企业官网建设流程全解析

最近在帮一个团队把大模型应用从开发机往正式服务器迁移，他们指定了 Rocky Linux 9.5 作为系统，又要求所有组件尽量容器化，免得后面环境不一致踩坑。核心的 LLM 工作流编排平台选的是 LangFlow，版本锁定在 1.7.3。这套组合看起来不复杂，但真正动手装的时候，还是有几处小坑需要注意，尤其是 Docker 仓库配置、LangFlow 容器参数和数据持久化这几块，网上的教程大多讲得比较笼统。我把自己完整走通的流程整理出来，给后面要用 Rocky Linux 9.5 部署 LangFlow 的朋友做个参考。

这篇内容适合谁看？想在一台干净的 Rocky Linux 9.5 服务器上快速跑起 LangFlow 的运维，以及刚接触 LLM 工作流编排、需要把可视化流程引擎部署到生产环境的开发者，都可以直接照着操作。我会把从零开始的每一步都拆开讲清楚，包括命令、参数含义、踩坑点，不搞那种"一行命令跑起来"的假教程。

1. 选型逻辑：为什么是 Rocky Linux 9.5 + Docker + LangFlow

很多同学看到"在线使用 Docker 安装"这几个字，第一反应是执行两三条命令就完事了。但实际做部署规划的时候，这套组合的每一层都有选择空间，搞清楚为什么这样选，后面出问题时才知道往哪排查。

1.1 Rocky Linux 9.5 在服务器部署中的角色

Rocky Linux 是 RHEL 的二进制兼容发行版，9.5 是较新的稳定版本，内核基于 5.14，默认使用 dnf 包管理器和 firewalld 防火墙方案。它和 CentOS 7 最大的区别在于：systemd 已经是绝对的初始化系统，SELinux 默认就是 Enforcing 模式，仓库结构也变成了 appstream、baseos 这些模块化仓库。

选择 Rocky Linux 9.5 做宿主机的理由很直接：上游 RHEL 的生命周期管理严格，补丁节奏稳定，不像某些滚动发行版隔三差五给你整个大更新。对于 LangFlow 这种要长期跑在服务器上的 Web 服务来说，宿主机的稳定性直接影响上层容器的运行。可能有人会问 CentOS Stream 行不行？也可以，但如果你没有特殊原因，我更推荐 Rocky Linux，因为它的发布节奏和 RHEL 对齐得更好，不会出现 Stream 那种"走在 RHEL 前面"的尴尬情况。

1.2 Docker 解决的核心问题

LangFlow 本身是一个基于 Python 的 Web 应用，依赖很多 Python 包和 Node 前端构建产物。如果直接装在宿主机上，Python 版本、pip 依赖、Node 版本、系统库全都要自己管，升级一次 LangFlow 就可能牵一发而动全身。用 Docker 容器把 LangFlow 整个运行时环境固化下来，宿主机只需要有 Docker 引擎和足够的内存磁盘，应用掉线了重启容器即可，迁移时导走容器卷就行。

这里要特别说明"在线使用 Docker 安装"的含义：它不是"离线模式"的对应词——在我们的场景里它指的是通过网络拉取 Docker 镜像的方式部署，也就是直接从 Docker Hub 拉取 langflowai/langflow:1.7.3，不像某些内网环境需要提前导入镜像 tar 包。理解了这个，你才能明白后面所有操作都依赖于能正常访问 Docker Hub。

1.3 LangFlow 1.7.3 到底能干什么

LangFlow 是一个可视化的大语言模型应用编排平台，底层构建在 LangChain 生态上。你可以用拖拽的方式把大模型、提示词模板、检索器、工具调用、数据处理节点连接起来，快速搭出"文档问答""Agent 工作流""多模型对比"这类应用，然后通过 API 暴露给外部调用。1.7.x 这个版本在项目节点管理、聊天界面、流程导入导出上已经相当成熟，适合作为稳定基线锁定。

它不是 ChatGLM、通义千问那一类模型服务，它更像一个"大模型应用的 IDE"——模型服务本身需要你自己配置 API Key，LangFlow 负责把各个环节串起来。这一点在部署时要想清楚，安装完 LangFlow 不意味着立刻能对话，还需要在界面上填写模型服务商的 API 地址和密钥。

