用 Langflow + DeepSeek 搭建病历与药品提取接口

医疗场景里，病历、处方、药品照片往往散落在不同格式的文字和图片里。手动整理既慢又容易出错。借助 Langflow 和 DeepSeek 多模态模型，我们可以搭一条自动化流水线：输入一句话或一张照片，模型就按固定格式吐出结构化的「病历信息 + 药品及用量」。

本文从零讲起，覆盖安装、运行、搭流程、连线配置、固定输出格式，一直到把流程发布成 HTTP 接口供小程序和网站调用。全程不使用密钥明文。

认识 Langflow：核心概念

在动手之前，先花一分钟搞懂 Langflow 是什么，后面每一步会清晰得多。

Langflow 是什么？

Langflow 是一个开源的、可视化的大模型工作流搭建平台。它把底层的大模型调用、提示词、工具、记忆等能力封装成一个个「节点」，你只要在画布上拖拽节点、连线，就能搭出一条 AI 流程，无需写代码。它底层基于 LangChain / LangGraph，但把它复杂的编排过程做成了图形化界面。

四个核心概念：

概念	说明	本文对应
Flow（流程）	一条完整的 AI 工作流，由多个节点连线组成	「病历与药品提取」流程
Component / Node（组件 / 节点）	一个独立的功能单元，比如「输入」「调用模型」「输出」	Chat Input、Language Model、Chat Output
Connection / Edge（连线）	节点之间传递数据的箭头，决定数据流向	Chat Input ──> Language Model ──> Chat Output
Port（端口）	节点上的输入 / 输出接口，连线必须接在端口上	文本、图片等

理解节点的一条简单规律： 每个节点都是「吃进数据 → 做一件事 → 吐出数据」。例如 Language Model 节点：吃进你的问题（输入端口），调用 DeepSeek 得到回答（处理），再把回答吐出来（输出端口）。连线就是把上游节点的「输出」接到下游节点的「输入」。

为什么用 Langflow 搭这个场景？

• 不用写代码：拖拽即完成，适合快速验证想法。
• 可视化调试：每个节点都能单独点开看输入输出，哪一步错了看得一清二楚。
• 可复用、可迁移：流程能导出成 JSON，换台机器一键导入。
• 一键发布接口：搭好的流程可以直接暴露成 HTTP API，供任何程序调用。

掌握了这些概念，下面开始实战。

一、环境与安装

先确认两件事：已安装 Docker Desktop（Windows / macOS）或 Docker 引擎（Linux），且能正常拉取 Docker Hub 镜像。

然后运行 Langflow 容器：

docker run -d \
  --name LangFlowDemo \
  -p 7860:7860 \
  -e LANGFLOW_DATABASE_USER=langflow \
  -e LANGFLOW_DATABASE_PASSWORD=<你的数据库密码> \
  -e LANGFLOW_SUPERUSER_USERNAME=langflow \
  -e LANGFLOW_SUPERUSER_PASSWORD=<你的管理员密码> \
  langflowai/langflow:latest \
  langflow run

参数	作用
--name LangFlowDemo	容器名称，后续管理都用它
-p 7860:7860	把容器内 7860 端口映射到本机，浏览器访问 localhost:7860
LANGFLOW_DATABASE_USER / PASSWORD	外部数据库凭据（见下方说明）
LANGFLOW_SUPERUSER_USERNAME / PASSWORD	首次登录的管理员账号，必须设置，否则容器启动会报错

关于数据库的两个坑 LANGFLOW_DATABASE_USER/PASSWORD 是给外部数据库（如 PostgreSQL）用的。Langflow 默认实际使用的是内置 SQLite，所以不搭外部数据库也能正常启动，这两个变量不填也无副作用；只有接入自己的 PostgreSQL 时才真正需要。 LANGFLOW_SUPERUSER_* 才是必填项：缺少它容器会报 ValueError: Username and password must be set 并退出。

启动后浏览器打开 http://localhost:7860，用刚才设置的管理员账号登录即可。

二、运行与日常管理

常用命令（LangFlowDemo 为容器名）：

# 启动容器
docker start LangFlowDemo

# 重启容器
docker restart LangFlowDemo

# 停止容器
docker stop LangFlowDemo

# 查看实时日志
docker logs -f LangFlowDemo

访问地址始终是 http://localhost:7860。注意接口默认只在本机可访问，若要被小程序或网站调用，需要把 Langflow 部署到有公网地址的服务器（后文会讲）。

三、绘制：搭建流程

登录后新建一个流程，命名为「病历与药品提取」。本流程只用到 3 个节点，从左侧组件面板拖入画布即可：

• Chat Input：输入入口
• Language Model：调用 DeepSeek 多模态模型
• Chat Output：输出结果

配置模型节点（Language Model）：

• Provider：OpenAI Compatible
• Base URL：https://api.deepseek.com
• Model：deepseek-flash（多模态，支持图片，128k 上下文）
• API Key：填自己的 DeepSeek 密钥，建议存入 Langflow 平台级的「Global Variables / Model Providers」凭证，不要把密钥写进流程本身

