OpenManus实战

前言

最近，AI智能体特别火，尤其是Manus这个产品，感觉大家都在讨论它。不过，Manus的邀请码被炒到天价，一般人根本玩不起。还好有个叫OpenManus的开源项目，虽然功能没那么强大，但也能让我们体验一下类似的技术。今天，咱们就来聊聊Manus和OpenManus到底是个啥，以及它们背后的技术到底有什么不同。

多智能体和端到端：到底啥是啥？

先说Manus，它用的是多智能体架构，简单来说，就是把一个复杂任务拆成好几个小任务，然后让不同的“小助手”去完成。比如，一个任务可能需要“搜索信息”、“分析数据”、“生成报告”，那就会有三个不同的“小助手”分别负责这些事。这种架构的好处是，每个“小助手”都很专业，而且如果其中一个出了问题，也不会影响整个系统。但问题是，这些“小助手”之间得配合得很好，不然就会出岔子。有研究说，Manus的失败案例里，78%都是因为这些“小助手”没配合好。

再看看OpenManus，它用的是单智能体架构，简单来说，就是让一个“全能选手”来搞定所有任务。这种架构的好处是简单，但问题是，这个“全能选手”可能在某些方面不够专业，而且如果它出问题了，整个任务就黄了。

还有一种叫端到端模型的架构，就是让一个“超级大脑”来搞定所有事情，从理解任务到执行任务，全都自己来。这种架构的好处是效率高，而且有时候还能做出一些让人意想不到的好东西。但问题是，训练这个“超级大脑”特别难，而且如果它在某个地方出问题了，整个系统就完了。

LLM：智能体的“大脑”

不管是Manus还是OpenManus，它们的核心都是大语言模型（LLM）。这个LLM就像是智能体的“大脑”，负责思考、规划、执行、调整，总之就是啥都管。

比如，你让智能体去知乎上找点关于Manus的帖子，然后整理成一个好看的网页。LLM就会先分析你的需求，然后规划出怎么去知乎、怎么找帖子、怎么整理数据、怎么生成网页这些步骤。接着，它会调用不同的工具，比如浏览器工具去访问网页，Python工具去处理数据。最后，它还会根据中间的结果调整策略，确保最后的网页看起来不错。

实测：从知乎热榜到小红书风格网页

为了看看OpenManus到底行不行，我让它干了一件事：去知乎上找关于Manus的帖子，然后整理成一个像小红书风格的网页。这个任务听起来简单，但其实挺复杂的，因为涉及到网页访问、数据提取、数据处理、网页生成这些步骤。

结果呢，虽然OpenManus最后真的生成了一个网页，但过程有点坎坷，速度也挺慢的。不过，最后的网页看起来还不错，至少比我自己写一个要强。这说明，OpenManus在处理复杂任务上还是有点潜力的，只是稳定性和效率还需要提升。

未来：多智能体和端到端能一起玩吗？

短期内，多智能体架构还是解决复杂任务的好办法，毕竟它专业性强，而且出问题了也好修。但长期来看，端到端模型的潜力更大，因为它效率高，而且有时候还能做出一些让人眼前一亮的东西。

不过，这两者也不是完全对立的。未来，可能会有一种新的架构，把多智能体和端到端的优点结合起来。比如，用多智能体来处理一些需要专业能力的任务，用端到端模型来处理需要创造力的任务。

总结

总的来说，Manus和OpenManus代表了AI智能体发展的两个方向。Manus更像是一个豪华的瑞士军刀，功能强大但价格昂贵；OpenManus则是一个便宜的国产替代品，虽然功能没那么多，但也能满足基本需求。未来，不管是多智能体还是端到端，都有自己的优势和挑战。对于我们这些普通用户来说，只要能用上这些技术，让生活更方便，那就够了。

实战

前提条件安装好conda环境

anaconda与miniconda都行

准备Python环境

conda create -n open_manus python=3.12
conda activate open_manus

下载项目，开源地址

https://github.com/mannaandpoem/OpenManus

如下，我下载并解压到D盘

D:\Information_Technology\workspace_ai\OpenManus-main

使用conda命令行，并进入项目路径

(open_manus) D:\Information_Technology\workspace_ai\OpenManus-main>d:
(open_manus) D:\Information_Technology\workspace_ai\OpenManus-main>cd  D:\Information_Technology\workspace_ai\OpenManus-main

安装依赖，执行命令

pip install -r requirements.txt

出现报错

打开 trae 把报错信息输入

版本问题，根据给出的建议修改

继续重复步骤，直到依赖安装成功

准备一个配置大语言模型接口的文件

cp config/config.example.toml config/config.toml

修改文件中的三个参数为你的API参数（model、base_url、api_key）

# Global LLM configuration
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # Replace with your actual API key
max_tokens = 4096
temperature = 0.0

# Optional configuration for specific LLM models
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # Replace with your actual API key

如果是deepseek可以如下配置

# Global LLM configuration
[llm]
api_type = "deepseek"
model = "deepseek-chat"                           # DeepSeek Chat 模型
base_url = "https://api.deepseek.com/v1"         # DeepSeek API 端点
api_key = "sk-xxx"                # 替换为您的 DeepSeek API key
max_tokens = 4096                                # 最大令牌数
temperature = 0.0                                # 温度参数

