פורסם

Langflow

כלי ויזואלי לבניית אפליקציות LLM: מחברים מודלים, prompts, כלים, מאגרי וקטורים ו-agents ל-flows בעורך בדפדפן, ואז קוראים לכל flow דרך REST API או כשרת MCP. מתאים למפתחים ולצוותים קטנים שבונים אבות טיפוס של workflows מבוססי AI ומגישים אותם מהשרת שלהם, מול APIs של מודלים מתארחים או מקומיים.

משאבים לפי רמת עומס

מה האפליקציה עצמה צריכה בכל רמה, לצד מה שאנחנו ממליצים לשרת שמריץ רק אותה.

רמה	מה זה אומר	דרישות האפליקציה	מומלץ
קלהערכה	1–2 אנשים שבונים flows, עד 20 flows, כ-500 הרצות flow ביום מול APIs של מודלים מתארחים, עד 1 GB של קבצים שהועלו ו-knowledge bases מקומיים; worker אחד.	1.8 vCPU · 2.5 GiB RAM · 10.657 GiB דיסק	2.28 vCPU · 4.5 GiB RAM · 21.686 GiB דיסק
בינוניהערכה	עד 5 אנשים שבונים flows, עד 50 flows, כ-5,000 הרצות flow ביום דרך ה-API, עד 5 GB של קבצים שהועלו ו-knowledge bases מקומיים; worker אחד.	3 vCPU · 6 GiB RAM · 59.657 GiB דיסק	3.72 vCPU · 8.7 GiB RAM · 78.036 GiB דיסק
כבדהערכה	עד 15 אנשים שבונים flows או קוראים ל-API, עד 150 flows, כ-20,000 הרצות flow ביום, עד 15 GB של קבצים שהועלו ו-knowledge bases מקומיים; עדיין worker אחד.	4 vCPU · 8 GiB RAM · 69.657 GiB דיסק	4.92 vCPU · 11.1 GiB RAM · 89.536 GiB דיסק

מומלץ = דרישות האפליקציה + baseline של המערכת + מרווח ביטחון (headroom), לפי מדיניות ה-sizing ‏2026.10.0. האפשרויות נשארות בברירת המחדל. ״הערכה״ פירושה שהמקורות לא נותנים מספר למקרה הזה, ולכן הוא מחושב מהם בשיטה שמפורטת תחת רכיבים. איך המספרים נבנים

לחישוב ב-Stack Sizer

קבצים מוכנים להפעלה

רמת תמיכה נתמך

תבנית Compose מהמקורות הרשמיים; עוד לא נבדקה בהרצה.

צור docker-compose

רכיבים

מה כל רכיב צריך בכל רמת עומס, לפני baseline ו-headroom.

vCPU / GiB RAM / GiB דיסק
רכיב	קל	בינוני	כבד	מקורות
Langflow (editor and API) (app)	0.8 / 1.5 / 4.157	1 / 2 / 8.157	2 / 4 / 18.157	[11][12][17][22][25]
PostgreSQL (database)	1 / 1 / 6.5	2 / 4 / 51.5	2 / 4 / 51.5	[28][29][30][31][32][33][34]

