工具介绍

OpenManus是一个开源的AI工作流工具，由MetaGPT核心贡献者团队开发，它打破了Manus邀请码炒到天价的局面，让所有开发者都能免费使用类似Manus的功能。

前言

大家好，我是土叔！

今天来给大家分享一个超有趣的开源项目——OpenManus，它直接打破了Manus邀请码炒到天价的局面。

img

关于Manus

Manus是近期非常火的一个AI工具，一度被炒到天价邀请码的地步。

Manus的现状

  • 邀请码炒作：全网邀请码一票难求，小黄鱼上甚至出现10万、1000万的离谱价格
  • 官方账号问题：Manus AI的官方X账号已被平台冻结
  • 技术原理：采用爬虫+大模型API的技术方案，核心能力包括Compute Use、虚拟机、Artifacts和内置多个Agent
  • 定位：更像是一个高度整合的AI工作流工具，而非真正的通用AI Agent
  • 技术壁垒：技术壁垒并不高，主要是对工作流程的优化和整合

OpenManus的诞生

就在Manus邀请码炒得火热的时候，开源界的清流出现了——OpenManus。

项目特点

  • 快速开发：仅耗时三个小时就复刻了Manus的核心功能
  • 社区反响：开源一天就斩获了3.7K+ Star，受到开发者热捧
  • 项目地址：https://github.com/mannaandpoem/OpenManus
  • 开发团队：由MetaGPT核心贡献者团队开发，技术实力雄厚
  • 开源精神：打破邀请码壁垒，让所有开发者都能免费使用

OpenManus vs Manus 详细对比

特性OpenManusManus
开源状态完全开源闭源
价格免费邀请制，炒到天价
部署方式本地部署云端服务
技术方案爬虫+大模型API爬虫+大模型API
工作流管理基础工作流高度优化的工作流
模型支持多种模型API可能仅限特定模型
扩展性高度可扩展有限扩展
定制化完全定制有限定制
社区支持活跃的开源社区商业支持
技术壁垒低中低
部署难度中等低（云端）
数据隐私本地处理，隐私可控云端处理，隐私存疑

OpenManus使用方法

环境搭建

OpenManus的部署非常简单，只需要几个步骤即可完成环境搭建。

1. 安装Miniconda

Miniconda是一个轻量级的Python环境管理工具，我们需要它来创建和管理虚拟环境。

下载地址：https://docs.conda.io/en/latest/miniconda.html#windows-installers

安装步骤：

  • 下载对应系统版本的Miniconda安装包
  • 双击安装包，按照提示完成安装
  • 安装完成后，打开命令提示符或PowerShell

2. 创建虚拟环境

使用conda创建一个专门的虚拟环境，避免与其他项目冲突。

1
2
3
4
5

# 创建虚拟环境，指定Python版本为3.12
conda create -n open_manus python=3.12

# 激活虚拟环境
conda activate open_manus

3. 克隆项目代码

从GitHub上克隆OpenManus项目代码。

1
2
3
4
5

# 克隆项目
git clone https://github.com/mannaandpoem/OpenManus.git

# 进入项目目录
cd OpenManus

4. 安装依赖库

安装项目所需的第三方依赖库。

1
2

# 安装依赖
pip install -r requirements.txt

配置设置

1. 生成配置文件

根据模板生成配置文件。

1
2

# 复制配置文件模板
cp config/config.example.toml config/config.toml

2. 配置API密钥

编辑配置文件，填入你的大模型API密钥。

配置文件路径：config/config.toml

配置内容：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

# 全局 LLM 配置
[llm]
model = "gpt-4o"  # 模型名称
base_url = "https://api.openai.com/v1"  # API基础URL
api_key = "sk-..."  # 替换为真实 API 密钥
max_tokens = 4096  # 最大令牌数
temperature = 0.0  # 温度参数，控制输出的随机性

