LangManus: фреймворк автоматизации ИИ с открытым исходным кодом, поддерживающий совместную работу нескольких интеллектов

Общее введение

LangManus - это фреймворк автоматизации ИИ с открытым исходным кодом, размещенный на GitHub. Разработанный группой бывших коллег в свободное время, он представляет собой академический проект, целью которого является объединение языковых моделей и специализированных инструментов для выполнения таких задач, как веб-поиск, поиск данных и выполнение кода. В фреймворке используется многоагентная система, включающая такие роли, как координатор, планировщик и руководитель, для совместной работы над сложными задачами.LangManus подчеркивает дух открытого исходного кода и полагается на передовой опыт сообщества, приветствуя при этом вклад в код и обратную связь по вопросам. Он использует uv Управление зависимостями и поддержка быстрых сред сборки. Проект находится в стадии разработки и подходит для разработчиков, интересующихся автоматизацией ИИ и мультиагентными технологиями.

Список функций

• Совместная работа нескольких агентов:: Система состоит из координаторов, планировщиков, супервайзеров и т. д., которые распределяют работу по маршрутизации задач, разработке стратегии и управлению исполнением.
• Автоматизация задач: Поддержка языковых моделей в сочетании с инструментами для веб-поиска, поиска данных, генерации кода на Python и других операций.
• Интеграция языковых моделей: Поддержка моделей с открытым исходным кодом (например, Qwen) и OpenAI-совместимых интерфейсов, обеспечивающих многоуровневую систему LLM для решения различных задач.
• Поиск и извлечение информации:: Принятие Tavily API для реализации веб-поиска, использование Jina для нейронного поиска и извлечения контента.
• Поддержка развития: Встроенный Python REPL и среда выполнения кода с использованием uv Управление зависимостью.
• Управление рабочими процессами:: Предоставление возможностей постановки задач, мониторинга и визуализации процессов.
• Управление документами: Поддержка манипуляций с файлами для создания форматированных файлов Markdown.

Использование помощи

LangManus - это локально запускаемый фреймворк, ориентированный на пользователей с опытом программирования. Ниже приведены подробные инструкции по установке и использованию.

Процесс установки

Чтобы использовать LangManus локально, вам нужно установить Python,uv и другие инструменты. Шаги следующие:

1. Подготовка среды
   • Убедитесь, что установлен Python 3.12. Проверьте версию:

     python --version
     

     Если версия не совпадает, загрузите и установите ее с сайта https://www.python.org/downloads/.

   • Установите Git для клонирования репозиториев. Загрузите его с сайта https://git-scm.com/.
2. Установка ультрафиолетового излучения
   uv это инструмент управления зависимостями. Выполнять:

pip install uv

Проверьте установку:

uv --version

3. склад клонов
   Запускается в терминале:

git clone https://github.com/langmanus/langmanus.git
cd langmanus

4. Настройка виртуальной среды
   пользоваться uv Создание среды:

uv python install 3.12
uv venv --python 3.12
source .venv/bin/activate  # Windows: .venv\Scripts\activate

5. Установка зависимостей
   Бег:

uv sync

При этом будут установлены все зависимые пакеты.

6. Установка поддержки браузеров
   LangManus использует Playwright для управления браузером. Запуск:

uv run playwright install

7. Настройка переменных среды

• Скопируйте файл примера:

  cp .env.example .env
  

• компилятор .envДобавьте ключ API. Пример:

  TAVILY_API_KEY=your_tavily_api_key
  REASONING_MODEL=your_model
  REASONING_API_KEY=your_api_key
  

• Ключ API Tavily, полученный с сайта https://app.tavily.com/.

8. Текущие проекты
   Вход:

uv run main.py

Использование

После установки LangManus можно запускать из командной строки или через API.

1. базовая операция

• Работает в виртуальной среде:

  uv run main.py
  

• В текущей версии нет примеров заданий по умолчанию. README.md Или дождитесь официального обновления.

2. Услуги API

• Запустите сервер API:

  make serve
  

  Или:

  uv run server.py
  

• Например, вызовите интерфейсы:

  curl -X POST "http://localhost:8000/api/chat/stream" -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"搜索最新AI论文"}],"debug":false}'
  

• Возвращает потоковый ответ в реальном времени.

3. Примеры заданий

• Допустим, мы хотим подсчитать количество раз, проведенных на HuggingFace. DeepSeek Индекс влияния R1:
  • Редактирование входных данных задачи (например, с помощью API или кода).
  • Система назначает агентов-исследователей для поиска данных и агентов-кодировщиков для создания вычислительного кода.
  • Результаты выводятся агентом-докладчиком.

Веб-интерфейс пользователя LangManus по умолчанию: https://github.com/langmanus/langmanus-web

Функциональное управление

• Совместная работа нескольких агентов
  После ввода задания координатор анализирует его и направляет планировщику, который создает стратегию, которую руководитель поручает исследователю или кодеру для выполнения. Например, если вы напечатаете "поиск последних статей по ИИ", исследователь вызовет API Tavily, чтобы получить результаты.
• Интеграция языковых моделей
  Поддерживается несколько моделей. Конфигурация .env Моделирование различных задач в
• Сложные задачи REASONING_MODEL.
• Для простых задач BASIC_MODEL.
• графическое задание VL_MODEL.
• Поиск и извлечение информации
  Используйте API Tavily (который по умолчанию возвращает 5 результатов) или Jina для извлечения содержимого страницы. После того как ключ API настроен, агент браузера может переходить и просматривать страницу.
• выполнение кода
  Агент кодировщика поддерживает сценарии на языках Python и Bash. Например, генерация кода:

print("Hello, LangManus!")

Запускается непосредственно во встроенном REPL.

Развитие и вклад

• Пользовательский прокси-сервер
  модификации src/prompts/ в файле Markdown, чтобы настроить поведение агента. Например, расширить возможности исследователя по поиску.
• Внести взнос
• Форк репозитория и изменение кода.
• Отправьте запрос на выгрузку на GitHub.

Документация на данный момент ограничена, поэтому мы рекомендуем следить за официальными обновлениями.

сценарий применения

1. научные исследования
   Исследователи используют LangManus для сбора данных из статей, проведения анализов и участия в рейтингах GAIA.
2. Развитие автоматизации
   Разработчики вводят требования, а фреймворк генерирует Python-код для ускорения разработки проекта.
3. Техническое обучение
   Студенты изучают проектирование мультиагентных систем, изменяя слова подсказки для агентов.

QA

1. Является ли LangManus коммерческой программой?
   Это не так. Это академический проект с открытым исходным кодом, ориентированный на исследования и сотрудничество с сообществом.
2. Какие ключи API необходимы?
   Для поиска требуется как минимум ключ API Tavily, другие ключи модели настраиваются по запросу.
3. Как справиться с ошибками времени выполнения?
   зонд .env правильную конфигурацию, или отправьте проблему на GitHub.