איך ההערכות מחושבות

Langflow (editor and API) · קל: vCPU ו-RAM: המינימום של סביבת IDE במדריך ה-Kubernetes, ‏frontend של 512Mi / ‏0.3 CPU ועוד backend של 1Gi / ‏0.5 CPU = ‏0.8 vCPU, ‏1.5 GiB; ה-image מגיש את שניהם מתהליך אחד. Disk: ‏image של 3.157 GiB ‏(0.746 דחוס ועוד 2.411 פרוס, ה-containerd image store שומר את שניהם) ועוד 1 GiB לקבצים ול-knowledge bases ‏(1 GB נספר כ-GiB) = ‏4.157.
Langflow (editor and API) · בינוני: vCPU ו-RAM: המינימום של סביבת runtime לכל instance במדריך ה-Kubernetes, ‏2Gi RAM ו-1000m ‏(1 CPU). Disk: ‏image של 3.157 GiB ועוד 5 GiB לקבצים ול-knowledge bases ‏(5 GB נספר כ-GiB) = ‏8.157.
Langflow (editor and API) · כבד: vCPU ו-RAM: המארח המומלץ במדריך ההתקנה, CPU מרובה ליבות (נלקח כ-2 vCPU) ולפחות 4 GB RAM ‏(נלקח כ-4 GiB, עיגול למעלה). Disk: ‏image של 3.157 GiB ועוד 15 GiB לקבצים ול-knowledge bases ‏(15 GB נספר כ-GiB) = ‏18.157.
PostgreSQL · קל: מסד metadata מובנה בהגדרות ברירת המחדל של ה-image: שווה ל-preset ה-light של פרופיל PostgreSQL ‏(עד 5 GB נתונים, עד 20 חיבורים בו-זמנית) בכל רמת עומס. שיטת ה-light: ‏shared_buffers ‏25% מה-RAM, תקציב work_mem ו-maintenance_work_mem למקרה הגרוע, 0.5 GiB ל-image ‏+ 5 GiB נתונים + 1 GiB ל-WAL.
PostgreSQL · בינוני: RAM: פי 4 מ-light; ‏shared_buffers של 1 GiB הם 25% (ההנחיה בתיעוד); 3 GiB הנותרים מכסים במקרה הגרוע 100 חיבורים × work_mem ‏4 MB × hash_mem_multiplier ‏2 ‏(800 MB) ועוד 4 × maintenance_work_mem ‏64 MB. ‏vCPU: שני תהליכי backend פעילים, או leader ועוד parallel worker אחד. Disk: ‏0.5 GiB ל-image ‏(155 MiB דחוס × 3, מעוגל למעלה) + 50 GiB נתונים + 1 GiB ל-WAL ‏(ברירת המחדל של max_wal_size); GB נספר כ-GiB.
PostgreSQL · כבד: RAM: פי 4 מ-light; ‏shared_buffers של 1 GiB הם 25% (ההנחיה בתיעוד); 3 GiB הנותרים מכסים במקרה הגרוע 100 חיבורים × work_mem ‏4 MB × hash_mem_multiplier ‏2 ‏(800 MB) ועוד 4 × maintenance_work_mem ‏64 MB. ‏vCPU: שני תהליכי backend פעילים, או leader ועוד parallel worker אחד. Disk: ‏0.5 GiB ל-image ‏(155 MiB דחוס × 3, מעוגל למעלה) + 50 GiB נתונים + 1 GiB ל-WAL ‏(ברירת המחדל של max_wal_size); GB נספר כ-GiB.

פורטים

פורטים ציבוריים נועדו לגישה מחוץ ל-stack, בדרך כלל דרך reverse proxy; פורטים פנימיים נשארים ברשת של ה-stack עצמו.

רכיב	פורט	חשיפה	שימוש	מקורות
Langflow (editor and API)	7860/tcp	ציבורי, דרך proxy	Visual editor, REST API and MCP endpoints (HTTP; put behind a TLS reverse proxy)	[5][6][14]
PostgreSQL	5432/tcp	פנימי בלבד	PostgreSQL connections from Langflow (LANGFLOW_DATABASE_URL)	[5][10]

כל הפורטים בקטלוג, עם התנגשויות בין אפליקציות

משתמש והרשאות (UID/GID)

המשתמש שהתהליך של כל קונטיינר רץ תחתיו, והנתיבים שהוא כותב אליהם. ‏bind mount לאחד הנתיבים האלה חייב להיות ניתן לכתיבה על ידי ה-UID:GID הזה.

רכיב	UID:GID	משתמש	מתחיל כ-root	כותב אל	מקורות
Langflow (editor and API)	1000:0	`user`	לא	`/app/langflow/app/data/app/.npm`	[6][8]
PostgreSQL	999:999	`postgres`	כן, מכין את התיקיות שלו ואז עובר למשתמש הזה	`/var/lib/postgresql/var/run/postgresql`	[26][27][33]

Langflow (editor and API): ה-image יוצר את המשתמש user ‏(uid 1000, קבוצה ראשית 0), מעביר את /app/data, ‏/app/langflow ו-/app/.npm לבעלות 1000:0 עם הרשאת כתיבה לקבוצה, ומריץ langflow run כ-USER user בלי entrypoint כ-root. ‏HOME הוא /app/data; התבנית שומרת הגדרות, קבצים ו-knowledge bases ב-/app/langflow. ‏bind mount חייב להיות ניתן לכתיבה ל-uid 1000 או ל-gid 0.

צמיחת אחסון

בכמה הנתונים של כל רכיב גדלים בחודש בכל רמת עומס, מעבר לדיסק שבפרופיל. ערך שמסומן ״הנחה״ הוא הנחה מוצהרת של ANAROQ ולא מספר מהמקורות; ההערות מפרטות על מה היא נשענת.

GiB לחודש
רכיב	קל	בינוני	כבד	מקורות
Langflow (editor and API)הנחה	0.083	0.417	1.25	[4][17]
PostgreSQLהנחה	0.057	0.572	2.289	[15][21]

על מה מספרי הצמיחה נשענים

Langflow (editor and API): ‏upstream לא מפרסם קצב גידול. ההנחה: ‏1 GiB של קבצים שהועלו ו-knowledge bases מקומיים ב-/app/langflow מתמלאים תוך 12 חודשים: ‏1 / 12 = ‏0.083.
Langflow (editor and API): ‏upstream לא מפרסם קצב גידול. ההנחה: ‏5 GiB של קבצים שהועלו ו-knowledge bases מקומיים ב-/app/langflow מתמלאים תוך 12 חודשים: ‏5 / 12 = ‏0.417.
Langflow (editor and API): ‏upstream לא מפרסם קצב גידול. ההנחה: ‏15 GiB של קבצים שהועלו ו-knowledge bases מקומיים ב-/app/langflow מתמלאים תוך 12 חודשים: ‏15 / 12 = ‏1.25.
PostgreSQL: ‏transactions ו-vertex builds מוגבלים ל-3,000 שורות כל אחד, וגרסאות flow ל-50 לכל flow, ולכן מה שגדל הוא היסטוריית הודעות הצ'אט. ‏Langflow לא מפרסם גודל להרצה; ‏ANAROQ מניח 4 KiB של הודעות להרצה: ‏500 הרצות ביום × 30 × 4 KiB = ‏0.057 GiB.
PostgreSQL: ‏transactions ו-vertex builds מוגבלים ל-3,000 שורות כל אחד, וגרסאות flow ל-50 לכל flow, ולכן מה שגדל הוא היסטוריית הודעות הצ'אט. ‏Langflow לא מפרסם גודל להרצה; ‏ANAROQ מניח 4 KiB של הודעות להרצה: ‏5,000 הרצות ביום × 30 × 4 KiB = ‏0.572 GiB.
PostgreSQL: ‏transactions ו-vertex builds מוגבלים ל-3,000 שורות כל אחד, וגרסאות flow ל-50 לכל flow, ולכן מה שגדל הוא היסטוריית הודעות הצ'אט. ‏Langflow לא מפרסם גודל להרצה; ‏ANAROQ מניח 4 KiB של הודעות להרצה: ‏20,000 הרצות ביום × 30 × 4 KiB = ‏2.289 GiB.

שדרוג וחזרה לאחור

איך עוברים לגרסה חדשה בבטחה, ואיך חוזרים אחורה אם משהו נכשל.

קודם גיבוי

עצרו את Langflow, קחו pg_dump של מסד הנתונים langflow ועותק של ה-volume ‏/app/langflow, וייצאו את ה-projects כ-JSON. רשמו את ה-tag וה-digest של ה-image הנוכחי. [8][16][18]

שלבי השדרוג

קראו את ה-release notes של כל גרסה שאתם מדלגים עליה כדי לאתר breaking changes, ובדקו קודם את ה-tag החדש מול עותק של הנתונים (התחברות, טעינת flows, הרצת flows, קבצים, credentials של ספקים). [8][18]
הגדירו בקובץ ה-Compose את ה-tag המוצמד החדש langflowai/langflow:X.Y.Z, ואז הריצו docker compose pull ו-docker compose up -d. אותם volumes מתחברים מחדש, כך שה-flows והקבצים נשמרים. [7]
הפעילו instance יחיד של Langflow: ‏migrations של Alembic שממתינים רצים בעלייה. אם העלייה מדווחת על אי-התאמה בסכמה, הריצו langflow migration כדי לבדוק, ושחזרו מהגיבוי אם צריך. השאירו את LANGFLOW_SECRET_KEY ללא שינוי. [9][16]

חזרה לאחור

אחרי migration של מסד הנתונים, עצרו את הגרסה החדשה, שחזרו את גיבוי מסד הנתונים מלפני השדרוג ופרסו שוב את ה-tag או ה-digest הקודם. אל תריצו Langflow ישן מול מסד נתונים שגרסה חדשה יותר העבירה migration. [8]

שינויים שוברים ידועים

בגרסה 1.12.4: הקשחת connectors: ‏PGVector או connectors אחרים שפונים ל-localhost או לשם מארח פרטי או של קונטיינר (כמו postgres) צריכים אותו ב-LANGFLOW_SSRF_ALLOWED_HOSTS; כתובות MySQL/MariaDB צריכות local_infile כבוי. שמות inputs של custom components כבר לא יכולים להיות זהים לשמות methods של Component, ותצורות MCP stdio לא יכולות לשים אפשרויות Node.js לפני הסקריפט. [18]
בגרסה 1.12.0: הפרדת ה-bundles הושלמה: ההתקנה וה-image כברירת מחדל כוללים רק רשימה נבחרת של ספקים, ו-flow שמשתמש בחבילת ספק חסרה לא ייבנה עד שתותקן. ‏Admin Page הוסר; את המשתמשים מנהלים דרך Users API. [8][18]
בגרסה 1.11.0: פרטי ה-superuser ברירת המחדל langflow/langflow הוסרו, וה-images של Docker מגדירים LANGFLOW_AUTO_LOGIN=false: הגדירו LANGFLOW_SUPERUSER_PASSWORD (לא langflow), אחרת הקונטיינר לא יעלה. [7][19]

מגבלות

רץ עם תהליך worker אחד. יותר workers ‏(LANGFLOW_WORKERS > 1) דורשים job queue ב-Redis, אחרת Langflow מסרב לעלות; בלעדיו העורך וה-Playground לא עובדים. הפרופיל הזה לא מכסה הגדרות עם כמה workers או כמה instances. [13]
ה-image ברירת המחדל כולל רשימה נבחרת של ספקים ובלי PyTorch. ‏flow שמשתמש ב-component של ספק שלא נכלל לא ירוץ עד שתעברו ל-langflowai/langflow-all או תבנו image נגזר; אל תתקינו חבילות בתוך קונטיינר רץ. [8]
קבצים שהועלו ו-knowledge bases מקומיים (Chroma) נשמרים בדיסק של השרת הזה, ב-volume של הנתונים. העלאה מוגבלת כברירת מחדל ל-1024 MB לקובץ, ו-payloads גדולים מעלים את צריכת הזיכרון; המודלים עצמם רצים אצל הספק ולא נכללים במספרים האלה. [4][11][17]
ה-pool של Langflow יכול לפתוח עד 50 חיבורים (pool_size 20 + max_overflow 30), ולכן מרמת medium ה-PostgreSQL המובנה מתוכנן לפי preset ה-medium של פרופיל PostgreSQL (עד 50 GB). היסטוריית ההרצות מוגבלת ל-3,000 שורות; הודעות הצ'אט ממשיכות לגדול. [15][20][21]

אבטחה

‏Langflow היא פלטפורמה להרצת קוד: כל מי שיכול לערוך flows יכול להריץ Python שרירותי עם גישה לקבצים, לרשת ולחיבור מסד הנתונים של הקונטיינר, ואין בידוד בין משתמשים. תנו חשבונות עריכה רק לאנשים שאתם סומכים עליהם עם השרת. [14]
השאירו LANGFLOW_AUTO_LOGIN=false (ברירת המחדל של ה-image מאז 1.11): כש-auto-login פעיל, כל מבקר מחובר כ-superuser. התחברו כ-langflow עם LANGFLOW_SUPERUSER_PASSWORD; ההרשמה הציבורית כבויה בתבנית הזו, וחשבונות חדשים נשארים לא פעילים עד שה-superuser מפעיל אותם. [7][9]
חשפו את פורט 7860 רק דרך reverse proxy עם HTTPS, ואפשרו גישה ל-PostgreSQL רק ל-Langflow. כשהאימות פעיל, קריאות API דורשות מפתח API של Langflow. [9][11]

גיבוי

גבו את מסד הנתונים ב-PostgreSQL עם pg_dump ‏(flows, משתמשים, מפתחות API, משתנים גלובליים מוצפנים, הודעות), ושמרו איתו את LANGFLOW_SECRET_KEY: בלי המפתח אי אפשר לפענח את ה-credentials השמורים. [9][15][16]
גבו גם את ה-volume של הנתונים ‏(/app/langflow): יש בו את הקבצים שהועלו, את ה-knowledge bases המקומיים (עם LANGFLOW_KNOWLEDGE_BASES_DIR של התבנית הזו) ואת הקובץ secret_key. [4][5][17]