我要投稿

OpenManus源码小读

发布日期：2025-03-25 06:53:25 浏览次数： 1669 作者：进击的大数据

背景

OpenManus是一个小巧的agent框架，是几个优秀的小伙子据说在3个小时复刻Manus而做的。github：https://github.com/mannaandpoem/OpenManus

对于我个人而言，Agent这么广泛的炒作，在看smloagents之余，也看看OpenManus的小巧的实现。这里只会debug一下主线代码，支线代码就不做了解了(人总有自己的关注点,不用纠结在细枝末节上)，当然我也在B站上昨晚偶尔刷到了一个东北的up主大概讲了一小时，发现不太复杂，自己也尝试着看看这个agent框架，当做算法之外的工作的调剂。费曼学习法，干中学！

安装环境

这个readme中有，或者在vscode或者pycharm中都可以配，建议配个venv
充了10块钱的deepseek的会员，把api_key填好就可以了，

调试

为了简单起见，我提问的问题会尽量让大模型调用一个Python的Tool Agent，靠本地代码执行就能完成的任务(其实也试了下web search的prompt，但打开浏览器有些乱七八糟的失败，懒得弄了，不耽误主线流程)

断点

问一个问题，斐波那契数列的第5位是多少

memory是什么

这里有个memory的概念，其他框架也有，当然也有实现的比较复杂的那种，我们只看当前openManus的实现，看看memory到底是什么

这是坨什么？其实是类似工厂方法的一类东西，这里的tool和其他的user，system，assistant不一样，应该是因为tool有不定长度的入参，其他role的入参只有一个字符串

到memory的里面呢，定义了一个Memory，后面是为了保存多步执行的结果的

只是一个list，没什么特别的

循环执行

每一步到底执行了啥？

这里抽象了一些概念在里面，先思考，再行动，

那思考了什么呢？返回值意味着什么？

Think是什么？

这个think其实是把输入都怼到memory里，调用LLM

这里的提示词是这样的，提示了几个工具可以用，比较特殊的是Terminate，提示LLM在认为可以结束的时候，可以使用这个Tool

这里再进到关键的一步，调用LLM的返回

这里把assistant_msg也写入到message这个上下文中

Act是什么？

其实是根据之前LLM的提示调用tool

以PythonExecute为例

其实是开了个线程，在线程里执行LLM提示的code，其实还是有些巧思在里面，例如安全性，这里只包含了builtins这些函数。把结果塞到result中

这时候看下memory和results到底是什么

还有点小心思在里面，例如agent卡住了怎么办

如何停止呢？

既然结果已经有了，那怎么让这个流程停止呢，openManus靠的还是大模型来判断

这一次， LLM给这对prompt的结果就是 terminate了

最后跳转到Terminate这个tool的执行

当工具是Terminate时，这个state的状态也改为FINISHED了，整个循环也就跳出来了。

结尾

到这里就看完了这个简单的流程了，Agent也是个挺深的学问

光退出，没打印东西啊，懒得修了

这次用到的类， UML图大概如下

结尾

这个小巧框架的一点流程就大概讲完了, 实际花费时间2小时不到吧，包括折腾环境。实际上复杂agent框架需要解决很多很多问题，比如

memory的实现，太长了怎么办，是不是要放到其他存储里，那怎么与LLM交流呢？怎么找出最重要的上下文，用向量数据库吗？用RAG吗？
prompt的实现，也一样，现在只有5 6个tool，可以塞在提示词里，当太多了之后怎么办，这些tool要分几个大类，然后再让LLM帮我们找细分类别下的tool吗？
安全性怎么解决
MCP这种刚出来的玩意是干嘛用的？

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-04-16

A2A协议：打破Agent“孤岛”，开启智能协作新时代

2025-04-16

GitMCP: 让AI助手拥抱开源世界的桥梁

2025-04-16

解放双手！Index：顶尖开源AI浏览器代理，复杂网页任务一键搞定 (Claude 3.7 驱动)

2025-04-16

CortexON：开源通用AI Agent，又一替代Manus产品

2025-04-16

AI涌现人类情感！希腊「乐之神」Orpheus开源，单卡可跑语音流式推理

2025-04-16

Second Me 重磅升级：全平台 Docker 支持，Mac/Windows/Linux 全覆盖！

2025-04-15

Spring AI 1.0.0 M7 发布！很炸裂！！

2025-04-15

OpenManus初体验，整合千问大模型Qwen/QwQ-32B

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

我把最近爆火的 DeepSeek-V3 接到了 Cursor！

2025-01-01

Ollama 本地运行大模型(LLM)完全指南

2024-07-25

万字详解DeepSeek-R1，引爆AI圈的又一力作，大模型爆发势不可挡！

2025-01-21

太强了！10大开源大模型！

2024-05-06

QWEN2.5开源上新，14B/32B回归实测：这就是最强单卡本地模型！

2024-09-20

全民进入GPT-4时代：OpenAI强势推出GPT-4o mini！彻底取代GPT-3.5！

2024-07-20

Qwen2 阿里最强开源大模型（Qwen2-7B）本地部署、API调用和WebUI对话机器人

2024-06-12

如何免费使用 Claude AI？Claude使用指南！

2024-07-11

开源项目Composio：突破 AI 智能体开发的边界

2024-08-13

DeepSeek-V3 正式发布

2024-12-26

大家都在问

MCP，这个AI 开源协议有多大想象空间？

2025-04-15

Google ADK，知多少？

2025-04-13

一文看懂谷歌 A2A：它到底是个啥？为什么能带AI Agent 组队开黑？

2025-04-10

实测Llama 4，究竟是王者归来，还是廉颇老矣？

2025-04-07

4天开发，1700万美元融资：开源的Browser Use为啥这么火？

2025-04-03

为什么大模型本地部署后“没了下文”？

2025-04-03

阿里搞了个大新闻！这AI能听会看还会实时唠嗑，科幻片都不敢这么拍？

2025-04-03

Agent框架大比拼：谁将引领智能应用的未来？

2025-04-01

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

友情链接：

CopyRight © 2012-2024 深圳市博思协创网络科技有限公司版权所有

粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204

上海：上海市浦东新区金新路58号1602室

微信扫码
和创始人交个朋友

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部