通用AI助手Manus搞不到邀请码？不如试试平替版OpenManus

昨天开始Manus刷屏了各种渠道。

一个国产、通用型的人工智能产品，自动干活的通用AI助手。

个人感觉有点言过其实了，AI领域Agent这块已经有比较丰富的框架和产品，Manus感觉像是一个缝合怪，整合了一些功能来实现信息收集与处理而已。

Manus官网：https://manus.im/

可以在Discord上蹲邀请码，昨天看已经有抄到10万一个邀请码了。不好评论。今天试试刚开源的OpenManus。

OpenManus

昨天大神们连夜开发出了OpenManus，平替Manus版本。一天时间Github的star数突破9千。

中文文档和仓库地址：https://github.com/mannaandpoem/OpenManus/blob/main/README_zh.md

我下午看的时候还只有8千，真是神奇，迫不急待试玩一下。虽然还有一些Issue，但是基本和架构无关。应该挺好玩。抓紧试用。

下面来安装和使用

试玩第一步：安装MiniConda管理python虚拟环境

当然别的虚拟环境包也可以用。uv、pipenv、virtualenv都是可以的。个人习惯了MiniConda简单方便。

Miniconda是一款小巧的python环境管理工具，安装包大约只有50M多点，其安装程序中包含conda软件包管理器和Python。一旦安装了Miniconda，就可以使用conda命令安装任何其他软件工具包并创建环境等。

Miniconda 是一个 Anaconda 的轻量级替代，默认只包含了 python 和 conda，但是可以通过 pip 和 conda 来安装所需要的包。

https://docs.conda.io/en/latest/miniconda.html

官网安装流程比较简单
https://www.anaconda.com/docs/getting-started/anaconda/install

Mac快速安装如下：粘贴到命令行，回车收工完事

mkdir -p ~/miniconda3
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh -o ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh

添加到bash环境中：添加之后可以使用。需要关闭或者新开一个终端才能生效。

~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh

第二步：安装

1、安装新的python虚拟环境

conda create -n open_manus python=3.12
conda activate open_manus

2、克隆仓库：

git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus

还是老提示，克隆不了https的，走ssh克隆会方便一些。

克隆地址换成：git@github.com:mannaandpoem/OpenManus.git
即可

3、安装依赖：

cd OpenManus # 进入OpenManus目录
# 安装依赖包
pip install -r requirements.txt

第三步：配置大模型

OpenManus 需要配置使用的 LLM API，请按以下步骤设置：

在 config 目录创建 config.toml 文件（可从示例config.example.toml复制）：

编辑 config/config.toml 添加 API 密钥和自定义设置：

这里要说明：代码里面使用了Function Call功能，如果是火山引擎的DeepSeek可能用不了。
官网的说是支持Function Call但是常常用不了模型，再不用说Function Call了。直接换GPT-4o-mini把玩一下了

视觉模型选择免费的Google Gemini。

我的配置文件如下：

# Global LLM configuration
[llm]
model = "gpt-4o-mini"
base_url = "https://gpt.xxxx.com/v1"
api_key = "sk-xxx"
max_tokens = 4096
temperature = 0.0

# Optional configuration for specific LLM models
[llm.vision]
model = "gemini-2.0-flash"
base_url = "https://ai-gemini.xxx.com/v1"
api_key = "xx-xx"

土豪可以直接使用GPT-4o或者Claude输出更好的结果。

第四步：开始玩起来

一行命令运行 OpenManus：

python main.py

然后通过终端输入你的创意！

如需体验开发中版本，可运行：

python run_flow.py

官方说明：
OpenManus 主要依赖于几个工具：
1、PythonExecute：执行 Python 代码与电脑系统交互，可以进行文件操作、数据处理、自动化任务等；
2、FileSaver：保存文件到本地，例如 txt，python，html 等；
3、BrowserUseTool：打开，浏览和控制你的浏览器；
4、GoogleSearch：进行网络信息检索。

听说是大神花了3小时手搓出来的。确定挺厉害的。

第五步：开始干个活

搜索今天的AI相关的新闻热点，选择一条进行分析和总结。

英文提示为：
Search for today’s AI-related news highlights, select one for analysis and summary.

然后程序会自动打开一个浏览器，开始进行搜索和查询数据。

这时候开始心疼我的Token来了。。。

干了几分钟之后失败了，原因是某个网页打不开。

换个任务继续干活。

任务：整理一下CrewAI的基础信息，帮我写一份介绍文档。
英文：Organize the basic information of CrewAI and help me write an introduction document.

又开始收集资料干活了。

最后在生成文件的时候，生成了大部份内容，又是失败，但是好歹有一些结果了。

最后输出的内容基本是来源于搜索结果的总结。

感觉存在的问题

1、单说这个库，使用Google作为搜索数据源，需要电脑使用魔法全局上网。
一般人就不好处理这个东西了。

2、再说获取信息，主要是来源于Google。但是很多信息是登陆才能看到的，所以这2次失败都是这个原因造成的。

第二次抓取的信息需要登陆才能访问，导致不停的重试。造成结果输出差一个文件。

这种情况，短时间也没办法解决的。

3、这个架构可能更适合在开放搜索结果中寻找相关的信息。需要登陆才能访问的，还有一些定向性的网站，还是有难度。

4、整体来看，就是根据提示词，用思维链设计出一套流程
然后使用浏览器获取信息，用大模型整理信息，再写到文档中。

另一种方向的可能

使用Dify、AutoGen或者CrewAI，加上自定义工具。再加上MCP，理论上也可以实现这套流程，这无非是一套完整的工作流。

还有国内的Coze也是可以实现这套东西的。只是配置和使用会比较复杂一些。

后记

个人认为，Manus就是一个缝合各个功能的Agent智能体。适合的场景还是有限的。

想一步让AI把人的活都干完，应该还有一大段路要走。