# Optional configuration for specific LLM models
[llm.vision]
model = "deepseek-vision"                        # DeepSeek Vision 模型
base_url = "https://api.deepseek.com/v1"        # DeepSeek API 端点
api_key = "sk-xxxx"               # 替换为您的 DeepSeek API key
max_tokens = 8192                          # Maximum number of tokens in the response
temperature = 0.0                          # Controls randomness for vision model

# [llm.vision] #OLLAMA VISION:
# api_type = 'ollama'
# model = "llama3.2-vision"
# base_url = "http://localhost:11434/v1"
# api_key = "ollama"
# max_tokens = 4096
# temperature = 0.0

# Optional configuration for specific browser configuration
# [browser]
# Whether to run browser in headless mode (default: false)
#headless = false
# Disable browser security features (default: true)
#disable_security = true
# Extra arguments to pass to the browser
#extra_chromium_args = []
# Path to a Chrome instance to use to connect to your normal browser
# e.g. '/Applications/Google Chrome.app/Contents/MacOS/Google Chrome'
#chrome_instance_path = ""
# Connect to a browser instance via WebSocket
#wss_url = ""
# Connect to a browser instance via CDP
#cdp_url = ""

# Optional configuration, Proxy settings for the browser
# [browser.proxy]
# server = "http://proxy-server:port"
# username = "proxy-username"
# password = "proxy-password"

# Optional configuration, Search settings.
# [search]
# Search engine for agent to use. Default is "Google", can be set to "Baidu" or "DuckDuckGo" or "Bing".
#engine = "Google"
# Fallback engine order. Default is ["DuckDuckGo", "Baidu", "Bing"] - will try in this order after primary engine fails.
#fallback_engines = ["DuckDuckGo", "Baidu", "Bing"]
# Seconds to wait before retrying all engines again when they all fail due to rate limits. Default is 60.
#retry_delay = 60
# Maximum number of times to retry all engines when all fail. Default is 3.
#max_retries = 3
# Language code for search results. Options: "en" (English), "zh" (Chinese), etc.
#lang = "en"
# Country code for search results. Options: "us" (United States), "cn" (China), etc.
#country = "us"


## Sandbox configuration
#[sandbox]
#use_sandbox = false
#image = "python:3.12-slim"
#work_dir = "/workspace"
#memory_limit = "1g"  # 512m
#cpu_limit = 2.0
#timeout = 300
#network_enabled = true

# MCP (Model Context Protocol) configuration
[mcp]
server_reference = "app.mcp.server" # default server module reference

执行main

python main.py 

输入提示词

执行中

抓取知乎

需要人工介入登录。
有一定失败概率

成品

流程拆解

OpenManus是一个开源的AI智能体项目，它的核心在于通过大语言模型（LLM）来完成复杂任务。从用户输入指令到最终输出结果，整个过程就像一场精密的交响乐，而LLM就是这场交响乐的指挥家。下面，我们就来拆解一下OpenManus是如何一步步完成任务的。

1. 启动系统：任务的起点

当用户输入指令，比如“分析知乎热搜”时，OpenManus就开始工作了。它会启动一个叫“智能助手”的实例，这个实例就像是一个全能助手，负责接收和处理用户的指令。简单来说，这就是任务的起点。

2. 分析和规划：LLM的“大脑”开始运转

接下来，LLM开始分析用户的指令。它会先理解用户的需求，比如“分析知乎热搜”到底是要干什么。然后，它会思考解决方案，制定一个详细的执行计划，比如“先访问知乎热搜页面，再提取数据，最后生成报告”。最后，它会决定每一步需要用到什么工具，比如浏览器工具、Python执行工具等。

3. 工具调度与执行：调用合适的工具

根据规划好的计划，LLM会从工具箱中挑选出最合适的工具，比如用浏览器工具访问知乎热搜页面。工具执行后会返回结果，比如网页内容。LLM会分析这些结果，并评估下一步该做什么。如果结果不理想，它会调整计划，重新尝试。

4. 数据处理与代码生成：LLM的“创造力”

如果任务需要处理数据，比如提取知乎热搜的标题、热度和分类，LLM会自动生成Python代码来完成这些工作。它会清洗数据、统计分析，甚至生成可视化图表。这个过程就像LLM在“写作业”，只不过它写的是代码。

5. 结果保存与反馈：任务的终点

当任务完成时，LLM会决定是否需要保存结果，比如将数据保存为文件。最后，它会生成一个总结报告，告诉用户任务完成了，并等待用户的下一个指令。

LLM的关键作用：它是整个系统的“大脑”

在整个过程中，LLM的作用至关重要。它不仅是任务的“指挥中心”，负责理解需求和规划任务，还负责“工具调度”，挑选合适的工具并生成参数。它还能“自动生成代码”，处理数据并生成报告。最重要的是，它会“反思”和“调整”，在遇到问题时重新规划，确保任务顺利完成。

用例图

流程图

时序图

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标 ⭐ ～谢谢你看我的文章，我们，下次再见。

本文由mdnice多平台发布