promptflow

从原型到监控，一站式搞定 LLM 应用开发全流程。

PromptFlow 是微软开源的一套 LLM 应用全生命周期开发工具，覆盖从原型设计、测试评估到生产部署与监控的完整流程。它解决的核心问题是 LLM 应用开发中缺乏标准化流程、调试困难、评估主观、部署复杂等痛点。核心能力包括：基于流程图的可视化编排，允许开发者将 Prompt、Python 代码和工具节点组合成可执行的流；提供多种评估指标（如准确率、相关性）对应用质量进行量化测试；支持一键部署到 Azure AI 等云平台，并集成了监控与日志功能。它支持与 LangChain、Semantic Kernel 等框架集成，并提供了丰富的内置工具和连接器，帮助团队以工程化方式交付可靠的 AI 应用。

开源 free 对话助手

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 11244

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类对话助手

开发团队microsoft

所属国家

官网地址https://microsoft.github.io/promptflow

GitHubhttps://github.com/microsoft/promptflow

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,ai-application-development,ai-applications,chatgpt,gpt,llm,prompt,prompt-engineering

GitHub 星标★ 11244

30天Star增速

HF 下载量

上线时间2023-06-30 00:00:00

最近更新2026-09-22 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

本地已安装 Python，推荐版本 >=3.9 且 <=3.11
可用的 OpenAI API Key（或 Azure OpenAI 的 Key 与 Endpoint）
能访问 PyPI 以安装 promptflow 相关包

安装与启动步骤

1准备 Python 环境

确认本机 Python 版本在 3.9 到 3.11 之间，README 推荐该区间，版本过高或过低可能装不上。
2安装 promptflow

在本地环境安装 promptflow 主包与官方工具包 promptflow-tools，这是后续所有 pf 命令的基础。
```
pip install promptflow promptflow-tools
```
3初始化聊天流

用 chat 模板生成示例流，命令会创建 my_chatbot 目录并生成所需文件。
```
pf flow init --flow ./my_chatbot --type chat
```
4创建 OpenAI 连接

为 API Key 建立名为 open_ai_connection 的连接，用 --set 直接传 key 可避免改 yaml 文件。
```
pf connection create --file ./my_chatbot/openai.yaml --set api_key=sk-xxxxxxxx --name open_ai_connection
```

5创建 Azure 连接

若用 Azure OpenAI，改用 azure_openai.yaml 并额外传 api_base；连接名同样为 open_ai_connection。

pf connection create --file ./my_chatbot/azure_openai.yaml --set api_key=sk-xxxxxxxx api_base=https://your-resource.openai.azure.com/ --name open_ai_connection

6交互式测试流

进入对话测试模式，输入消息即可与聊天机器人交互，按 Ctrl+C 结束会话。
```
pf flow test --flow ./my_chatbot --interactive
```
7关闭遥测（可选）

遥测收集默认开启，如不希望上报数据，执行该命令关闭。
```
pf config set telemetry.enabled=false
```

关键配置

配置项	必填	说明	示例
`api_key`	是	OpenAI 或 Azure OpenAI 的访问密钥	`sk-xxxxxxxx`
`api_base`	否	Azure OpenAI 的服务地址，仅 Azure 连接需要	`https://your-resource.openai.azure.com/`
`open_ai_connection`	是	chat 节点引用的连接名，需与创建时 --name 一致	`open_ai_connection`
`deployment_name`	否	flow.dag.yaml 中指定使用的模型或部署资源	`gpt-35-turbo`
`telemetry.enabled`	否	是否上报遥测数据，默认开启	`false`

如何确认成功

运行 pf flow test --flow ./my_chatbot --interactive 后出现交互提示，输入消息能收到模型回复即为成功。

常见问题

Q：pip install 报错或提示找不到包？

A：先确认 Python 版本在 3.9~3.11 之间，并检查网络能否访问 PyPI；也可按 README 用 GitHub Codespaces 预置环境体验。

Q：没有 Azure OpenAI，只有普通 OpenAI Key 怎么办？

A：使用 my_chatbot 目录下的 openai.yaml 创建连接即可，无需 api_base 参数。

Q：想换用别的模型怎么改？

A：在 my_chatbot/flow.dag.yaml 的 chat 节点中修改 deployment_name 字段，指向你要用的 OpenAI 模型或 Azure 部署名。

Q：如何关闭数据遥测？

A：执行 pf config set telemetry.enabled=false，遥测默认开启。

Q：交互测试怎么退出？

A：在 pf flow test 交互会话中按 Ctrl + C 即可结束。

注意事项

连接名必须与 flow.dag.yaml 中 chat 节点引用的 open_ai_connection 保持一致。
推荐用 --set 传入密钥，避免直接修改 yaml 文件导致密钥泄露。
遥测收集默认开启，介意隐私请在首次使用后关闭。
README 也提供 GitHub Codespaces 预置开发环境，可跳过本地安装步骤。

核心亮点

可视化流程图编排，降低 LLM 应用搭建门槛，便于理解和维护。
内置评估与测试框架，支持批量跑分和指标对比，让质量可量化。
与 Azure AI 深度集成，部署、监控、日志开箱即用，生产友好。

不足之处

文档偏工程化，对新手不够友好，上手曲线较陡。
部分高级功能依赖 Azure 生态，本地或非微软云环境体验受限。

适用场景

企业内部构建客服问答机器人，需要快速迭代和效果评估。
AI 应用开发团队需要标准化流程，从实验到生产交付。
需要将多个 Prompt 和工具链组合成复杂工作流的场景。

替代项目

LangChain、Semantic Kernel、Flowise

项目介绍

promptflow 是开发框架领域的开源项目，由 microsoft 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（11,244）位列前 5%，在开发框架分类的 803 个项目里位列前 6%。

近 41 天，它的 GitHub 星标从 11,219 增加到 11,244，净增 25。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-22。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：企业内部构建客服问答机器人，需要快速迭代和效果评估。同类可对比的替代方案包括 LangChain、Semantic Kernel、Flowise。

上一篇：generative_ai_with_langchain

下一篇：chainlit