OpenManus: версия Manus с открытым исходным кодом от MetaGPT

Общее введение

OpenManus - это проект с открытым исходным кодом, разработанный для того, чтобы помочь пользователям запускать интеллекты локально с помощью простых конфигураций для реализации различных творческих идей. Он состоит из MetaGPT Участники сообщества @mannaandpoem, @XiangJinyu, @MoshiQAQ и @didiforgithub разработали его всего за 3 часа, а вы тем временем можете следить за их проектом по автоматизированному программированию! MGX По сравнению с Manus, где требуется пригласительный код, OpenManus не требует никакого барьера для входа. По сравнению с Manus, где требуется пригласительный код, OpenManus не требует никакого входного барьера, и пользователям нужно только клонировать код и настроить LLM API, чтобы быстро начать работу. Проект основан на разработке на языке Python, имеет простую и понятную структуру, поддерживает ввод заданий через терминал для управления интеллектуальным телом для выполнения операций. В настоящее время это рудиментарная реализация, и команда открыта для предложений и предложений по коду. В планах на будущее - оптимизация планирования задач и добавление возможностей демонстрации в реальном времени.

Версия интерфейса OpenManus: https://github.com/YunQiAI/OpenManusWeb

OpenManusWeb (неофициальный)

Список функций

• Операция против местной интеллигенции: Выполняйте автоматизированные операции локально с помощью настроенных LLM API, вводя задания через терминал.
• Поддерживает основные модели LLMGPT-4o интегрирован по умолчанию, и пользователь может настроить конфигурацию модели по своему усмотрению.
• запуск одним нажатием: Беги python main.py Вы можете быстро перейти в режим ввода задач.
• Экспериментальная версия: Предоставлено python run_flow.py Используется для тестирования новых функций в процессе разработки.
• Сотрудничество с сообществом: Поддерживайте участие в разработке проекта, отправляя проблемы или код через GitHub.

Использование помощи

Процесс установки

Установка OpenManus проста и подходит для пользователей, знакомых с Python. Ниже приведены подробные шаги:

1. Создание среды Conda

Чтобы избежать конфликтов зависимостей, рекомендуется создавать автономное окружение с помощью Conda:

conda create -n open_manus python=3.12
conda activate open_manus

• инструкции: Первая команда создает файл с именем open_manus окружение, используя Python 3.12; вторая команда активирует окружение, и приглашение терминала меняется на (open_manus).
• предварительные условияНеобходимо установить Conda, которую можно загрузить с сайта Anaconda.

2. Клонирование репозитория кода

Загрузите проект OpenManus с GitHub:

git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus

• инструкции: Первая команда клонирует код локально, а вторая команда входит в каталог проекта.
• предварительные условия: Git должен быть установлен, что можно сделать через git --version Проверьте, доступен ли он, если нет, загрузите его с git-scm.com.

3. Установка зависимостей

Установите пакеты Python, необходимые для вашего проекта:

pip install -r requirements.txt

• инструкции::requirements.txt в файле перечислены все зависимые пакеты, которые будут автоматически установлены при выполнении этой команды.
• оптимизация сети: Если загрузка идет медленно, вы можете использовать домашнее зеркало, например pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple.

Этапы конфигурирования

OpenManus требует настройки LLM API для управления функциональностью smartbody, как описано ниже:

1. Создание файлов конфигурации

В корневом каталоге проекта config папку, чтобы создать файл конфигурации:

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

• инструкции: Эта команда копирует файл примера в реальный файл конфигурации.config.toml это файл, прочитанный во время выполнения.

2. Редактирование конфигурационных файлов

показать (билет) config/config.tomlВведите ключ API и параметры:

# 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

• Описание параметров::
  • model: Указывает модель LLM, по умолчанию - GPT-4o.
  • base_url: адрес доступа к API, по умолчанию - официальный интерфейс OpenAI.
  • api_key: Ключ, полученный от OpenAI для аутентификации.
  • max_tokens: Максимальное количество одного поколения жетон число, управляющее длиной выходного сигнала.
  • temperature: Регулирует случайность генерируемого содержимого, при этом 0.0 означает наиболее стабильный результат.
• Получение ключа API: Посетите сайт OpenAI, войдите в систему, сгенерируйте ключ на странице "API Keys" и скопируйте его в свой конфигурационный файл.

Эксплуатация и использование

После завершения установки и настройки OpenManus можно запустить следующими способами:

1. Основные операции

Запустите основную программу:

python main.py

• рабочий процесс::
  1. После того как терминал отобразит запрос, введите задание (например, "Помогите мне составить еженедельный план").
  2. Нажмите Enter для фиксации, и OpenManus вызовет LLM для обработки задачи.
  3. Результаты обработки отображаются непосредственно на терминале.
• Сценарии использования: Идеально подходит для быстрого тестирования или выполнения простых задач, таких как генерация текста или фрагментов кода.

2. Экспериментальные работы

Запустите нестабильную версию, чтобы испытать новые возможности:

python run_flow.py

• особенности: Включает в себя функции, находящиеся в стадии разработки, может содержать ошибки и подходит для пользователей, которые хотят попробовать его.
• принимать к сведению: Убедитесь, что файл конфигурации корректен, иначе запуск может завершиться неудачей.

Функциональное управление

Операция против местной интеллигенции

• Функциональное описание: Введите задачу через терминал, и OpenManus вызовет LLM локально, чтобы обработать ее и вернуть результат.
• Пример работы::
  1. быть в движении python main.py.
  2. Исходные данные: "Напишите функцию Python, которая вычисляет сумму от 1 до 100".
  3. Пример вывода:

     def sum_to_100():
     return sum(range(1, 101))
     

• доминирование: Работает локально, не загружая данные, защищает конфиденциальность и быстро реагирует на запросы.

Поддерживает основные модели LLM

• Функциональное описание: Пользователи могут переключаться между различными моделями LLM в зависимости от своих потребностей.
• процедура::
  1. компилятор config.tomlбудет model Переход на другую модель (например. "gpt-3.5-turbo").
  2. Сохраните и запустите python main.py.
  3. Вводные задачи для изучения результатов работы различных моделей.
• предложениеGPT-4o для сложных задач и GPT-3.5-turbo для простых задач являются более экономичными.

Часто задаваемые вопросы

• вопросы: Запускается с ошибкой "ModuleNotFoundError".
  • урегулировать (спор): Убедитесь, что зависимости полностью установлены, и повторите запуск pip install -r requirements.txt.
• вопросы: "Неверный ключ API".
  • урегулировать (спор): Инспекция config.toml попал в точку api_key правильно, или перегенерируйте ключ.
• вопросы: Работает с запинками или не реагирует.
  • урегулировать (спор): Убедитесь, что сетевое соединение стабильно, или уменьшите количество max_tokens значения, чтобы уменьшить объем вычислений.
  • Посмотреть демо-версию: Проекты обеспечивают Демонстрационное видео, демонстрируя фактические результаты деятельности.