阿咕噜 AI 实战手册

Appearance

LangManus从入坑到放弃 ​

一、背景 ​

最近老是刷到说国内某大厂复刻了一个Manus，并且还开源了。我心想既然是大厂出品，那多多少少还有几把刷子在里面的，于是就打算下载下来试试，看看效果如何。

这不下不知道，一下吓一跳，刚开始就差点给我劝退了；因为我在克隆项目的时候，老是卡在20%左右的进度，起初我还以为是我网络的问题，后面施加了一点小法术，还是卡在了20%左右，再后来我就没管了，让子弹先飞一会儿。结果你们猜咋了，整个项目大小157.5M，我滴个乖乖，这里面都有些啥啊，这么大！！！

本着好奇害死猫的想法，我进一步查了历史提交记录，发现提交了一个演示视频，作者直接放代码仓库里面提交上去了，后来发现太大了，删除了，重新压缩了一下。

接着我又查了一下我本地的**.git文件夹，发现了一个157M大小的文件，一般情况下.git/objects/pack** 文件过大，可能是由于开发过程中上传过大文件，虽然现已删除，但仍然保存着git记录中，这基本上验证了我的猜想，所以后面的朋友建议直接下载压缩包，以免浪费时间。

five years ago 。。。

嗯。。。，没事儿，好歹是把代码克隆下来了，大点就大点，好用就行。接下就是按照官方步骤来操作了（本文是基于Windows11操作系统环境来编写的）。

二、安装配置 ​

环境准备，先安装node 20+和python3.12

具体步骤请咨询AI！！！

UV安装

bash

# 第一种方式直接安装
# uv安装，官网：https://docs.astral.sh/uv/#installation
# 在poweshell终端执行如下命令
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 第二种方式
pip install uv

安装完成后，在C:\Users\你用户名\AppData\Roaming\uv，配置国内源

uv.toml

index-url="https://mirrors.aliyun.com/pypi/simple"

项目编译

bash
# 安装依赖
uv sync

# Playwright install to use Chromium for browser-use by default
uv run playwright install

配置模型，密钥等资源，切记不要乱改模型和服务商，咱就乖乖的用官方的例子

复制.env.example并重命名为.env，在这里我也踩了一些坑，我把服务换成了硅基流动的，结果可想而知，跑不起来，根本跑不起来，所以还是老老实实的换成了官方的配置，具体**.env**配置如下：

# LLM Environment variables

# 推理 LLM 配置（用于复杂推理任务）
REASONING_MODEL=deepseek-r1
REASONING_API_KEY=sk-密钥
REASONING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 基础 LLM 配置（用于简单任务）
BASIC_MODEL=qwen-max-latest
BASIC_API_KEY=sk-密钥
BASIC_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 视觉语言 LLM 配置（用于涉及图像的任务）
VL_MODEL=qwen2.5-vl-72b-instruct
VL_API_KEY=sk-密钥
VL_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

# 工具 API 密钥
TAVILY_API_KEY=tvly-密钥

# Application Settings
DEBUG=True
APP_ENV=development

# turn off for collecting anonymous usage information
ANONYMIZED_TELEMETRY=false

以上配置需要用到的密钥注册地址：

阿里百炼：https://www.aliyun.com/product/bailian

Tavily：https://tavily.com/

以上步骤弄完了就可以运行项目了

bash
# 在终端执行如下命令
uv run main.py

运行成功，没毛病！

三、前端项目 ​

LangManus还贴心的提供了前端项目，地址：https://github.com/langmanus/langmanus-web ，这就简单了，按如下操作就行！

复制.env.example并重命名为.env，内容不用修改，就这一条

bat
NEXT_PUBLIC_API_URL=http://localhost:8000/api

编译代码并运行

bat
# 安装依赖
npm install

# 运行前端项目
npm run dev

bat
# 在langmanus文件夹下运行后端项目
uv run server.py

出现以上界面就表示项目运行成功了！

四、测试演练 ​

打开http://localhost:3000/ 发现界面还可以！

接下来我们来问一个老问题，让他“统计豆瓣TOP10的电影名称“

效果还挺惊艳的。。。

但是结果好像不是那么肥四鹅。。。

LangManus的结果（让我奇怪的是，我运行了多次，每一次结果都不一样。。。）：

我自己查的结果：

鹅，这个怎么说了，可能跟统计维度有关系，毕竟我给的条件也不是那么精确。整体看起来是不错，就是在模型兼容那方面可能还有点问题，社区活跃度没有OpenManus那么高，只能说加油，期待下一个版本亮瞎各位的双眼。

关注我，了解更多AI黑科技

Copyright © 2019-present Ailot