综合介绍
OpenManus 是一个开源项目,旨在帮助用户通过简单配置在本地运行智能体,实现各种创意想法。它由 MetaGPT 社区的成员 @mannaandpoem、@XiangJinyu、@MoshiQAQ 和 @didiforgithub 在短短 3 小时内开发完成,同时大家可以关注他们的自动化编程项目 MGX 。相比需要邀请码的 Manus,OpenManus 无需任何准入门槛,用户只需克隆代码、配置 LLM API 即可快速上手。项目基于 Python 开发,结构简单明了,支持通过终端输入任务来驱动智能体执行操作。目前它是一个初级实现,团队欢迎用户提出建议或贡献代码,未来计划包括优化任务规划和增加实时演示功能。
功能列表
- 本地智能体运行:通过终端输入任务,利用配置的 LLM API 在本地执行自动化操作。
- 支持主流 LLM 模型:默认集成 GPT-4o,用户可根据需要调整模型配置。
- 一键启动:运行
python main.py
即可快速进入任务输入模式。 - 实验性版本:提供
python run_flow.py
用于测试开发中的新功能。 - 社区协作:支持通过 GitHub 提交问题或代码,参与项目开发。
使用帮助
安装流程
OpenManus 的安装过程简单,适合熟悉 Python 的用户。以下是详细步骤:
1. 创建 Conda 环境
为了避免依赖冲突,建议使用 Conda 创建独立环境:
conda create -n open_manus python=3.12
conda activate open_manus
- 说明:第一条命令创建名为
open_manus
的环境,使用 Python 3.12;第二条命令激活该环境,终端提示符会变为(open_manus)
。 - 前置条件:需安装 Conda,可从 Anaconda 官网 下载。
2. 克隆代码仓库
从 GitHub 下载 OpenManus 项目:
git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus
- 说明:第一条命令将代码克隆到本地,第二条命令进入项目目录。
- 前置条件:需安装 Git,可通过
git --version
检查是否可用,若无则从 git-scm.com 下载。
3. 安装依赖
安装项目所需的 Python 包:
pip install -r requirements.txt
- 说明:
requirements.txt
文件列出了所有依赖包,运行此命令会自动安装。 - 网络优化:若下载缓慢,可使用国内镜像,如
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
。
配置步骤
OpenManus 需要配置 LLM API 以驱动智能体功能,具体步骤如下:
1. 创建配置文件
在项目根目录的 config
文件夹中创建配置文件:
cp config/config.example.toml config/config.toml
- 说明:此命令将示例文件复制为实际配置文件,
config.toml
是运行时读取的文件。
2. 编辑配置文件
打开 config/config.toml
,填入你的 API 密钥和参数:
# 全局 LLM 配置
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..." # 替换为你的 OpenAI API 密钥
max_tokens = 4096
temperature = 0.0
# 可选的视觉模型配置
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..." # 替换为你的 OpenAI API 密钥
- 参数说明:
model
:指定 LLM 模型,默认为 GPT-4o。base_url
:API 的访问地址,默认使用 OpenAI 官方接口。api_key
:从 OpenAI 获取的密钥,用于身份验证。max_tokens
:单次生成的最大 token 数,控制输出长度。temperature
:控制生成内容的随机性,0.0 表示最稳定输出。
- 获取 API 密钥:访问 OpenAI 官网,登录后在 “API Keys” 页面生成密钥,复制到配置文件中。
运行与使用
完成安装和配置后,可以通过以下方式启动 OpenManus:
1. 基础运行
运行主程序:
python main.py
- 操作流程:
- 终端显示提示后,输入你的任务(例如:“帮我生成一份周计划”)。
- 按回车键提交,OpenManus 调用 LLM 处理任务。
- 处理结果直接显示在终端。
- 使用场景:适合快速测试或执行简单任务,如生成文本或代码片段。
2. 实验性运行
运行不稳定版本以体验新功能:
python run_flow.py
- 特点:包含开发中的特性,可能存在 bug,适合尝鲜用户。
- 注意:确保配置文件正确,否则可能运行失败。
特色功能操作
本地智能体运行
- 功能描述:通过终端输入任务,OpenManus 在本地调用 LLM 处理并返回结果。
- 操作示例:
- 运行
python main.py
。 - 输入:“写一个 Python 函数计算 1 到 100 的和”。
- 输出示例:
def sum_to_100(): return sum(range(1, 101))
- 运行
- 优势:本地运行无需上传数据,保护隐私且响应速度快。
支持主流 LLM 模型
- 功能描述:用户可根据需求切换不同 LLM 模型。
- 操作步骤:
- 编辑
config.toml
,将model
改为其他模型(如"gpt-3.5-turbo"
)。 - 保存后运行
python main.py
。 - 输入任务,体验不同模型的输出效果。
- 编辑
- 建议:复杂任务用 GPT-4o,简单任务用 GPT-3.5-turbo 更节省成本。
常见问题解决
- 问题:运行报错“ModuleNotFoundError”。
- 解决:确认依赖是否完整安装,重新运行
pip install -r requirements.txt
。
- 解决:确认依赖是否完整安装,重新运行
- 问题:提示“Invalid API key”。
- 解决:检查
config.toml
中的api_key
是否正确,或重新生成密钥。
- 解决:检查
- 问题:运行卡顿或无响应。
- 解决:检查网络连接是否稳定,或减少
max_tokens
值以降低计算量。 - 查看演示:项目提供 Demo Video,展示实际运行效果。
- 解决:检查网络连接是否稳定,或减少