Langflow 1.8 新特性：Knowledge Base 本地知识库组件完全上手指南
Langflow 1.8 版本重磅推出Knowledge Base 本地知识库全新组件，作为内置轻量化向量数据库，它让低代码 RAG 开发更高效、更安全、更省心。本文基于官方文档，完整讲解组件原理、优势、使用方法与最佳实践。
一、什么是 Langflow Knowledge Base
Langflow Knowledge Base 是存储在 Langflow 本地的向量数据库，数据保存在 Langflow 本地存储中，无需每次运行流程时远程请求或重新入库，效率更高、数据更安全。
它主要用于自定义领域数据集，如客户数据、商品数据、业务表单等结构化数据的语义检索，使用方式与常规向量存储组件高度一致。
二、Knowledge Base 核心优势
纯本地存储，隐私更安全
数据全程本地化处理，不上云、不外传，适合企业敏感数据与内部业务场景。
运行效率更高
无需重复向量化与远程加载，流程执行速度更快，资源占用更低。
内置嵌入模型，开箱即用
自带多种嵌入模型支持，无需额外配置模型服务，降低使用门槛。
零代码可视化操作
可视化编辑器拖拽使用，参数简洁易懂，无需部署 Milvus、Chroma 等外部向量库。
标准格式输出
检索结果以 DataFrame 格式返回，可直接对接 Chat Output 等下游组件。
三、Knowledge Base 与 Vector Store 核心区别
| 对比项 | Knowledge Base | Vector Store |
|---|---|---|
| 存储位置 | 仅支持本地 | 部分支持本地，多数依赖云端 |
| 嵌入模型 | 仅支持内置模型 | 支持自定义各类模型 |
| 检索能力 | 基础相似度搜索 | 支持高级检索功能 |
| 数据类型 | 仅支持结构化数据 | 支持结构化 + 非结构化数据 |
| 使用门槛 | 极低，开箱即用 | 较高，需配置向量库 |
✅ 快速选择指南
- 本地轻量、结构化数据、隐私优先 →Knowledge Base
- 云端部署、非结构化文档、高级检索 →Vector Store
四、Knowledge Base 组件参数详解
| 参数名称 | 显示名称 | 说明 |
|---|---|---|
| knowledge_base | Knowledge | 选择要检索的知识库（必选） |
| api_key | Embedding Provider API Key | 覆盖已有嵌入服务密钥（可选） |
| search_query | Search Query | 语义检索查询语句（可选） |
| top_k | Top K Results | 返回结果数量，默认 5 |
| include_metadata | Include Metadata | 是否返回元数据与向量，默认开启 |
提示：部分参数默认隐藏，可在组件检查面板中完整配置。
五、可视化编辑器使用步骤
添加组件
在编辑器中拖拽
Knowledge Base
组件到流程画布。
选择知识库
在 Knowledge 下拉列表中选择已创建并导入数据的知识库。
连接输出
将 Results 输出端连接到
Chat Output
组件，实现对话式展示。
配置检索
填写检索词，设置返回结果数。
运行查看
点击 Run component，在 Playground 中查看检索结果。
六、适用场景
- 企业内部结构化业务数据检索
- 数据敏感、禁止上云的本地化 RAG 场景
- 快速原型验证，无需部署外部向量库
- 低延迟、高频调用的轻量查询工具
七、总结
Langflow 1.8 新增的Knowledge Base组件，是本地化轻量级 RAG 的最优解。它以本地安全、高效运行、零代码配置为核心优势，完美适配结构化数据与内部工具场景。
它不是 Vector Store 的替代品，而是低代码 RAG 生态的重要补充，让本地检索更简单、更稳定。