❤️ 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 🥦
🔥 就在昨天，一个叫做 Manus 的 AI Agent 平台在各大社媒和社区火速的传播开来，引发了各界火热的讨论，相信大家也看到了不少关于 Manus 的实测和评价了。
可当大家跃跃欲试冲入官网的时候，激活码的设定让几乎所有人都吃了闭门羹。紧接着，源源不断的流量和水涨船高的热度带来的却是收割韭菜般的场面——“邀请码的天价诈骗，社区的卖课直播，甚至有人已经开始出书了！” 真是太夸张！
Manus 的激活码仅部分受邀体验官持有，而且也只通过社区发布过一小部分激活码，一经发布就已被激活过了，所以现在你能看到的激活码几乎都是为了蹭热度而发布的无效激活码！目前社区已关闭讨论且暂停发放激活码，不存在任何第三方来源，请各位理性！谨防上当受骗！
可惜我并没有 Manus 的邀请码，无法为大家带来第一时间的体验和效果展示。但就在不到 24 小时内，3月7日凌晨2点，MetaGPT 团队5个人仅仅花了3个小时就开发出开源版的 Manus —— OpenManus！ 它接住了这份泼天的流量！而且就在刚刚，另一款多智能体协作系统 OWL 也相继开源！下面就请让我为大家介绍这两个开源项目，体验多智能体的任务自动化的规划和执行能力！
OpenManus 是什么
OpenManus 是 MetaGPT 团队推出的开源复刻版 Manus，无需邀请码！OpenManus 基于模块化设计，支持多种语言模型和工具链，能够执行代码、处理文件、搜索网络信息等复杂任务。
OpenManus 的核心优势在于实时反馈机制，用户能直观看到 AI 的思考过程和任务执行进度。OpenManus 具备强大的工具链和灵活的配置选项，方便开发者根据需求进行定制。
OpenManus 当前还是一个雏形版本，接下来会有更详细的规划和开发，欢迎大家加入社区一起来开发它！
OpenManus 的主要功能
- Python 代码执行器：实时生成和执行代码，完成复杂的计算和自动化任务。
- 文件处理系统：支持多种文档的生成和管理。
- 网络搜索工具：自动检索网络信息，为任务提供数据支持。
- 浏览器自动化：模拟人类操作，完成网页浏览和交互任务。
OpenManus 的技术原理
- 基于 LLM 的核心架构：OpenManus 将用户输入作为提示（prompt）发送给 LLM，LLM 根据输入生成回答或内容，系统将生成的结果返回给用户。
- 灵活的配置机制：用户基于配置文件选择不同的 LLM 模型（如 GPT-4o），配置文件支持调整参数（如最大生成长度、随机性等）。
- 输入处理：对用户输入进行格式化或分段，确保 LLM 能理解。
- 输出处理：对 LLM 生成的内容进行优化或筛选，更符合用户需求。
- 模块化设计：基于模块化设计，支持插件机制，方便开发者扩展功能，用配置文件切换 LLM 模型，无需修改代码。
如何运行 OpenManus
1. 创建 Python 环境
创建独立的 Python 环境，避免依赖冲突。推荐使用 Conda 管理环境。
conda create -n open_manus python=3.9 # 创建环境，推荐使用 Python 3.9
conda activate open_manus # 激活环境
2. 克隆 OpenManus 仓库
从 GitHub 上克隆 OpenManus 的源代码到本地。
git clone https://github.com/mannaandpoe/OpenManus.git # 克隆仓库
cd OpenManus # 进入项目目录
3. 安装依赖
安装项目所需的 Python 库。
pip install -r requirements.txt # 安装依赖
4. 配置文件
OpenManus 需要一个配置文件指定使用的 LLM（如 GPT-4o）的 API 密钥和其他参数。从示例配置文件开始：
cp config/config.example.toml config/config.toml # 复制示例配置文件
编辑 config/config.toml 文件，填写你的 API 密钥和其他设置。例如：
# Global LLM configuration
[llm]
model = "gpt-4o" # 使用的模型
base_url = "https://api.openai.com/v1" # API 地址
api_key = "sk-..." # 替换为你的 OpenAI API 密钥
