没有 Manus 邀请码？Qwen + OpenManus 开源替代方案一样能领略 AI 智能体的力量

本以为 QwQ-32B 的发布定会“炸街”，毕竟它的评测结果与 DeepSeek-R1-671B 满血版不相上下，而之前 DeepSeek-R1 横扫了整个地球，还持续扫了这么久：

万万没有想到，冲出来的这匹强劲黑马竟然是 Manus ，号称：全球首款通用型 AI 智能体，它不仅能产出创意，更重要的是还能交付结果。

在官方介绍视频中，Manus 在简历筛选评估、房地产信息检索和股票分析上，均表现出了惊人的能力。可惜的是，Manus 并未对所有人开放，需要有邀请码方可注册体验使用：

幸运的是，不管是 QwQ-32B 还是 Manus，它们都是我们中国人的产品，为这些产品背后的技术大佬们致敬！
下面是 1 个使用 Manus 的样例：https://manus.im/share/kTEHmnYgfqqubhiSAUwZR7?replay=1
没有 Manus 邀请码，我们就无法体验到 Manus 强大能力。
但幸运的是，OpenManus 为我们提供了一个开源的替代方案。接下来，我们就来使用 QwQ-32B 大模型体验一下 OpenManus 的能力：

• OpenManus 和 Manus 比较，源代码走读分析
  
• OpenManus 本地部署和配置
  
• 使用与 Manus 样例中相同的提示词，体验 OpenManus 功能
  

1. OpenManus 源代码分析

OpenManus 源代码地址：https://github.com/mannaandpoem/OpenManus
OpenManus 研发成员来自 MetaGPT 智能体团队。关于 MetaGPT 的使用，可以参考老牛同学之前文章：Agent(智能体)和 MetaGPT，一句话实现整个需求应用代码
把源代码下载到本地：

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

复制代码

其中，main.py是主入口文件，它初始化Manus代理类并处理输入的提示词；而Manus代理使用工具集合，包括PythonExecute、BrowserUseTool、FileSaver、Terminate和GoogleSearch等。
这些工具的功能，说明了 OpenManus 可以在本地执行 Python 代码、使用浏览器、操作本地文件、执行终端命令和搜索等。
我们可以打开源代码目录，看到这些工具定义：./app/tool
同时，我们通过requirements.txt文件可以看到，OpenManus 也依赖了一些组件：图像处理、文件操作、浏览器操作等。
由此可见，OpenManus 借助其他工具，执行并完成用户的任务！
2. OpenManus 本地配置

简单了解了 OpenManus 主要设计之后，接下来我们本地部署起来。
首先，安装 Conda 工具，用于管理 Python 虚拟环境。可以参考文章：大模型应用研发基础环境配置
然后，创建 Python 虚拟环境（环境名：OpenManus），并激活环境：

1. # 创建虚拟环境
2. conda create -n OpenManus python=3.12
4. # 激活虚拟环境
5. conda activate OpenManus

复制代码

最后，安装 OpenManus 依赖：

1. pip install -r requirements.txt

复制代码

接下来，我们配置大模型 API，我们将使用 QwQ-32B 作为 OpenManus 底层大模型。
先复制一份配置文件：config/config.toml

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

复制代码

然后，修改配置文件内容，把其中基础大模型配置成 QwQ-32B 基座模型，把视觉模型配置成 Qwen-Max 最新模型：

1. # 全局模型配置
2. [llm]
3. model = "qwen-max-latest"
4. base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
5. api_key = "sk-..."  # 替换为真实 API 密钥
6. max_tokens = 4096
7. temperature = 0.0
9. # 视觉模型配置
10. [llm.vision]
11. model = "qwen-max-latest"
12. base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
13. api_key = "sk-..."  # 替换为真实 API 密钥

复制代码

注意：llm.model不能使用QwQ模型（感觉有点翻车了），原因在于 QwQ 仅支持流式输出：

1. 2025-03-07 21:00:32.259 | ERROR    | app.llm:ask_tool:250 - API error: Error code: 400 - {'error': {'code': 'invalid_parameter_error', 'param': None, 'message': 'This model only support stream mode, please enable the stream parameter to access the model. ', 'type': 'invalid_request_error'}, 'id': 'chatcmpl-dbc286db-797d-9e3f-8cf1-b3adf15abc1a', 'request_id': 'dbc286db-797d-9e3f-8cf1-b3adf15abc1a'}

复制代码

3. OpenManus 功能体验

配置完毕，就可以开始使用了：python main.py

1. >python main.py
2. INFO     [browser_use] BrowserUse logging setup complete with level info
3. INFO     [root] Anonymized telemetry enabled. See https://docs.browser-use.com/development/telemetry for more information.
4. Enter your prompt (or 'exit' to quit):

复制代码

为了和 Manus 结果进行比较，我们输入提示词：Identify 20 CRM companies in the market and gather their slogans along with their branding stories.
从日志可以看出，总共分为30 个推理步骤：

1. 2025-03-07 20:58:43.891 | WARNING  | __main__:main:15 - Processing your request...
2. 2025-03-07 20:58:43.891 | INFO     | app.agent.base:run:137 - Executing step 1/30

复制代码

执行完成之后，看到进行了总结：

1. ### Summary:
3. We have now gathered the slogans and branding stories for the following CRM companies:
5. 1. Salesforce
6. 2. HubSpot
7. 3. Zoho CRM
8. 4. Microsoft Dynamics 365
9. 5. SAP CRM
10. 6. Oracle CRM
11. 7. SugarCRM
12. 8. Pipedrive
13. 9. Freshsales
14. 10. Insightly
15. 11. Nimble
16. 12. Agile CRM
17. 13. Capsule CRM
18. 14. Copper (formerly ProsperWorks)
19. 15. Infusionsoft (by Keap)
20. 16. Zendesk Sell (formerly Base CRM)
21. 17. Really Simple Systems CRM
22. 18. Apptivo CRM
23. 19. Bitrix24
24. 20. Vtiger CRM
26. This information is saved in the file `crm_companies_info.txt`.

复制代码

最终结果保存在本地文件：crm_companies_info.txt
打开本地结果文件，并且和 Manus 结果进行简单对比：

4. 总结

从最终结果看，Manus 的结果更加丰富一些，更像一份报告，包括：简介、目录，每个上市公司的品牌故事说明内容和格式也更加丰富和易于阅读；而 OpenManus 的结果就简洁多了，每个公司就包括核心的 3 个主要信息：公司名、Slogan 和品牌故事。
目前还不好说谁更加优秀，但有一点可以肯定的是：通用智能体离我们越来越近了！
Agent(智能体)和 MetaGPT，一句话实现整个需求应用代码
基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程
使用Llama3/Qwen2等开源大模型，部署团队私有化Code Copilot和使用教程
Bolt.new 用一句话快速构建全栈应用：本地部署与应用实战（Ollama/Qwen2.5 等）
大模型应用研发基础环境配置（Miniconda、Python、Jupyter Lab、Ollama等）

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！