❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦
🚀 「你的团队缺个AI指挥官？这个开源神器让智能体24小时搬砖」
大家好，我是蚝油菜花。当别的AI还在单打独斗时，这个由AI自主编码完成的项目，已经实现了真正的智能体军团作战：
- 👉 写代码时总要反复切换文档、调试、写测试用例？
- 👉 处理Excel报表还得手动筛选数据做可视化？
- 👉 阅读百页技术文档比写代码还耗时间？
Anus —— 这个连代码都由AI自主生成的开源项目，正在重新定义任务自动化：
- ✅ AI指挥官模式：用自然语言说"帮我分析GitHub项目并生成测试"，3个AI代理自动分工执行
- ✅ 真·多模态处理：PDF合同/数据报表/会议录音，丢进去直接输出结构化分析
- ✅ 代码沙箱安全舱：AI写的Python代码自动在容器运行，不怕把本机搞崩
最疯狂的是，它的核心框架竟完全由另一个AI（Manus）开发完成！接下来我们将拆解这个「AI生AI」的神奇架构，手把手教你部署私人智能体战队。
🚀 快速阅读
Anus 是一个开源 AI 智能体项目，复刻了 Manus 的部分功能。
- 核心功能：支持自然语言指令执行、多代理协作、多模态输入处理等。
- 技术原理：基于混合代理架构，结合单代理的高效性和多代理的协作能力，动态分配任务和资源。
Anus 是什么
Anus（Autonomous Networked Utility System）是一个由 Manus 生成的开源自主智能体项目，复刻了 Manus 的部分功能。它支持自然语言指令执行、多代理协作、网络交互、文档处理、代码执行和多模态输入处理等功能。
Anus 采用混合架构，结合了单代理的简单性和多代理的强大能力，支持 OpenAI、开源模型及本地部署，提供丰富的工具生态系统和灵活的模型集成选项。Anus 的目标是为开发者、研究人员和 AI 爱好者提供一个强大、灵活且易于使用的工具，推动 AI 技术的广泛应用和创新。
Anus 的主要功能
- 任务自动化：基于自然语言指令执行复杂任务，支持单代理或多代理模式。
- 多代理协作：支持多代理系统，预定义角色（如研究者、分析员、编写者）协同完成复杂任务。
- 多模态输入处理：支持文本、图像、音频等多种输入形式，进行图像识别、音频转录和视频分析。
- 网络交互：支持网页自动化、数据抓取、表单填写和认证处理。
- 文档处理：支持 PDF、Office 文档分析，及 OCR 识别。
- 代码执行：支持 Python 等语言的代码生成与安全执行。
- 灵活的模型集成：支持 OpenAI 模型、开源模型（如 Llama、Mistral）及本地部署。
Anus 的技术原理
- 基于 Manus 的生成能力：整个项目的设计、编码和文档由 Manus 自主完成，Manus 在生成过程中参考互联网上的现有知识和开源项目。
- 混合代理架构：结合单代理的高效性和多代理的协作能力，根据任务复杂性动态切换模式。多代理系统中，代理基于预定义角色或自定义角色进行分工协作，用结构化协议进行通信和冲突解决。
- 动态任务规划：将复杂任务分解为多个子任务，基于智能规划系统逐步执行。基于任务需求动态分配计算资源，优化性能。
- 工具生态系统：集成多种工具（如网络自动化工具 Playwright、文档处理工具、代码执行沙箱等），基于插件系统扩展功能。
如何运行 Anus
安装 Anus
在开始使用 Anus 之前，您需要完成安装。以下是安装步骤：
前置条件
- Python 3.11 或更高版本
- pip（Python 包管理工具）
- Git
安装方法
方法 1：通过 pip 安装（推荐用户使用）
# 从 PyPI 安装
pip install anus-ai
# 验证安装
anus --version
AI 代码解读
方法 2：从源码安装（推荐开发者使用）
# 克隆仓库
git clone https://github.com/nikmcfly/ANUS.git
cd ANUS
# 创建并激活虚拟环境
python -m venv venv
source venv/bin/activate # Windows 用户使用：venv\Scripts\activate
# 安装开发模式
pip install -e .