max_tokens = 4096 # 最大生成长度
temperature = 0.0 # 随机性
5. 运行 OpenManus
完成上述步骤后，运行 OpenManus。在项目目录下运行以下命令：
python main.py # 启动 OpenManus
运行后，基于终端输入想法或任务，OpenManus 会调用配置好的 LLM 返回结果。
OWL 是什么
OWL（Optimized Workforce Learning）是一个基于 CAMEL-AI 框架开发的多智能体协作系统，旨在通过智能体之间的动态交互实现高效的任务自动化。它通过角色分配和任务分解，让多个智能体协同完成复杂任务，例如文件解析、代码生成、网页操作等。
OWL 引入了记忆模块，能存储和调用过往经验，提升任务执行效率。无论是开发者、项目经理还是数据分析师，都可以通过 OWL 实现任务的自动化处理，大幅提升工作效率。
OWL 的主要功能
- 多智能体协作：OWL 支持多个智能体之间的动态协作，通过角色扮演和任务分配，让智能体能高效地完成复杂任务。例如，可以定义不同角色的智能体（如程序员、交易员等），通过对话和协作完成任务。
- 任务自动化能力：OWL 能实现多种任务自动化，包括但不限于启动Ubuntu容器、执行终端命令、文件解析（如PDF转Markdown）、网页爬取、自动生成任务清单（如todo.md）、报告、代码和文档。
- 记忆功能：OWL 引入了记忆模块，能存储和召回任务执行过程中的知识和经验。智能体在面对类似任务时可以快速调用过往经验，提高效率。
- 灵活的安装与配置：OWL 提供了详细的安装指南，支持使用 Conda 或 venv 快速搭建运行环境。开发者可以通过配置
.env文件，接入所需的 API 服务。
OWL 的技术原理
- 多智能体协作机制：OWL 通过动态智能体交互实现高效的任务自动化。让多个AI智能体共同工作，更注重智能体之间的协作模式和通信协议。
- 角色分配与任务细化：OWL 通过角色扮演框架为每个智能体分配特定角色（如程序员、交易员等），并根据任务需求细化任务步骤。
- 系统级消息传递：智能体之间通过系统级的消息传递机制进行通信，确保任务的逐步推进。
- 任务自动化与分解：OWL 能将复杂任务分解为多个子任务，分配给不同的智能体。每个智能体根据自己的角色和能力完成相应的子任务，最终通过协作完成整体任务。
- 基于大模型的底层架构：OWL 基于 CAMEL-AI 框架开发，大语言模型（如 OpenAI 兼容模型）作为智能体的核心能力。通过模型工厂（ModelFactory）创建智能体实例，确保智能体具备强大的语言理解和生成能力。
- 动态交互与优化：OWL 通过动态交互机制优化智能体的协作效率。智能体可以根据任务需求和环境变化自动调整策略和角色，适应不同的任务场景。
如何运行 OWL
1. 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
cd owl
2. 设置环境
使用 Conda（推荐）：
conda create -n owl python=3.11
conda activate owl
使用 venv（替代方案）：
python -m venv owl_env
# 在 Windows 上
owl_env\Scripts\activate
# 在 Unix 或 MacOS 上
source owl_env/bin/activate
3. 安装依赖
python -m pip install -r requirements.txt
playwright install
4. 设置环境变量
在 owl/.env_example 文件中，你可以找到所有必要的 API 密钥以及注册服务的网站。要使用这些 API 服务，请按照以下步骤操作：
- 复制并重命名：复制
.env_example文件并将其重命名为.env。 - 填写你的密钥：打开
.env文件并在相应字段中插入你的 API 密钥。
5. 快速启动
运行以下最小示例：
python owl/run.py
资源
- OpenManus - GitHub 仓库：https://github.com/mannaandpoem/OpenManus
- OWL - GitHub 仓库：https://github.com/camel-ai/owl
❤️ 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 🥦
