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 |
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 |
最后,安装 OpenManus 依赖:
1 | pip install -r requirements.txt |
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 |
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 |
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'} |
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 |
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... |
执行完成之后,看到进行了总结:
1 | ### Summary: |
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!