Chat Input 节点： 勾选 Text + Image 两种类型，既能输入文字，也能上传病历、处方或药品照片。

四、编排：连线与配置

三个节点的连线顺序很简单：

Chat Input  ──>  Language Model  ──>  Chat Output

节点	关键配置
Chat Input	打开 files，允许文字 + 图片输入
Language Model	选择已配置的 DeepSeek 凭证；System Message 填入固定格式模板
Chat Output	接收模型返回，用于界面展示与接口返回

固定输出模板（System Message）：为了让输出永远对齐，在 Language Model 节点的 System Message 里写入：

你是病历与用药信息提取助手。请从用户的输入（文字或图片）中提取以下信息，严格按照下面的格式输出。识别不到的字段填写“未提供”，禁止编造任何内容。

【病历信息】
患者姓名：
性别年龄：
就诊日期：
就诊科室：
主治医生：
诊断结果：

【药品及用量】
1. 药品名称：
　剂型：
　每次用量：
　用法频次：
2. ...

【其他医嘱】

五、固定结果与使用技巧

模型会始终按模板返回。例如输入：

患者张三，诊断：上呼吸道感染。用药：阿莫西林胶囊 每次0.5g 每日三次。

输出为：

【病历信息】
患者姓名：张三
性别年龄：未提供
就诊日期：未提供
就诊科室：未提供
主治医生：未提供
诊断结果：上呼吸道感染

【药品及用量】
1. 药品名称：阿莫西林胶囊
　剂型：胶囊
　每次用量：0.5g
　用法频次：每日三次

【其他医嘱】
未提供

使用提示：实测发现，对短而清晰的输入，DeepSeek-flash 提取很准；但对信息堆在一起的长句、多药品混排，部分字段可能被识别成「未提供」。想稳定准确，建议让输入按固定句式书写，例如： 姓名：XX，性别年龄：XX，就诊科室：XX，诊断：XX。药品1：药品名 每次XX 用法XX；药品2：……

六、把流程部署成接口

流程只需搭建一次，之后所有程序（脚本 / 小程序 / 网站）都通过同一个接口调用。

1. 生成 Langflow API Key

登录后点击右上角头像 → Settings → Langflow API Keys → Add New，生成 Key。该 Key 只显示一次，请立即复制保存。之后所有接口调用都把这个 Key 放在请求头 x-api-key 中。

该 Key 属于敏感凭证，请勿写进文档、代码仓库或共享文件，丢失后需重新生成。

2. 查看接口地址

打开流程右上角 ⌘ 图标 → API access，即可看到：

POST http://<服务器地址>:7860/api/v1/run/<flow_id>?stream=false

本机测试时 <服务器地址> 填 localhost，供外部调用时换成公网地址。

3. 三种语言的调用示例

cURL：

curl -X POST "http://localhost:7860/api/v1/run/<flow_id>?stream=false" \
  -H "Content-Type: application/json" \
  -H "x-api-key: <你的APIKey>" \
  -d '{"input_value":"患者张三，诊断：上呼吸道感染。用药：阿莫西林胶囊 每次0.5g 每日三次。","output_type":"chat","input_type":"chat"}'

Python：

import requests

url = "http://localhost:7860/api/v1/run/<flow_id>?stream=false"
r = requests.post(
    url,
    json={
        "input_value": "患者张三，诊断：上呼吸道感染。用药：阿莫西林胶囊 每次0.5g 每日三次。",
        "output_type": "chat",
        "input_type": "chat",
    },
    headers={"x-api-key": "<你的APIKey>"},
    timeout=120,
)
text = r.json()["outputs"][0]["outputs"][0]["results"]["message"]["text"]
print(text)

小程序 / 网页（JavaScript fetch）：

const res = await fetch("http://localhost:7860/api/v1/run/<flow_id>?stream=false", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "x-api-key": "<你的APIKey>",
  },
  body: JSON.stringify({
    input_value: "患者张三，诊断：上呼吸道感染。用药：阿莫西林胶囊 每次0.5g 每日三次。",
    output_type: "chat",
    input_type: "chat",
  }),
});
const data = await res.json();
const text = data.outputs[0].outputs[0].results.message.text;

4. 识别图片的调用

图片通过请求体里的 files 字段传入（数组，填图片在服务器上的路径）：

{
  "input_value": "请识别这张图片中的病历和药品信息",
  "output_type": "chat",
  "input_type": "chat",
  "files": ["/app/data/2026-10-14_07-00-25_中药处方.png"]
}

