ANUS：任务自动化与多代理协作的开源 AI 框架-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

ANUS（Advanced Neural Understanding System，高级神经理解系统）是一个托管在 GitHub 上的开源 AI 代理框架，由用户 nikmcfly 通过提示 Manus AI 完全生成。它旨在为开发者、研究者和 AI 爱好者提供一个灵活的工具，支持任务自动化和多代理协作。项目于 2025 年 3 月 9 日公开，采用 MIT 许可证，完全开源，没有任何使用门槛。ANUS 的亮点在于其混合架构，可根据任务复杂度在单一代理和多代理模式间切换，同时支持 OpenAI 模型、开源模型等多种 AI 模型集成。它提供丰富的工具生态，包括网页自动化、文档处理和代码执行等功能，适用于跨平台环境。社区反馈显示，代码结构清晰且功能强大，适合探索 AI 技术的用户使用。

ANUS：任务自动化与多代理协作的开源 AI 框架-1

功能列表

任务自动化：通过简单命令或脚本，自动执行信息检索、数据分析等任务。
多代理协作：支持创建多个专业化代理（如研究员、分析师、写手），协作完成复杂任务。
网页自动化：利用浏览器工具访问网站、提取数据并生成总结，例如查询天气预报。
文档处理：支持解析 PDF、Word 等文件，生成摘要或提取关键信息。
代码生成与执行：生成并运行 Python 脚本，例如创建数据可视化图表。
灵活模型支持：兼容 OpenAI、开源模型或用户自定义模型，适配多种 AI 需求。
跨平台运行：支持 Windows、Linux、macOS 等操作系统，开箱即用。
社区扩展：提供贡献指南，鼓励用户开发新功能或优化现有代码。

使用帮助

安装流程

ANUS 支持多种安装方式，适合不同技术背景的用户。以下是详细步骤：

方法 1：通过 Git 克隆安装（推荐开发者使用）

准备环境：确保系统已安装 Python 3.11 或以上版本，并配置好 Git。
- Windows 用户可通过官网下载 Python，或使用包管理器（如 Chocolatey）安装。
- macOS 用户可通过 brew install python@3.11 安装。
- Linux 用户可使用系统包管理器（如 apt install python3.11）。
克隆仓库：打开终端，输入以下命令：

git clone https://github.com/nikmcfly/ANUS.git
cd ANUS

创建虚拟环境：避免依赖冲突，建议使用虚拟环境：

python -m venv venv
source venv/bin/activate  # Linux/macOS
venv\Scripts\activate     # Windows

安装依赖：在虚拟环境中运行：

pip install -e .

验证安装：检查版本号确认安装成功：

anus --version

方法 2：通过 Docker 安装（适合快速部署）

安装 Docker：确保系统已安装 Docker（参考 Docker 官网）。
拉取镜像：运行以下命令：

docker pull anusai/anus:latest

运行容器：启动 ANUS：

docker run -it anusai/anus:latest

方法 3：通过 Conda 安装（适合科研用户）

安装 Conda：下载 Miniconda 或 Anaconda 并完成安装。
创建环境：运行以下命令：

conda create -n anus python=3.11
conda activate anus

安装 ANUS：

pip install anus-ai

如何使用

安装完成后，用户可以通过命令行或 Python 脚本操作 ANUS。以下是主要功能的使用方法：

1. 运行简单任务

命令行方式：在终端输入：

anus run "查找人工智能的最新新闻"

输出将显示搜索结果的摘要。

交互模式：启动交互式界面：

anus interactive

进入后可逐条输入任务指令。

2. 多代理协作

Python 脚本示例：创建一个研究员、分析师和写手协作完成任务：

from anus import Society, Agent
# 创建代理
researcher = Agent(role="researcher")
analyst = Agent(role="analyst")
writer = Agent(role="writer")
# 创建协作社会
society = Society(agents=[researcher, analyst, writer])
# 执行任务
response = society.run("研究 AI 对医疗的影响，分析结果并撰写报告")
print(response)

输出为一份完整的报告，包含研究数据和分析结论。

3. 网页自动化

命令行操作：检查纽约天气：

anus run "访问 weather.com，查看纽约未来 5 天的天气预报并生成总结表"

脚本方式：

from anus import Agent
from anus.tools import BrowserTool
agent = Agent(tools=[BrowserTool()])
response = agent.run("访问 weather.com，查看纽约未来 5 天的天气预报并生成总结表")
print(response)

输出为天气数据的表格总结。

4. 文档处理

处理 PDF 文件：
```
anus run "总结此 PDF：/path/to/document.pdf"
```
系统将解析文件并生成摘要。

5. 代码生成

生成可视化脚本：
```
anus run "创建一个使用 matplotlib 生成分形树可视化的 Python 脚本"
```
输出为可运行的 Python 代码，用户可直接执行。

操作流程详解

启动与配置：安装后，可通过 --config 参数指定配置文件（如 anus run --config custom_config.yaml "任务描述"），自定义模型或工具。
任务输入：支持自然语言输入，ANUS 会解析并分配任务给代理。
结果查看：结果以文本形式输出，支持详细日志（加 --verbose 参数）。
扩展功能：如需新增工具，可参考 GitHub 上的 CONTRIBUTING.md 文件提交代码。