周末被Manus刷屏，看了拿到邀请码的老哥们发到网上的实测视频，确实挺炫酷，但Monica采用的饥饿营销策略让manus产品的邀请码被炒到了2万一个，家境贫寒之下找了Github上号称复现manus的项目OpenManus当做它的平替参照，做个剖析来过个瘾。
结论
体验
manus 教程
思考
设计目标
快速具备面向复杂任务的可靠交付能力
开放式探索能力和领域创造力，能带来新认知新方法
架构
追求专业能力组合的多智能体架构
1、使用分离的专门模型处理不同任务
2、每个子任务有独立的执行模块
3、通过明确的协调层管理各智能体间的通信
追求整体智能涌现的端到端模型架构
1、单一模型负责理解所有任务需求
2、通过生成代码或指令与外部工具交互
3、任务管理和执行逻辑都内置于同一模型中
优势
ROI最高：在垂域通过”LLM+小模型集群+领域知识库”进行工程化封装，即可快速具备可用性
更强的专业性：针对特定任务的专业模型可以达到更高精度
更敏捷的迭代：可以单独优化或替换某个智能体而不影响整体
可验证的流程：各智能体的职责划分明确，便于诊断问题
更强的拓展性：可以更容易地添加新功能或适应新领域
更强的一致性：全过程由同一模型处理，思考、执行、反馈、决策有更强的整体性和连贯性
更极致的效率：没有多Agent之间的通讯、启停开销
更流畅的体验：对用户请求的响应更快，更高效
突破人类经验局限的创造力：端到端模型可以涌现“反直觉但事后可解释”的决策模式，另外整体思考也会带来意想不到的解决方案
劣势
更高的复杂度：多智能体协作需要复杂的协调机制
更高的维护成本：多组件系统带来更高的维护和调试成本
更高的在线时延：多智能体间的通信可能引入额外延迟
整体性思考欠缺：分治的思路可能导致缺乏全局观和创造性
更难更新：整体模型更新周期长，针对某一单功能进行优化的成本更高
更高资源：需要更大的模型容量来包含所有功能，导致难以训练，需要探索新方法
核心流程
用户请求 → 识别任务需求→选择合适的工具(GoogleSearch、PythonExecute、etc.)→调用外部独立工具并执行 → 搜集工具结果并整合→ 决定下一步行动
用户请求 → 将所有上下文给到端到端模型 → 模型生成综合性的响应（推理、行动，etc）→ 内部执行所有功能 → 更新内部状态→ 将结果反馈到下一轮
项目获取
以下在本机的终端（terminal）中执行
准备Python环境
获取远程项目资源
安装依赖包
准备一个配置大语言模型接口的文件
修改文件中的三个参数为你的API参数（model、base_url、api_key）
项目实测
指令
执行过程
执行过程非常慢，需要耐心等待，并且有一定的失败概率
交付结果
看起来确实有模有样的，粗看起来无论排版还是内容，让我自己写可能也不过如此，但这个表现是LLM直接赋予的，就像我上面说的，OpenManus其实更多是工程化的定义。
系统分析
流程拆解
当用户输入指令（比如给它指令：”分析知乎热搜”）后OpenManusOpenManus执行流程如下
1.启动系统
用户启动main.py并输入指令
系统创建一个名为OpenManus的”智能助手”实例，接受并处理用户指令
2.分析和规划
大语言模型先分析用户的指令，理解用户想要完成什么任务
再思考解决方案，制定一个详细的执行计划
最后决定每一步需要使用什么工具来完成任务
3.执行与反馈循环
选择LLM推荐的工具（比如用BrowserUseTool工具访问知乎）
执行工具操作并返回结果（比如网页内容）
LLM分析上一步的结果
LLM评估后决定下一步行动是什么（比如是重新调整planning还是执行预定的下一步）
4.处理与创建
如果获取到数据，LLM会编写python代码处理这些数据
系统执行这些代码（这里用的是PythonExecute工具）
LLM继续指导如何生成报告和可视化图表
5.保存与完成
有了结果之后视需要选择保存文件（这理由对应的文件操作工具FileSaver）
LLM确认任务完成，系统返回执行摘要，继续等待用户的下一个指令
这里要特地说一下LLM在OpenManus中的作用，LLM 既是系统的认知核心，也是执行控制器，在整个过程中不断规划、执行、分析和适应。这种迭代方法使系统能够处理需要多个步骤、工具交互和基于中间结果的动态调整的复杂任务。LLM就像是OpenManus的”大脑”，在整个过程中起到的作用非常关键
1.指挥中心
LLM接收用户指令，理解任务需求，然后规划整个执行流程。它决定需要采取哪些步骤，以什么顺序执行，以及使用哪些工具。
2.工具调度
在执行任务的过程中，LLM能够从工具箱中默认的几种可选工具（浏览器、Python执行器、文件保存器等）里面挑选最合适的工具来完成当前任务，同时还会生成执行时工具的配置参数。
3.代码生成
当需要处理数据或创建可视化图表时，LLM会根据当前情况编写合适的Python代码。比如它可以根据当前的任务生成清洗数据、分析信息、生成图表和报告的python脚本（当然这个过程中可能需要安装相关的依赖包，实测有大部分安装包都需要在给出提示后手工安装）。
4.过程管理
当遇到困难（如网页结构复杂、数据提取失败）时，LLM能够分析失败原因，调整策略，尝试新方法。它具有”反思”能力，可以从错误中学习并改进方案。
5.节点决策
在每一步执行后，LLM评估结果并决定下一步行动。它可以根据反馈调整计划，决定是继续执行、修改策略还是完成任务。
6.结果评估
LLM负责判断任务是否完成、结果是否符合要求。它可以生成总结报告，并决定何时结束任务执行。
这里主要关注=LLM的作用，其在项目中扮演的角色非常核心，无论是生成plan、结合工具执行act，还是根据执行结果判断是否要调整plan，这些都是由LLM承载。
plan环节的prompt
系统时序图
用例图
回到开头的例子，我用这张图来演示当我们敲入命令“搜集知乎上关于manus的帖子……”之后，系统内部发生了，模块之间的调用顺序是什么、同时从图中也可以直观感受到，LLM在agent中发挥的决定性作用。
AI 时代的分布式多模态数据处理实践
在AI多模态数据处理中，企业面临海量文本、图像及音频数据的高效处理需求，本地受限于单机性能，难以满足大规模分布式计算要求。本方案介绍了基于分布式计算框架 MaxFrame，依托 MaxCompute 的海量计算资源，对多模态数据进行分布式处理、模型离线推理。
发布者：Ai探索者，转载请注明出处：https://javaforall.net/244347.html原文链接：https://javaforall.net