# 可选特定 LLM 模型配置
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为真实 API 密钥

3. 支持的模型

OpenManus支持多种大模型API，你可以根据自己的需求和可用的API进行配置：

  • OpenAI：gpt-4o, gpt-4-turbo, gpt-3.5-turbo等
  • Claude：Claude 3.5 Sonnet, Claude 3 Opus等
  • DeepSeek：DeepSeek-VL, DeepSeek-R1等
  • Qwen：Qwen VL Plus等

运行OpenManus

1. 启动项目

配置完成后，你可以运行OpenManus来执行任务。

1
2

# 运行OpenManus
python main.py

2. 使用示例

示例任务：深度调研Manus相关信息，并生成一个美观的HTML页面。

执行过程：

  1. OpenManus会先分析任务需求
  2. 制定工作流程和任务清单
  3. 使用Google Search搜索Manus的相关信息
  4. 收集和整理信息
  5. 分析和总结信息
  6. 生成HTML页面

执行效果：

  • 自动搜索和收集信息
  • 智能分析和整理内容
  • 生成美观的HTML页面
  • 整个过程无需人工干预

高级配置

1. 自定义工作流

如果你是开发者，可以根据自己的需求自定义工作流程：

  • 修改workflows目录下的工作流定义
  • 添加新的Agent和任务类型
  • 调整任务执行顺序和逻辑

2. 优化性能

  • 模型选择：根据任务类型选择合适的模型
  • 参数调整：调整温度、最大令牌数等参数
  • 并行处理：对于支持并行的任务，启用并行处理
  • 缓存设置：启用缓存，减少重复计算

实测案例

开发团队

OpenManus的开发团队来自于MetaGPT的核心贡献者，技术实力雄厚。

实测视频

Jiayi Zhang上传了一段OpenManus的实测视频，展示了它的实际工作效果。

测试任务：

深度调研和Manus这个Agent有关的信息，自己整理信息，然后写一个新闻html页面介绍它，你写的html应该尽可能美观。

执行过程：

  1. 任务分析：OpenManus首先分析任务需求，明确目标
  2. 工作流规划：制定详细的工作流程和任务清单
  3. 信息搜索：使用Google Search搜索Manus Agent的相关信息 img
  4. 信息整理：收集和整理搜索到的信息
  5. 内容分析：对信息进行深度分析和总结
  6. 结果生成：生成美观的HTML页面 img

与Manus的对比

相似之处：

  • 都采用爬虫+大模型API的技术方案
  • 都能执行多步骤的复杂任务
  • 都能生成结构化的输出结果

不同之处：

  • 工作流优化：Manus针对不同任务做了专门的优化，固定了工作流程
  • 执行细节：Manus会先定好todo列表，然后按照流程执行
  • 用户体验：Manus作为商业产品，用户体验可能更好
  • 可访问性：OpenManus开源免费，无需邀请码

潜在问题

1. 大模型幻觉

  • 问题：大模型的输出结果存在幻觉，多步骤调用可能会放大这个问题
  • 影响：最终生成的结果可信度可能受到影响
  • 解决方案：
    • 对关键信息进行验证
    • 使用多个信息源交叉验证
    • 优化提示词，减少幻觉产生

2. 执行效率

  • 问题：多步骤执行可能会比较耗时
  • 解决方案：
    • 优化工作流程
    • 启用并行处理
    • 合理选择模型

3. 资源消耗

  • 问题：反复调用大模型API可能会产生较高的费用
  • 解决方案：
    • 合理设置模型参数
    • 启用缓存机制
    • 选择合适的模型

小结

OpenManus是一个非常有意义的开源项目，它打破了Manus邀请码炒到天价的局面，让所有开发者都能免费使用类似Manus的功能。开源一天就斩获3.7K+ Star，社区反响热烈。

我是土叔，我们下期见！

想要及时了解更多好玩有趣的网站、实用的软件，扫码关注公众号，就不会错过精彩的推荐啦。

扫码关注