Pular para o conteúdo
LabS Atlas
Generative AI
Entrar

LangFlow

Ir para notas que citam esta
atualizado há 25 diasEntre para perguntar ao Labinho sobre esta notaO Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

LangFlow é uma ferramenta no-code para montar visualmente fluxos com modelos de IA, como pipelines de RAG e agentes, a partir de templates adaptáveis sobre o ecossistema LangChain.

Em vez de escrever código, monta-se o fluxo conectando componentes na tela: carregador de documento, modelo de embeddings, base vetorial, prompt e modelo de linguagem. A ferramenta se apoia nos conceitos do LangChain e traz templates prontos, como RAG básico, agentes diversos e um template de RAG com base vetorial, que servem de ponto de partida e podem ser adaptados.

Um RAG montado em dois fluxos

Um exemplo típico de RAG no LangFlow tem duas etapas:

  1. Carga: seleciona-se o documento, configura-se o modelo de embeddings (no exemplo, um modelo da OpenAI) e os vetores são gravados numa base vetorial em diretório local.
  2. Recuperação: um segundo fluxo busca nessa base os trechos relevantes para a pergunta, junta-os a um prompt de instruções configurado no próprio fluxo e envia tudo ao modelo.

A ferramenta tem um playground, uma interface de chat embutida para conversar com o fluxo e testar as respostas com o contexto recuperado. Montado sobre um material de workshop e sem testes prévios, esse fluxo respondeu corretamente o que é um Learning Prototype e seguiu o estilo pedido no prompt. É o mesmo tipo de assistente que se obtém com GPTs personalizados, com uma diferença: todos os parâmetros da recuperação e do prompt ficam visíveis e ajustáveis. Isso torna explícitos também os custos de preparar e vetorizar os dados, além dos prompts enviados.

Estudo, não produção

Vulnerabilidades conhecidas

Uma análise de segurança apontou diversas vulnerabilidades em aplicações construídas com LangFlow. A recomendação é usá-lo para estudo e prototipação, não para colocar aplicações em produção.

O ponto forte do LangFlow é tornar visível a arquitetura de um pipeline e permitir experimentar variações rapidamente. Para uma solução que vai a produção, o fluxo validado serve de referência para uma implementação com controles de segurança adequados.