ตรงตามที่คาดหรือไม่
- 6
เปิดเป็น API ให้แอปเรียกใช้
เมื่อได้ขั้นตอนที่ต้องการแล้ว เปิดเวิร์กโฟลว์เป็น API พร้อมสร้างคีย์สำหรับให้แอปเรียกใช้
ปิดการเข้าใช้งานโดยไม่ต้องเข้าสู่ระบบเสมอ เพราะหน้าจอนี้เข้าถึงคีย์และข้อมูลที่ตั้งค่าไว้ทั้งหมด
พอร์ตที่ต้องเปิดบน Firewall
| พอร์ต | โปรโตคอล | ใช้ทำอะไร |
|---|---|---|
| 443 | TCP | HTTPS สำหรับหน้าจอและ API |
| 7860 | TCP | พอร์ตภายในของแอป |
สิ่งที่ควรทำต่อหลังติดตั้งเสร็จ
- ปิดการเข้าใช้งานโดยไม่ต้องเข้าสู่ระบบและตั้งรหัสผ่านที่แข็งแรง
- ไม่เก็บคีย์ของบริการภายนอกไว้ในเวิร์กโฟลว์ที่แชร์ให้คนอื่น
- จำกัดไอพีที่เข้าหน้าจอได้ถ้าเป็นระบบภายใน
- ตรวจว่าข้อมูลที่ส่งเข้าโมเดลไม่มีข้อมูลส่วนบุคคลที่ไม่จำเป็น
ทำไมควรรัน Langflow บน Cloud Server ของ THAI DATA CLOUD
Data Center ในประเทศไทย มาตรฐาน ISO/IEC 27001 และ ISO 22301 พร้อมทีมวิศวกรคนไทยดูแลตลอด 24 ชั่วโมง
รันคู่กับ Ollama หรือ vLLM ใน Private Network ทำให้ข้อมูลที่ส่งเข้าโมเดลไม่ออกนอกองค์กร
ต่อกับฐานข้อมูลเวกเตอร์ที่รันบน Cloud Server เครื่องอื่นในวงเดียวกัน
ใช้ทรัพยากรน้อยเพราะงานประมวลผลหนักอยู่ที่เซิร์ฟเวอร์โมเดล
คำถามที่พบบ่อยเกี่ยวกับ Langflow
Langflow ต่างจาก Flowise อย่างไร
ทั้งคู่เป็นเครื่องมือสร้างเวิร์กโฟลว์แบบลากวางที่แนวคิดใกล้เคียงกัน Langflow อยู่บน Python จึงเข้ากับระบบนิเวศของงาน AI ได้ตรงกว่า ส่วน Flowise อยู่บน Node.js การเลือกจึงมักขึ้นกับภาษาที่ทีมถนัด
ใช้กับโมเดลที่รันเองได้ไหม
ได้ โดยชี้ส่วนประกอบโมเดลไปที่เซิร์ฟเวอร์ที่รัน Ollama หรือ vLLM ในวงเดียวกัน ซึ่งทำให้ข้อมูลขององค์กรไม่ต้องส่งออกไปยังบริการภายนอกเลย
ใช้ทำระบบงานจริงได้ไหม
ใช้เปิดเป็น API ได้ แต่ทีมส่วนใหญ่ใช้เป็นเครื่องมือออกแบบและทำต้นแบบ แล้วนำขั้นตอนที่ได้ไปเขียนเป็นโค้ดของระบบจริง ซึ่งควบคุมและทดสอบได้ดีกว่าในระยะยาว
ทางเลือกอื่นที่คล้ายกับ Langflow
แอปอื่นในหมวด AI, Machine Learning และ LLM
บริการของ THAI DATA CLOUD ที่เกี่ยวข้อง
ให้เราติดตั้ง Langflow ให้ฟรี บน Cloud Server ในไทย
แจ้งความต้องการสั้น ๆ ทีมวิศวกรจะช่วยประเมินสเปก ติดตั้ง และตั้งค่าความปลอดภัยให้พร้อมใช้งาน ปรึกษาฟรี ไม่มีข้อผูกมัด