图片不在服务器上时，先上传再填路径，或用 base64 方式传入。

5. 部署到生产服务器

默认 localhost:7860 只有本机能访问。要让小程序、网站稳定调用，需把 Langflow 部署到有公网地址的云服务器。

第 1 步：准备服务器。 推荐 2 核 4G 起（DeepSeek 在云端推理，Langflow 本身占用不高），系统用 Linux（Ubuntu 22.04 / CentOS 等），安装 Docker：

curl -fsSL https://get.docker.com | sh
sudo systemctl enable docker && sudo systemctl start docker

同时准备一个域名，做 DNS 解析到服务器公网 IP。

第 2 步：迁移流程。 推荐方式：本机流程 → 右上角 ⌘ → Export 导出 JSON → 上传服务器 → 登录生产 Langflow 后 Import 导入，节点与固定模板会完整带过去。

第 3 步：运行生产容器。 关键差异在于端口只绑定在 127.0.0.1，并加上安全配置：

docker run -d \
  --name langflow-prod \
  -p 127.0.0.1:7860:7860 \
  -e LANGFLOW_DATABASE_USER=langflow \
  -e LANGFLOW_DATABASE_PASSWORD=<生产数据库密码> \
  -e LANGFLOW_SUPERUSER_USERNAME=langflow \
  -e LANGFLOW_SUPERUSER_PASSWORD=<生产管理员密码> \
  -e LANGFLOW_AUTO_LOGIN=False \
  -e LANGFLOW_SECRET_KEY=<一长串随机密钥> \
  -e LANGFLOW_CORS_ORIGINS=<你的小程序/网站域名> \
  langflowai/langflow:latest \
  langflow run

• 端口只绑定 127.0.0.1：7860 仅允许服务器本机访问，由 Nginx 统一对外。
• LANGFLOW_AUTO_LOGIN=False：关闭自动登录，强制鉴权。
• LANGFLOW_SECRET_KEY：设为足够长的随机字符串（如 openssl rand -hex 32 生成），别用默认值。
• LANGFLOW_CORS_ORIGINS：设为真实域名，不要用 *，避免跨域 CSRF 与 token 盗用。

第 4 步：Nginx 反向代理 + HTTPS。 对外只开放 443。安装 Nginx 后写配置：

server {
    listen 80;
    server_name ai.你的域名.com;
    return 301 https://$host$request_uri;
}

server {
    listen 443 ssl;
    server_name ai.你的域名.com;

    ssl_certificate     /etc/letsencrypt/live/ai.你的域名.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/ai.你的域名.com/privkey.pem;

    client_max_body_size 50m;

    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;
    }
}

再用 Let's Encrypt 申请免费证书：

sudo apt install certbot python3-certbot-nginx
sudo certbot --nginx -d ai.你的域名.com

启用并重载：

sudo ln -s /etc/nginx/sites-available/langflow /etc/nginx/sites-enabled/
sudo nginx -t && sudo systemctl reload nginx

第 5 步：安全组 / 防火墙放行。 云厂商安全组里只放行 443（HTTPS）和 22（SSH），不要把 7860 开放到公网。本地防火墙同理：sudo ufw allow 443/tcp、sudo ufw allow OpenSSH、sudo ufw enable。

第 6 步：验证生产接口。 把请求地址换成域名后测试，返回正常即可：

curl -X POST "https://ai.你的域名.com/api/v1/run/<flow_id>?stream=false" \
  -H "Content-Type: application/json" \
  -H "x-api-key: <你的APIKey>" \
  -d '{"input_value":"患者张三，诊断：上呼吸道感染。用药：阿莫西林 每次0.5g 每日三次。","output_type":"chat","input_type":"chat"}'

如果只想快速试用、不想买服务器，也可以用 frp / ngrok 做内网穿透，把本机 7860 映射成临时公网地址，但仅适合测试，不建议长期生产使用。

6. 公网部署的安全配置

配置项	说明
LANGFLOW_AUTO_LOGIN=False	禁止自动登录，要求每次验证
更换 LANGFLOW_SECRET_KEY	不要使用默认密钥
LANGFLOW_CORS_ORIGINS	设为实际域名（不用 *），避免跨域 CSRF / token 盗用
反向代理 + HTTPS	不要把 7860 端口直接暴露到公网

7. 返回结果提取路径

接口返回 JSON，提取文本的固定路径为：

data["outputs"][0]["outputs"][0]["results"]["message"]["text"]

返回内容即第五章的固定格式，每次调用会消耗 DeepSeek 额度（返回里有 token 用量统计）。

小结

用 Langflow 搭病历与药品提取，核心就三件事：三个节点、一段固定格式的 System Message、一个对外 HTTP 接口。流程搭好后，所有程序共用同一个接口，输入文字或图片，输出结构化结果。

生产上线时，重点放在安全加固上：关闭自动登录、更换密钥、限制 CORS、用 Nginx 反代 + HTTPS，并且绝不把 7860 端口直接暴露到公网。这样一条稳定的提取流水线就能正式投入使用了。