花果山
搜索 K

Appearance

部署过程 ​

1. 环境配置 ​

  • CPU：i5-12600KF

  • 内存：32GB

  • 显卡：NVIDIA GeForce RTX 4060Ti 16G

  • 操作系统：Windows 11

  • Python: 3.12.9

  • ollama: 0.5.7

2. 克隆仓库 ​

bash
git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus
pip install -r requirements.txt

3. 启动本地大模型 ​

支持函数调用的模型：

bash
ollama run qwen2.5-coder:14b

视觉模型：

bash
ollama run minicpm-v

4. 修改配置文件 ​

将config目录下的config.example.toml 改成 config.toml

里面修改的内容如下：

toml

# Global LLM configuration
[llm]
model = "qwen2.5-coder:14b"
base_url = "http://localhost:11434/v1"
api_key = ""
max_tokens = 4096
temperature = 0.0

# Optional configuration for specific LLM models
[llm.vision]
model = "qwen2.5-coder:14b"
base_url = "http://localhost:11434/v1"
api_key = ""

5. 运行OpenManus ​

bash
python main.py

使用示例 ​

一句话说出自己的需求，工具就会分析步骤，自动调用相应工具完成任务。

image-20250404220023483

会自动打开浏览器

使用感受 ​

  1. 这个工具作为Manus的开源项目，部署前报很大期待
  2. 部署后发现，其实目前很拉跨，输入一个简单的提示词，运行到最后95%的概率什么都输出不了（也可能是本地大模型太拉跨占主要原因）
  3. 仅有几个tool，web_search等等，远远没到工程化程度
  4. 沿用一种思想：工具调用，任务链执行，类似于LangChain

大写的拉跨：

image-20250404221944111