2. 环境准备与 Docker 安装的细节

在这台服务器上做任何事之前，先检查系统状态，这套操作我每次装新机器都会执行一遍，避免装到一半发现内核太旧或者磁盘不够。

2.1 开始安装前的系统检查

登录 Rocky Linux 9.5 之后，先确认系统版本、内核和内存磁盘情况：

cat /etc/rocky-release uname -r free -h df -h

我遇到过一次低级失误：机器 / 目录只剩 6G 空间，结果 Docker 镜像拉到一半就报 no space left on device。LangFlow 镜像本身大概 1GB 多，加上系统镜像和运行产生的日志，建议给数据盘至少留出 20GB 以上空间。内存方面，LangFlow 的 Python 服务、前端构建产物、数据库进程加在一起，2G 内存勉强能跑，但体验一般，4G 以上会比较舒服。

同时确认 DNS 和网络是否正常。后面要从 Docker Hub 拉镜像，如果服务器是内网环境，可能需要提前配置代理或镜像加速器。检查方式：

ping -c 3 google.com curl -I https://hub.docker.com

如果你的服务器在国内，直接拉 Docker Hub 镜像可能会很慢，这时就看你的网络环境了，cloudflare 或者云服务商提供的加速服务都可以，原则是能稳定拉取到公共镜像。

2.2 配置 Docker 官方仓库

Rocky Linux 9.5 没有内置 Docker 包（它带的是 podman），所以需要手动添加 Docker 官方源。Docker 官方仓库对 RHEL 系用的是 centos 的 repo 文件，因为 Rocky 与 RHEL 二进制兼容，这个 repo 可以直接复用，但要注意版本代号适配到 9。配置命令如下：

sudo dnf install -y dnf-plugins-core sudo dnf config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

这里用的 download.docker.com 是 Docker 官方软件仓库，路径里的 centos 代表 RHEL 兼容系列。添加完可以查看一下 repo 文件内容，确认 baseurl 正确指向了 9 的目录：

cat /etc/yum.repos.d/docker-ce.repo

看到类似https://download.docker.com/linux/centos/9/x86_64/stable的地址就没问题。

2.3 安装 Docker 引擎与 Compose 插件

接下来安装 Docker 本体和常用插件：

sudo dnf install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

注意一定不要漏掉 docker-compose-plugin，后面用 docker compose 启动 LangFlow 就靠它。docker-ce-cli 是你执行 docker 命令的客户端，containerd.io 是容器运行时的底层管理组件，缺了任何一个都会出问题。安装完成之后，把 Docker 服务设为开机自启并立即启动：

sudo systemctl enable --now docker sudo systemctl status docker

如果看到Active: active (running)就说明引擎起来了。接着验证客户端和 Compose 版本：

docker version docker compose version

Docker 版本在 24 以上基本没问题，Compose 插件版本在 v2.20 以上比较稳。

2.4 首次运行前的两个隐患：SELinux 和防火墙

Rocky Linux 9.5 的 SELinux 默认是 Enforcing，这对安全是好事情，但如果容器要挂载宿主机目录，SELinux 上下文没配好就会导致容器内进程无法读写。我常用的做法有两种：一种是给挂载目录设置容器文件上下文标签：

sudo chcon -Rt container_file_t /opt/langflow_data

另一种是临时把 SELinux 切到 Permissive 排查问题，但正式使用不建议关闭 SELinux。

防火墙方面，Rocky 用的是 firewalld。默认 zone 是 public，端口不开放的话外部访问不到 LangFlow 的 Web 界面。用以下命令开放端口：

sudo firewall-cmd --permanent --add-port=7860/tcp sudo firewall-cmd --reload

7860 是 LangFlow 默认的 Web 服务端口，下面会讲到。

3. LangFlow 1.7.3 容器化部署的前置理解

在真正拉镜像启动容器之前，建议先搞清楚 LangFlow 的镜像版本策略、端口分工和数据持久化方式，这样后续排错会轻松很多。

3.1 镜像版本的三个选择：1.7.3 意味着什么

LangFlow 官方镜像仓库是 langflowai/langflow，公开可拉取。版本标签有很多，简单的有 latest，具体的有 1.7.3、1.7.2 等。我推荐在生产环境锁定具体版本号，原因很简单：latest 会跟着官方更新变动，可能你今天部署的时候还能跑，过两周因为镜像更新而出现不兼容，排查起来非常头疼。

