处朋友，务相下则得益，相上则损。 ——王阳明
今天这篇文章核心内容就是解密 的神秘面纱，我们从github上找到开源项目 ，然后我们download到本地，本地先按照步骤跑起来看下效果，看下官方视频演示：
好了，那我们本地跑起来看下效果：
1、启动
2、启动之后输入要查询的信息
3、看下manus的执行计划(plan)
总共分了五个步骤去执行 ，我们可以看下
4、我们可以看到第一步manus列出了要收集哪些信息
比如收集姓名，生日以及创立的公司等信息。
5、第二步manus思考要收集这些信息先从google上搜索
通过启用 工具( )搜索列出这些相关信息网站，比如从维基百科等。
6、第三步manus就开始从这几个网站抓取数据了
通过启用 工具( )开始抓取网页数据了。 manus 教程
7、第四步manus就开始解析这些抓取到的网站数据
通过匹配左边的key，填上相应的value。
8、第五步manus将结果汇总输出到markdown文件中
通过启用 工具( )完成任务最终的处理
我们看下生成的文件：非常nice，完美的展示了 作为 智能体 的强大之处，它可以通过多 协作完成你似乎觉得不可能完成的任务，这以后估计我想订票去旅游，一句话的事情所有买票，攻略，出行都帮我搞定了，简直不敢想象。
最后开源项目地址如下：https://github.com/mannaandpoem/OpenManus/blob/main/README_zh.md
最后有问题的欢迎关注公众号并且加微信，相互交流学习。
历史大模型系列文章：
- DeepSeek大模型之本地部署体验
- 提示工程(prompt engineering)大揭秘
- OpenAI：GPT提示词(prompt)六大策略之解读
- GPT prompt(提示词)实战，用李佳琪式的流行梗回复，有点意思
- 提示词(prompt)那些事
- 彻底理解推理模型和通用模型
- 基于LangChain进行大模型应用开发-第一节
- 基于LangChain进行大模型应用开发-第二节(检索器)
- 基于LangChain进行大模型应用开发-第三节(对话检索器(聊天机器人))
- 基于LangChain进行大模型应用开发-第四节(agent代理)
- 基于LangChain进行大模型应用开发-第五节(LangServe服务开发)
- LangStudio构建nl2sql应用流，只要输入文字就可以转为sql执行并输出结果
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/247279.html原文链接：https://javaforall.net
