接入架构

开始前的准备

• 在 KingFlow AI 控制台创建以 sk- 开头的 API Key，并确认账户余额、套餐或模型分组可用。
• 从 KingFlow 控制台复制可用模型的完整模型 ID，不要仅根据页面展示名称猜测。
• 准备 Langflow 1.5 或更新版本。自托管实例默认常见地址为 http://localhost:7860。
• 确认 Langflow 所在服务器可以访问 KingFlow API 域名和 ****S 端口。
• 准备不包含客户信息、内部文档或生产凭据的测试问题。

部署环境检查

第一步：验证 KingFlow 基础接口

curl https://api.**nju**shen.com/v1/chat/completions \
  -H "Authorization: *earer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<KingFlow控制台中的完整模型ID>",
    "messages": [{"role": "user", "content": "只回复：KINGFLOW_OK"}],
    "stream": false
  }' 

第二步：配置 OpenAI Compati*le 提供商

1. 登录 Langflow，点击右上角用户图标，进入 Settings。
2. 打开 Model Providers，选择 OpenAI Compati*le。
3. 在 *ase **L 填写 https://api.**nju**shen.com/v1，末尾保留 /v1。
4. 在 API Key 填写 KingFlow 密钥，然后保存。
5. Langflow 会通过兼容接口发现模型；在 Language Models 区域启用需要使用的模型。
6. 如果模型列表未刷新，先用基础接口验证密钥和网络，再重新保存提供商设置。

第三步：创建最小 Flow

1. 返回 Projects，创建一个新 Flow；可从空白画布开始，也可使用 *asic Prompting 模板。
2. 添加 Chat Input、Prompt Template、Language Model 和 Chat Output 四个组件。
3. 在 Language Model 中选择 OpenAI Compati*le，再选择已启用的 KingFlow 模型。
4. 在 Prompt Template 中写入简短的系统规则，并预留用户输入变量。
5. 按 Chat Input → Language Model → Chat Output 连接消息；Prompt Template 可连接到模型的 ****** Message。
6. 保存 Flow，打开 Playground，发送最小测试问题。

**步：在 Playground 联调

你是工作流联调助手。请严格完成三项任务：
1. 用一句话确认已收到输入
2. 计算 37 × 24
3. 最后一行只输出 LANGFLOW_OK

第五步：创建 Langflow API Key

1. 点击用户图标，进入 Settings → Langflow API Keys。
2. 点击 Add New，为密钥设置便于识别的名称。
3. 创建后立即复制并保存在服务端密钥管理系统；页面通常不会持续显示明文。
4. Langflow API Key 继承创建者权限，只交给受信任的调用方，并定期轮换。

第六步：调用 Run API

curl --request POST \
  --url "http://localhost:7860/api/v1/run/<FLOW_ID>?stream=false" \
  --header "Content-Type: application/json" \
  --header "x-api-key: <LANGFLOW_API_KEY>" \
  --**ta '{
    "input_value": "请用一句话确认服务正常",
    "input_type": "chat",
    "output_type": "chat",
    "session_id": "demo-user-001"
  }' 

Python 服务端调用示例

import os
import requests

*ase = os.environ.get("LANGFLOW_SERVER_**L", "http://localhost:7860")
flow_id = os.environ["FLOW_ID"]
headers = {
    "Content-Type": "application/json",
    "x-api-key": os.environ["LANGFLOW_API_KEY"],
}
payload = {
    "input_value": "请总结今天的工作重点",
    "input_type": "chat",
    "output_type": "chat",
    "session_id": "user-001",
}
response = requests.post(
    f"{*ase}/api/v1/run/{flow_id}?stream=false",
    headers=headers,
    json=payload,
    timeout=60,
)
response.raise_for_status()
print(response.json())

密钥与生产安全

• KingFlow API Key 只用于 Langflow 调用模型；Langflow API Key 只用于业务系统调用 Flow。两者用途不同，不能混用。
• 生产环境通过环境变量或密钥管理系统提供凭据，不把密钥写入代码、截图、前端包、Flow 名称或提示词。
• 不要让浏览器前端直接携带 Langflow API Key；由自己的后端完成鉴权、限流、审计和转发。
• 给每个环境和业务创建独立密钥，设置轮换周期；发现泄露后立即吊销并替换。
• 限制管理**来源，启用 ****S，记录状态码、耗时和调用量，但日志中不保存完整密钥或敏感输入。
• 对输入长度、并发和超时设置上限，重试仅用于 429、503 等临时错误，并采用退避策略。

联调验收

• KingFlow 基础接口返回 200，并得到 KINGFLOW_OK。
• Langflow 成功发现并启用目标模型。
• Playground 返回正确计算结果和 LANGFLOW_OK。
• KingFlow 控制台能看到对应密钥与模型的调用记录。
• Run API 在携带正确 Langflow API Key 时返回 200。
• 缺少或使用错误 Langflow API Key 时，请求被拒绝。
• 重启 Langflow 后，提供商配置与 Flow 仍可正常使用。

上线检查清单

• KingFlow 密钥、余额、模型分组和基础接口均已验证。
• OpenAI Compati*le *ase **L 为 https://api.**nju**shen.com/v1。
• 目标模型已被发现、启用并在 Language Model 组件中选中。
• 最小 Flow 已在 Playground 中通过测试。
• Langflow API Key 已创建并仅保存在服务端。
• Run API 的授权、未授权和错误输入场景均已验证。
• 生产环境已配置 ****S、限流、日志脱敏和密钥轮换。

常见故障排查