锁定 1.7.3 还有一个好处：当你需要回滚时，只需要重新 pull 旧的镜像标签再启动容器即可，不需要重新配置任何环境。镜像标签格式如下：

langflowai/langflow:1.7.3

如果你有升级需求，官方仓库还维护了像1.7.3-python3.12这种带 Python 版本后缀的标签，但默认不指定的话就是官方自带的 Python 版本，我用默认标签实测下来很稳。

3.2 端口与环境变量的关键信息

LangFlow 的 Web 服务默认监听容器内的 7860 端口，所以宿主机映射通常写成-p 7860:7860。如果你宿主机 7860 已被占用，可以换成其他端口，比如-p 8080:7860，后面访问就是 http://服务器IP:8080。

环境变量是部署时的重头戏。LangFlow 1.7.x 支持的环境变量很多，但最核心的是这几个：

• LANGFLOW_DATABASE_URL：指定元数据存储的数据库连接串，默认是 SQLite，生产建议用 PostgreSQL。
• LANGFLOW_AUTO_LOGIN：默认是 false，设为 true 时会自动跳转到一个临时用户，适合个人测试。
• LANGFLOW_SUPERUSER/LANGFLOW_SUPERUSER_PASSWORD：创建超级管理员用户的用户名和密码。
• LANGFLOW_CONFIG_DIR：LangFlow 配置文件的存储目录，容器内默认是 /app/langflow。
• LANGFLOW_HOST和LANGFLOW_PORT：默认分别是 0.0.0.0 和 7860，一般不用改。

第一次启动如果没设置超级用户，LangFlow 会要求你在页面上创建一个管理员账号。如果你想跳过页面初始化，直接在环境变量里指定超级用户，体验会清爽很多。

3.3 用 docker run 还是 docker compose？

很多博客给的方案是一大串 docker run 命令，参数多到让人眼花。我更推荐用 docker compose 定义服务，好处是配置声明式、可版本管理、升级改参数方便。docker-compose.yml 写清楚之后，一条docker compose up -d就能完成启动，后面维护时也不用翻历史命令。

不过也有人更喜欢 docker run 的直接感，我两种都给出，你按自己的操作习惯选就行。唯一要提醒的是：如果你是重新部署或升级版本，注意不要创建多个同名容器导致冲突，先docker rm -f langflow再启动。

3.4 数据持久化：容器可以被销毁，数据不能丢

LangFlow 的流程配置、API Key 配置、用户信息都存在数据库里。默认 SQLite 模式下，数据文件在容器内的/app/langflow/langflow.db（不同版本路径可能略有差异，但 /app/langflow 是配置根目录）。如果不挂载宿主机目录，容器一删，所有流程和数据全没了。

所以挂载一个宿主机目录到/app/langflow是必须操作。我习惯放在/opt/langflow_data，你可以按自己的规划来，但挂载目录的权限要确保容器内用户可写。前面提到的 SELinux 标签配置也在这里起作用。

4. 实际部署：拉取镜像、启动容器、登录验证

前置准备做完，下面进入实际操作。我以一台全新 Rocky Linux 9.5 服务器为例，假设你已经在宿主机上安装好了 Docker 并开通了 7860 端口。

4.1 拉取镜像时的网络问题与加速方案

先执行：

docker pull langflowai/langflow:1.7.3

这个命令会从 Docker Hub 拉取镜像。如果你的网络状况不理想，可能在拉取时卡在等待层数据。此时我在国内服务器上通常会配置 registry mirror，在/etc/docker/daemon.json中添加：

{ "registry-mirrors": ["https://docker.m.daocloud.io"] }

然后重启 Docker：

sudo systemctl restart docker

注意，如果你配置了加速地址后发现拉取失败，先确认这个加速地址是否可用，不要盲目依赖某一个。拉取的时候可以观察镜像层的下载进度，镜像是分层结构，总大小约 1GB，耐心等它下载完成。看到Status: Downloaded newer image for langflowai/langflow:1.7.3就说明成功。

4.2 使用 docker run 一键启动

如果只是测试环境，想快速跑起来，用 docker run 最直接：

sudo mkdir -p /opt/langflow_data && sudo chcon -Rt container_file_t /opt/langflow_data sudo docker run -d \ --name langflow \ -p 7860:7860 \ -v /opt/langflow_data:/app/langflow \ -e LANGFLOW_AUTO_LOGIN=true \ -e LANGFLOW_SUPERUSER=admin \ -e LANGFLOW_SUPERUSER_PASSWORD=your_strong_password \ langflowai/langflow:1.7.3

逐条解释一下参数：

• -d：后台运行，不占用当前终端。
• --name langflow：给容器起名字，方便后续停止和删除。
• -p 7860:7860：将宿主机 7860 端口映射到容器内 7860 端口。
• -v /opt/langflow_data:/app/langflow：把宿主机数据目录挂载到容器配置目录，持久化数据库和配置文件。
• -e LANGFLOW_AUTO_LOGIN=true：开启自动登录，测试时方便直接进入界面。
• 超级用户环境变量：首次启动时自动创建管理员账号。

启动之后，用docker logs -f langflow观察启动日志，看到类似Application startup complete或Uvicorn running on http://0.0.0.0:7860的日志就说明启动成功。

然后打开浏览器访问http://服务器IP:7860，看到 LangFlow 的欢迎界面就成功了。

4.3 更推荐的方式：docker compose 管理

如果你和我一样，后面会频繁改环境变量或升级镜像，那用 docker-compose.yml 会更顺手。创建/opt/langflow/docker-compose.yml：

services: langflow: image: langflowai/langflow:1.7.3 container_name: langflow restart: unless-stopped ports: - "7860:7860" volumes: - /opt/langflow_data:/app/langflow environment: LANGFLOW_AUTO_LOGIN: "true" LANGFLOW_SUPERUSER: "admin" LANGFLOW_SUPERUSER_PASSWORD: "your_strong_password" LANGFLOW_CONFIG_DIR: "/app/langflow"

然后在/opt/langflow目录下执行：

sudo docker compose up -d

docker compose 的好处是容器挂了会自动重启（restart: unless-stopped），你不用手工去docker start。查看状态用：

sudo docker compose ps sudo docker compose logs -f langflow

更新版本时只需要改镜像标签，然后：

sudo docker compose down sudo docker compose up -d

整个过程非常干净。

4.4 首次登录：创建第一个 Flow

启动成功后，进入界面会看到项目列表页。如果设置了 LANGFLOW_AUTO_LOGIN=true，会自动跳转到一个默认用户；如果你设置了超级用户环境变量，页面登录时输入 admin 和对应的密码即可。

登录进去后，你需要先到右上角的设置里配置大模型提供商。这里是最容易卡住的地方：LangFlow 本身不带模型，你需要填入 OpenAI、通义千问、智谱或者本地 Ollama 等服务的 API Key。以 OpenAI 为例，在 Settings -> API Keys 里填入sk-xxx。如果你用的是国内模型服务，通常在 LangFlow 的模型节点里选择自定义 provider，填入对应的 base_url 和 api_key。

配置完模型，拖一个 LLM 节点到画布上，连接一个 Prompt 输入框，再连一个输出节点，就可以开始对话测试了。

4.5 反向代理与 HTTPS 配置（有域名时）

生产环境肯定不想直接用 IP+端口访问，一般会用 Nginx 反向代理。在 Rocky Linux 上安装 Nginx：

sudo dnf install -y nginx

然后增加一个 server 配置：

server { listen 443 ssl; server_name your.domain.com; ssl_certificate /etc/nginx/cert/server.crt; ssl_certificate_key /etc/nginx/cert/server.key; location / { proxy_pass http://127.0.0.1:7860; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; } }

注意最后四行是给 WebSocket 用的，LangFlow 界面和模型之间的实时交互依赖 WebSocket，漏掉的话聊天功能可能出问题。配置完sudo systemctl restart nginx。

