# Langflow с локальной моделью: первый разговорный flow

Локальный диалог Langflow: Model Providers, компонент Language Model, явные соединения ввода и вывода и проверка в Playground.

Автор: Команда Retrivium
Обновлено: 2026-11-03
Канонический URL: https://retrivium.ai/ru/journal/langflow-local-model-first-flow/
Language: ru

Для первого локального диалога Langflow настройте провайдера, включите модель и соедините Chat Input через Language Model с Chat Output. Облачный пример Quickstart не делает облачный ключ обязательным для каждого локального пути модели.

## Конкретная граница приложения

Текущая документация компонентов Langflow разделяет общую настройку провайдеров и выбор внутри потока. Для управления доступными моделями откройте меню профиля, Settings и Model Providers. Включённая там модель становится доступна компонентам генерации. Language Model выполняет генерацию, а Chat Input и Chat Output предоставляют прямое взаимодействие беседы. Prompt Template передаёт системное сообщение при включённом соответствующем входе. Соединения имеют типы: визуальная близость на холсте сама по себе не передаёт данные. Сделайте первый граф явным и не выбирайте агентный шаблон с посторонними инструментами для простой текстовой задачи. Так порядок проверки определяется входами компонентов, а не количеством элементов на экране ([Langflow documentation](https://docs.langflow.org/)) ([Langflow Language Model component](https://docs.langflow.org/components-models)).

## Практический маршрут

В существующем локальном Langflow настройте Ollama или совместимого локального провайдера с обязательными полями, сохраните и включите нужную языковую модель. Создайте поток с Chat Input, Language Model и Chat Output. Выберите включённую модель в Language Model. Соедините Chat Input с Input, а выход Message — с Chat Output. Для Prompt Template включите System Message в панели проверки компонента и соедините шаблон с этим входом. Откройте Playground и отправьте безопасный текстовый вопрос ([Langflow Quickstart](https://docs.langflow.org/get-started-quickstart)).

## Разобранный пример

Создайте помощника с инструкцией давать короткий ответ и отдельно перечислять неизвестное. Через Playground передайте вымышленное описание проекта. Проверьте получение текста моделью и отсутствие выдуманных фактов вместо неизвестных. Затем измените инструкцию при прежнем выборе модели и соединениях: это отделяет влияние запроса от оборванной связи компонентов. Результат каждого узла можно оценивать независимо от окончательного сообщения беседы.

| Проверка | Запись |
| --- | --- |
| Слой провайдера | Локальная модель, включённая в общих настройках Model Providers. |
| Слой графа | Chat Input → Language Model Input; Language Model Message → Chat Output. |
| Слой инструкции | Необязательный шаблон, подключённый к явно включённому входу System Message. |

## Как правильно прочитать сбой

Включённая модель не обязательно выбрана в компоненте. Отсоединённый Chat Output скрывает успешную генерацию, а неподключённый шаблон не влияет на системное сообщение. Проверьте порты и вывод компонента до изменения параметров модели или добавления интеграции. Наличие всех названий на холсте ещё не подтверждает прохождение данных между ними.

## Что завершает проверку

Поток готов к дальнейшим опытам, когда Playground показывает нужный ответ через видимые соединения. Примеры API и внешнее выполнение являются отдельными следующими шагами; для доказательства работы этого локального графа беседы они не требуются.

Связанные материалы: [Локальный RAG-сервер: какие компоненты размещать рядом с GPU](/ru/journal/rag-server-local-architecture/), [llama.cpp server: локальный API из GGUF-модели](/ru/journal/llama-cpp-server-launch/).