阿咕噜 AI 实战手册

Appearance

LangManus：从入坑到“跑路”的奇妙旅程 ​

一、奇幻开场：下载遇“巨坑” ​

最近网上到处都在传，国内某大厂搞出了个Manus的复刻版，还特别大方地开源了。我当时就想，大厂出手，那肯定得有点真本事吧，于是兴致勃勃地打算下载下来瞧一瞧，感受感受这“大厂出品”的魅力。

谁能想到，这一下载，直接给我来了个“下马威”，差点就把我这好奇心给“拍死”在起跑线上。克隆项目的时候，进度条就像被施了定身咒一样，死活卡在20%左右不动弹。我一开始还以为是自家网络抽风了，赶紧各种折腾，什么重启路由器、切换网络模式，能试的招儿都试了，结果它还是稳如泰山地卡在那儿。我一咬牙，心说行，我等，看你啥时候能给我动起来，就让这“子弹”飞一会儿。嘿，您猜怎么着，最后一看，整个项目居然有157.5M！我当时就震惊了，这项目里到底装了啥宝贝，能这么大？

项目克隆进度截图

我这好奇心就像被点了火，根本压不下去。跑去查历史提交记录，好家伙，原来是作者之前把一个演示视频直接扔代码仓库里提交了，后来估计发现太大不对劲，又给删了重新压缩。

历史提交记录截图

我又不死心地去翻本地的.git文件夹，还真发现了一个157M的大文件。一般来说，.git/objects/pack文件这么大，大概率是开发的时候有人上传了超大文件，虽然现在删了，但是git记录里还死死地留着它的“影子”。这下真相大白了，所以各位后来的朋友，听我一句劝，直接下压缩包吧，别像我一样在这儿浪费时间。

本地.git文件夹相关截图

Five years later 。。。

好在最后我还是成功把代码克隆下来了，文件大就大吧，只要后面能好用，那也值了。然后就准备按照官方步骤，在我的Windows11系统上大干一场。

二、安装配置：步步“惊心” ​

环境准备 ​

先安装node 20+和python3.12 ，至于具体怎么装，嘿嘿，我直接跟大家说，问AI就对了。

UV安装 ​

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

# 第二种安装方式
pip install uv

安装完了，还得在C:\Users\你的用户名\AppData\Roaming\uv路径下配置国内源。

uv配置国内源路径截图

uv.toml文件里就写这么一句：

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 ​

这里可得注意了，千万别乱改模型和服务商，咱就老老实实地照着官方例子来。复制.env.example并重命名为.env，我一开始不信邪，把服务换成了硅基流动，结果项目直接给我“罢工”了，根本跑不起来。没办法，又灰溜溜地换回官方配置。具体配置长这样：

# 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

要用到的密钥注册地址也给大家列出来： 阿里百炼：https://www.aliyun.com/product/bailian Tavily：https://tavily.com/

运行项目 ​

在终端输上这命令：

bash
uv run main.py

然后就紧张地盯着屏幕，生怕又出啥幺蛾子。还好，最后出现了成功的界面，那一刻，感觉自己就像驯服了一头小野兽，有点小得意。

项目运行成功截图

三、前端项目：“简单”的折腾 ​

LangManus还挺贴心，弄了个前端项目，地址：https://github.com/langmanus/langmanus-web ，

配置环境文件 ​

复制.env.example并重命名为.env，这里面内容不用改，就留这么一条：

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

编译并运行代码 ​

bat
# 安装依赖
npm install

# 运行前端项目
npm run dev

前端项目运行截图1 然后还得在langmanus文件夹下运行后端项目：

bat
uv run server.py

前端项目运行截图2 看到这界面，心里的大石头才算是落了地，项目总算是跑起来了。

四、测试演练：希望与失望的“碰撞” ​

界面展示 ​

打开http://localhost:3000/ ，看到界面的那一刻，我还心想，嘿，这颜值还挺高，有点“秀外慧中”那意思。

测试界面截图

功能测试 ​

我就想试试它的本事，问了个经典问题：“统计豆瓣TOP10的电影名称” 。一开始它运行的样子，那动画效果，还挺酷炫。

测试过程动画截图

结果呢，看到答案我就傻眼了。LangManus给的结果，每次运行还都不一样，就好像它在跟我玩“猜谜语”，我都怀疑它是不是故意在逗我。

LangManus测试结果截图

再看看我自己查的结果，简直是天壤之别。

自行查询结果截图

鹅。。。，可能是我问的不够详细，统计维度不一样吧。不过说真的，这项目在模型兼容方面感觉确实有点问题，社区也没OpenManus那么热闹。只能说，希望它能加把劲，下一个版本能让我们眼前一亮。

关注我，了解更多AI黑科技

Copyright © 2019-present Ailot