5. 部署后的运维要点与常见问题排查

装好只是开始，真正考验人的是后续的运维。这里我把踩过的坑和排查思路整理成清单，希望能帮你少走弯路。

5.1 日志怎么看、容器重启了怎么处理

LangFlow 日志里如果出现错误，第一步永远是：

sudo docker logs --tail 200 langflow

这个命令能让你快速看到最近 200 行日志。如果容器因为异常退出，可以用docker ps -a查看容器状态。我遇到过一次容器不断重启的情况，日志里显示数据库文件锁定，原因是宿主机目录和容器内目录的权限不匹配。解决方案很简单，把挂载目录赋权给容器内用户：

sudo chown -R 1000:1000 /opt/langflow_data

LangFlow 容器内部默认使用 uid 1000 运行。很多新手上来会直接 chmod 777，虽然能跑但隐患很大，不建议这样干。

5.2 PostgreSQL 替代 SQLite：流程数据多了以后

LangFlow 默认使用 SQLite，小规模使用没问题，一旦流程数量激增、并发访问上来，SQLite 的写锁会成为瓶颈。生产环境建议切换 PostgreSQL。方式是在 docker-compose.yml 里增加一个 postgres 服务，然后设置 LANGFLOW_DATABASE_URL：

services: postgres: image: postgres:16 environment: POSTGRES_USER: langflow POSTGRES_PASSWORD: langflow_pass POSTGRES_DB: langflow volumes: - /opt/langflow_pgdata:/var/lib/postgresql/data restart: unless-stopped langflow: image: langflowai/langflow:1.7.3 depends_on: - postgres environment: LANGFLOW_DATABASE_URL: "postgresql://langflow:langflow_pass@postgres:5432/langflow" ...

切换数据库前记得备份 SQLite 数据，LangFlow 本身没有自动迁移工具，简单的方法是在界面里把流程导出成 json 文件，换库后再导入，这个我实测是最省心的方式。

5.3 端口占用和防火墙导致的访问不了

打开浏览器访问服务器 IP:7860 没反应，先按顺序排查：

1. 宿主机端口监听：ss -tlnp | grep 7860
2. 容器状态：docker ps -a，STATUS 是否 Up
3. 防火墙：firewall-cmd --list-ports，看 7860/tcp 是否已放行
4. 云安全组：如果服务器在云上，安全组入方向规则也要放行对应端口

这四步能解决九成以上的"外部访问不到"问题。

5.4 升级 LangFlow 版本的正确姿势

从 1.7.3 升到更高版本，不要直接 pull 新的 latest 然后docker restart。我的标准流程是：

# 在 /opt/langflow 目录下 sudo docker compose down # 修改 docker-compose.yml 中的 image 标签 sudo docker pull langflowai/langflow:1.8.0 sudo docker compose up -d

启动前建议先把整个 /opt/langflow_data 目录做一个 tar 备份：

sudo tar -czf /opt/langflow_backup_20250101.tar.gz /opt/langflow_data

这样即使升级后出现数据迁移问题，也能随时回滚。

6. 从部署到日常维护：我个人的几个经验

整套部署跑完，有几个细节想单独拎出来说说。

先说说为什么我一直强调锁定版本。LangFlow 迭代速度比传统企业软件快得多，镜像更新往往伴随数据库结构变化或者前端接口调整。我见过不止一个团队用 latest 部署，某天重启容器后整个界面都变了，原有流程虽然还在，但节点配置对不上新版本，排查了一个下午。锁定版本号不是不进步，而是把"是否升级"这个决定权掌握在自己手里。

再说说资源规划。LangFlow 虽然只是一个编排平台，但它在加载大型流程、处理对话上下文时还是比较吃内存的。我建议宿主机内存至少 4GB，Docker 数据目录所在磁盘至少 30GB。如果你的流程重度依赖向量检索，可能还要额外部署向量数据库容器，那内存和磁盘预算要再往上加。

关于账户安全，LANGFLOW_SUPERUSER_PASSWORD 不要用弱密码，LangFlow 界面能访问到的话，很多流程配置都会暴露模型服务商的信息，这相当于把 API Key 放在门口。建议在 Nginx 层加 Basic Auth 或者用更严肃的认证方案。

最后一个建议：把 docker-compose.yml 和部署说明文档化，放进 Git 仓库。下次重新部署或者换服务器时，一条git clone加docker compose up -d就能全部恢复，不用靠脑子回忆当时到底配置了什么环境变量。这套流程我实践数次，整体非常稳定。如果你在部署中碰到别的问题，欢迎在评论区把现象和日志贴出来，大家一起排查。