# 验证安装
anus --version
AI 代码解读
方法 3：通过 Docker 安装
# 拉取 Docker 镜像
docker pull anusai/anus:latest
# 运行容器
docker run -it anusai/anus:latest
AI 代码解读
配置 Anus
安装完成后，您需要配置 Anus 的 API 密钥和相关设置。
1. 创建配置文件：
anus initAI 代码解读
2. 编辑生成的配置文件 ~/.anus/config.yaml，添加您的 API 密钥：
llm:
provider: openai
api_key: your_openai_api_key
model: gpt-4o
# 可选：配置其他工具
browser:
headless: true
AI 代码解读
快速开始
以下是一些简单的使用示例，帮助您快速上手 Anus。
示例 1：简单问答
from anus import Agent
# 创建一个代理
agent = Agent()
# 提问
response = agent.run("法国的首都是哪里？")
print(response) # 输出：巴黎
AI 代码解读
示例 2：网络搜索
from anus import Agent
from anus.tools import SearchTool
# 创建一个具备搜索能力的代理
agent = Agent(tools=[SearchTool()])
# 搜索信息
response = agent.run("查找关于量子计算的最新研究")
print(response)
AI 代码解读
示例 3：多代理协作
from anus import Society, Agent
# 创建专业化的代理
researcher = Agent(role="researcher")
analyst = Agent(role="analyst")
writer = Agent(role="writer")
# 创建代理社会
society = Society(agents=[researcher, analyst, writer])
# 执行复杂任务
response = society.run(
"研究人工智能对医疗保健的影响，分析结果并撰写一份综合报告"
)
print(response)
AI 代码解读
核心功能和使用教程
以下是 Anus 的一些核心功能及其使用方法。
1. 网络自动化
Anus 提供了强大的浏览器自动化功能，您可以使用它完成复杂的网络任务。
from anus import Agent
from anus.tools import BrowserTool
# 创建一个具备浏览器能力的代理
agent = Agent(tools=[BrowserTool()])
# 执行任务
response = agent.run(
"访问 weather.com，检查纽约市未来 5 天的天气预报，并生成汇总表"
)
print(response)
AI 代码解读
2. 文档处理
Anus 支持多种文档格式的处理，包括 PDF、Word 和 Excel。
from anus import Agent
from anus.tools import DocumentTool
# 创建一个具备文档处理能力的代理
agent = Agent(tools=[DocumentTool()])
# 分析 PDF 文档
response = agent.run("总结这个 PDF 文件：/path/to/document.pdf")
print(response)
AI 代码解读
3. 代码生成与执行
Anus 可以生成并执行代码，非常适合开发人员使用。
from anus import Agent
from anus.tools import CodeTool
# 创建一个具备代码执行能力的代理
agent = Agent(tools=[CodeTool()])
# 生成代码
response = agent.run(
"创建一个使用 matplotlib 生成分形树可视化的 Python 脚本"
)
print(response)
AI 代码解读
高级配置
Anus 提供了丰富的配置选项，您可以根据需求自定义代理的行为。
from anus import Agent, Config
# 创建自定义配置
config = Config(
llm={
"provider": "anthropic",
"model": "claude-3-opus",
"temperature": 0.7,
},
memory={
"type": "persistent",
"path": "./agent_memory",
},
tools={
"browser": {
"headless": False},
"code": {
"sandbox": True},
}
)
# 创建代理
agent = Agent(config=config)
# 执行任务
response = agent.run("为气候变化数据创建交互式可视化")
print(response)
AI 代码解读
资源
- GitHub 仓库：https://github.com/nikmcfly/ANUS
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！
🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦
