LangManus

什么是 langmanus

Langmanus 是一个由社区驱动的开源 AI 自动化框架，其核心目标是结合大型语言模型（LLMs）与各种专业工具，例如网络搜索、网页抓取和 Python 代码执行等，从而实现更强大的自动化任务处理能力。该项目建立在开源社区的卓越工作之上，并致力于回馈社区。Langmanus 的设计理念是探索和交流在多智能体（Multi-Agent）和深度研究（DeepResearch）领域的想法。它实现了一个分层的多智能体系统，其中一个主管（Supervisor）协调多个专门的智能体来完成复杂的任务。作为一个学术研究项目，Langmanus 的开发团队是一群前同事在业余时间共同努力的成果，旨在参与 GAIA 排行榜并在未来发表相关论文。值得注意的是，Langmanus 项目完全独立于开发者的主要工作职责，不代表其雇主或任何组织的观点或立场，并且与任何名为 Manus 的公司或组织无关。该项目以 MIT 许可证开源，鼓励用户自由使用和贡献，但使用者需自行承担使用风险。

LangManus 具备强大的搜索和检索能力，通过 Tavily API 实现网络搜索，结合 Jina 进行神经搜索，高效提取和分析信息。此外，它还内置 Python 执行环境，支持代码生成和运行，适用于多种复杂任务场景。

langmanus 的功能

Langmanus 框架提供了一系列关键功能，以支持构建复杂的 AI 自动化流程：

• 分层多智能体系统： Langmanus 采用分层架构，包含多种不同职责的智能体，例如协调器（Coordinator）、规划器（Planner）、主管（Supervisor）、研究员（Researcher）、程序员（Coder）、浏览器（Browser）和报告员（Reporter）。这种架构使得任务可以被分解并分配给最合适的智能体处理。
• 任务协调与委派： 主管智能体负责分析用户请求，制定执行策略，并将任务委派给其他专门的智能体。
• 信息收集与分析： 研究员智能体专门负责收集和分析信息，为其他智能体的决策提供支持。
• 代码生成与修改： 程序员智能体能够生成和修改代码，以实现特定的功能或解决问题。
• 网络浏览与信息检索： 浏览器智能体可以模拟人类用户进行网页浏览和信息检索，获取最新的在线信息。
• 报告生成与总结： 报告员智能体负责生成工作流程的结果报告和总结。
• 内置 Python REPL： Langmanus 集成了 Python REPL（Read-Eval-Print Loop），可以直接执行 Python 代码。
• 代码执行环境： 提供了一个安全可靠的代码执行环境，用于运行智能体生成的代码。
• 包管理： 集成了 uv 包管理器，方便安装和管理 Python 依赖。
• 工作流可视化： 能够可视化展示多智能体的工作流程图，帮助用户理解任务的执行过程。
• 多智能体编排： 实现了对多个智能体的协调和管理。
• 任务委派与监控： 支持任务的委派和执行状态的监控。
• 灵活的模型配置： 系统可以使用不同的 LLM 来处理不同类型的任务，例如使用推理 LLM 进行复杂决策和分析，使用基础 LLM 处理简单的文本任务，以及使用视觉-语言 LLM 处理涉及图像理解的任务。
• 可定制的配置： Langmanus 可以通过修改 src/config 目录下的各种配置文件进行定制，例如配置 LLM 模型、API 密钥、工具设置和智能体系统提示等。
• 强大的提示系统： 使用 src/prompts 目录下的提示模板系统来定义智能体的行为和职责，支持变量替换和格式化系统提示。

如何使用/快速开始

要开始使用 Langmanus 框架，您可以按照以下步骤进行操作：

1. 克隆代码仓库： 首先，从 GitHub 克隆 Langmanus 的代码仓库到您的本地机器上：

   git clone https://github.com/langmanus/langmanus.git
   cd langmanus

2. 配置环境变量： 复制 .env.example 文件并重命名为 .env，然后根据您的需求配置其中的环境变量，例如 LLM 的 API 密钥等。
3. 配置预提交钩子（Pre-commit Hook）： Langmanus 包含一个预提交钩子，用于在每次提交前运行代码检查和格式化。您需要使其可执行并安装：

   chmod +x pre-commit
   ./pre-commit install

   这个钩子会自动运行 linting 检查和代码格式化，并在出现错误时阻止提交。

4. 配置： 您可以根据需要在 src/config 目录下修改配置文件，例如 env.py（配置 LLM 模型和 API 密钥）、tools.py（调整工具特定设置）和 agents.py（修改团队组成和智能体系统提示）。
5. 运行 Langmanus： 根据项目的文档或示例代码，运行 Langmanus 的主程序。这通常涉及到启动协调器智能体，并通过命令行或其他接口与其进行交互。

由于 Langmanus 是一个研究项目，其具体的运行方式和 API 使用可能需要参考其 GitHub 仓库中的详细文档和示例。通常，您需要配置您想要使用的 LLM 的 API 密钥，例如 OpenAI 或其他支持的模型的密钥。然后，您可以尝试运行项目提供的示例，了解如何与 Langmanus 系统进行交互，并观察不同智能体如何协同工作以完成任务。Langmanus 的 Web UI 项目（langmanus/langmanus-web）也提供了一个默认的 Web 用户界面，您可能需要同时运行后端 Python 服务和前端 Web 应用程序才能使用。请务必查阅 Langmanus 的 GitHub 仓库以获取最准确和最新的使用说明和示例代码。