Manus平替品Open Manus,完全开源,本地部署! 完全免费,对接 Ollama 本地大模型,真香!

👍仅 3 天时间,Manus 开源版 OpenManus 便火爆出圈,收获了 39K Stars!它完全免费,无需漫长等待,无任何费用,也无需 API KEY,可直接对接本地开源大模型。通过调用本地 Ollama,使用体验超棒!

视频教程见文末尾

本地部署步骤

环境准备:

安装方式介绍:

  • 为适配不同系统用户,提供两种安装途径,分别适用于 Windows 系统以及 macOS、Linux 系统。

方式一:conda 安装(推荐 Windows 用户使用)

步骤 1:新建一个 conda 环境 。

conda create -n open_manus python=3.12
conda activate open_manus

如果第二个命令,你遇到的错误提示 CondaError: Run 'conda init' before 'conda activate' 表明,在使用 conda activate 命令之前,需要先运行 conda init 命令对 Conda 进行初始化。

conda init 命令的作用是将 Conda 的环境激活脚本添加到你的 shell 配置文件里,像 .bashrc 或者 .zshrc 这类文件。当你首次安装 Conda 时,并不会自动执行这个初始化操作。

你可以按以下步骤操作:

  1. 运行 conda init 命令。根据你的系统不同,使用对应的 shell 命令:

    1. 对于 Windows 系统的命令提示符或 PowerShell:

conda init

  • 对于 Linux 或 macOS 系统的 Bash 或 Zsh:

conda init bash  # 如果你使用的是 Bash
conda init zsh   # 如果你使用的是 Zsh

2.关闭并重新打开你的终端窗口,让初始化设置生效。

3.再次尝试激活环境:

conda activate open_manus

完成这些步骤后,应该就能成功激活 open_manus 环境了。

步骤 2:克隆存储库。

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

这里有的可能需要关闭防护墙,关闭后,重新打开cmd终端,进入(open_manus)

然后再用步骤2代码,这里可能遇到登录授权GitHub账号

步骤 3:安装依赖项。

pip install -r requirements.txt

步骤 4:安装Ollama 本地部署AI大模型。

Ollama 官方下载:【点击前往

由于本地对接的AI模型,必须使用有函数调用的模型才可以, 比如 qwen2.5-coder:14b、qwen2.5-coder:14b-instruct-q5_K_S、qwen2.5-coder:32b 都可以,视觉模型可以使用 minicpm-v

本地模型安装命令:

ollama run qwen2.5-coder:14b

根据自己的显存选择除了14B:ollama run qwen2.5-coder:14b的,还有32B: ollama run qwen2.5-coder:32b 7B: ollama run qwen2.5-coder:7b 3B: ollama run qwen2.5-coder:3b 1.5B: ollama run qwen2.5-coder:1.5b 0.5B: ollama run qwen2.5-coder:0.5b

视觉模型安装命令:

ollama run minicpm-v

可以不下载,直接使用千问的大模型

当然你可以安装任何你想要的,只要支持函数调用的模型就可以, 只需在安装命令 ollama run 后面跟上模型名称即可!

步骤 5:修改配置文件

在安装目录下,找到 OpenManus\config\config.example.toml ,把config.example.toml 改成 config.toml

然后将里面的内容改成如下:

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

# [llm] #AZURE OPENAI:
# api_type= 'azure'
# model = "YOUR_MODEL_NAME" #"gpt-4o-mini"
# base_url = "{YOUR_AZURE_ENDPOINT.rstrip('/')}/openai/deployments/{AZURE_DEPOLYMENT_ID}"
# api_key = "AZURE API KEY"
# max_tokens = 8096
# temperature = 0.0
# api_version="AZURE API VERSION" #"2024-08-01-preview"

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

注意:里面的模型文件名称要改成你自己安装的,后面的视觉模型可以和上面的一致,也可以自定义其它的视觉模型!

最后运行即可

python main.py

详细的使用教程如下:

运行以后就可以进行使用了!它就可以完全自动调用浏览器,打开并浏览,查询并收集需要的信息

下次打开运行的命令如下:

 
conda activate open_manus
cd OpenManus
python main.py


方法 2:使用 uv(适合macOS用户)

1、安装 uv(快速 Python 包安装程序和解析器):

curl -LsSf https://astral.sh/uv/install.sh | sh

2、克隆存储库:

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

3、创建一个新的虚拟环境并激活它:

Windows 系统

uv venv
.venv\Scripts\activate

macOS系统

uv venv
source .venv/bin/activate

4、安装依赖:

uv pip install -r requirements.txt

5、安装Ollama 本地部署AI大模型

更多内容,详细见教程

官方开源项目:【链接直达

如何卸载已安装过的模型?在CMD终端下,通过命令:

ollama list  # 查询已安装的模型
ollama rm 模型名称  # 卸载并删除模型
 

比如需要删除qwen2.5-coder:14b模型,那么只需输入:

ollama rm qwen2.5-coder:14b

即可删除模型

视频教程

Manus 爆火!OpenManus 开源替代,无需邀请码,Ollama 对接,本地部署+实测

### 关于 OpenManus本地视觉模型 OpenManus 是一款开源AI 工具,其设计旨在提供一种完全免费且无需依赖外部 API 的解决方案[^1]。然而,在当前公开的信息中并未明确提及 OpenManus 是否内置了专门针对本地视觉任务的模型。尽管如此,可以通过其架构特点推测可能的支持方向。 #### OpenManus 的多智能体协作系统 OpenManus 使用的是多智能体协作系统(Multiple Agent System),这种架构允许它集成多种类型的子模块来完成复杂的任务[^2]。如果需要实现本地视觉处理能力,则可以假设该框架能够扩展至支持计算机视觉相关的功能。例如: - **图像识别**:通过调用已有的开源视觉库(如 TensorFlow 或 PyTorch 预训练模型)并将其嵌入到 OpenManus 中。 - **对象检测**:利用 YOLOv8 等轻量级目标检测算法作为插件形式接入。 以下是简单的伪代码示例展示如何加载预训练模型用于基本的对象分类任务: ```python import torch from torchvision import models, transforms from PIL import Image def load_model(): model = models.resnet50(pretrained=True) model.eval() return model transform_pipeline = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), ]) image_path = 'example.jpg' img = Image.open(image_path).convert('RGB') input_tensor = transform_pipeline(img) model = load_model() output = model(input_tensor.unsqueeze(0)) print(output.argmax().item()) ``` 虽然上述代码片段并非直接来自 OpenManus,但它展示了如何将现有资源融入类似的项目结构之中。 #### 可能的应用领域 假如未来版本确实引入了此类特性,那么潜在用途广泛,比如但不限于以下几个方面: - 自动化文档扫描与解析; - 实时监控画面异常行为捕捉; - 增强现实环境下的交互体验优化等等。 需要注意的是目前官方文档里并没有确切提到有关这部分的内容更新计划或者具体实施方案详情说明。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值