¿Qué es Langflow?

Langflow es una herramienta web open-source construida en Python que ofrece un interfaz gráfico LLM para trabajar con LangChain permitiendo manejar los conceptos de Chains, Agents y Prompt Engineering, de una forma muy sencilla:

Así Langflow puede verse como una forma sencilla de prototipar flujos LangChain . La función de arrastrar y soltar permite una experimentación rápida y sin esfuerzo, mientras que la interfaz de chat integrada facilita la interacción en tiempo real. Ofrece opciones para editar los parámetros de los avisos, crear cadenas y agentes, realizar un seguimiento de los procesos de pensamiento y exportar flujos.

conceptos fundamentales 

• Agentes: Los agentes son componentes que utilizan el razonamiento para tomar decisiones y emprender acciones .Están diseñados para realizar tareas de forma autónoma o prestar servicios con cierto grado de «libertad». Combinan la potencia de los procesos de encadenamiento LLM con el acceso a herramientas externas como las API para interactuar con aplicaciones y realizar tareas. Tenemos agentes como el CSVAgent, JSONAgent, VectorStoreAgent,…
• Chains: en el contexto de los modelos lingüísticos, se refieren a una serie de llamadas realizadas a un modelo lingüístico. Permiten utilizar la salida de una llamada como entrada para otra. Los distintos tipos de Chains (cadenas) permiten diferentes niveles de complejidad. Son útiles para crear pipelines y ejecutar escenarios específicos. Tenemos el ConversationChain,  LLMChain, SQLDatabaseChain,…
• Embeddings: Lson representaciones vectoriales del texto que captan su significado semántico. Se crean utilizando modelos de text embedding  y nos permiten pensar en el texto en un espacio vectorial, lo que nos permite realizar tareas como la búsqueda semántica, en la que buscamos los fragmentos de texto que más se parecen en el espacio vectorial.
• LLM: LLM son las siglas de Large Language Model. Es un componente central de Langflow y proporciona una interfaz estándar para interactuar con diferentes LLMs de varios proveedores como OpenAI, Cohere, y HuggingFace. Los LLMs se utilizan ampliamente en todo Langflow, incluso en Chains y agentes. Pueden ser utilizados para generar texto basado en un prompt dado (o input).
• Memory: La memoria es un concepto de las aplicaciones basadas en chat que permite al sistema recordar interacciones anteriores. Ayuda a mantener el contexto de la conversación y permite al sistema entender los mensajes nuevos en relación con los anteriores.
• Prompts: Un Prompt es la entrada dada a un modelo lingüístico. Se construye a partir de múltiples componentes y puede parametrizarse utilizando plantillas de avisos. Una plantilla de instrucciones es una forma reproducible de generar instrucciones y permite personalizarlas fácilmente mediante variables de entrada.

Algunos ejemplos

Así de forma muy sencilla puedo construir todo tipo de aplicaciones basadas en LLM.

Desde un sencillo chat con un prompt que te da la temperatura en la ciudad indicada:

que puedo desplegar desde el mismo UI con el botón

Y ejecutar con

Puedo establecer variables definiéndolas entre paréntesis: {variable}, una vez insertadas en un PromptTemplate estos campos se reconocen como variables y puedo establecerlas:

A un completo parseador de PDFS que extrae el contenido y lo formatea en JSON:

Que podéis ver en este ejemplo: https://medium.com/logspace/langflow-micro-tutorials-pdf-parser-22e0772de330

Además incluye un buen número de ejemplos que pueden usarse de base para construir tus propios flujos

INVOCACIÓN A LANGFLOW

Lo que construyamos con Langflow puede ser invocado vía API REST, para eso puedo pulsar el botón

y veré cómo puedo invocarlo (en el código paso como parámetro la ciudad):

o incluso cómo integrarlo como un widget en mi aplicación Web (ver config):

CUSTOM COMPONENTS

Langflow también permite la extensión a través de los Custom Components que se crean con un script Python usando la clase CustomComponent provista por la librería Langflow y pueden crearse incluso desde el mismo UI de Langflow o bien por fuera (ver más):

SEGURIDAD

La funcionalidad de login en Langflow sirve para autenticar usuarios y proteger rutas sensibles en la aplicación. A partir de la versión 0.5, Langflow introduce un mecanismo de inicio de sesión mejorado que se rige por unas pocas variables de entorno. Esto permite nuevas características:.