[笔记] 深入指南：使用 OpenManus 本地部署使用指南.

鲁子狄

已于 2025-03-14 16:30:24 修改

阅读量5.1k

点赞数 89

分类专栏：笔记 # AI # 免费使用文章标签：笔记人工智能 ai AI编程语言模型

于 2025-03-14 16:24:28 首次发布

本文链接：https://blog.csdn.net/LuChangQiu/article/details/146250506

版权

笔记同时被 3 个专栏收录

27 篇文章

订阅专栏

免费使用

5 篇文章

订阅专栏

2 篇文章

订阅专栏

在这个快速变化的技术时代，找到一个能够有效支持项目管理与团队协作的工具变得尤为重要。今天，我们将一起探索一款名为OpenManus的新兴开源解决方案。无论你是开发新手还是经验丰富的技术专家，OpenManus都提供了一套全面的功能来满足你的需求，从而让项目管理变得更加简单而高效。

OpenManus 简介 :
OpenManus是一个旨在提升团队协作效率的开源平台，它不仅支持传统的代码管理任务，如版本控制和分支管理，而且还集成了先进的AI驱动工具，以增强项目的自动化水平和智能化程度。该平台特别适合那些需要跨职能团队紧密合作的复杂项目，因为它可以轻松地整合来自不同领域的贡献者的工作流程。无论是开发者、设计师还是产品经理，都能在OpenManus中找到适合自己角色的功能，实现无缝沟通与协作。此外，通过配置外部API接口，OpenManus还能与其他服务集成，进一步扩展其应用范围和能力。

一. 克隆仓库

Github 地址 : Github/OpenManus

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

在这里插入图片描述

二. 环境安装配置 (选择其一)

方式一 : 使用 uv（推荐）

1. 本地下载 uv (快速的 Python 包管理器)

# 下载 uv 安装脚本
Invoke-WebRequest -Uri https://astral.sh/uv/install.ps1 -OutFile install.ps1

# 执行安装脚本以安装 uv 工具
.\install.ps1

在这里插入图片描述

2. 配置环境变量

路径为 powershell 中安装完 uv 输出的内容路径 C:\Users\Administrator\.local\bin

在这里插入图片描述

3. 验证

新打开命令串口

uv --version

在这里插入图片描述

4. 创建激活虚拟环境

# 创建虚拟环境
uv venv

# 激活虚拟环境
.venv\Scripts\activate

在这里插入图片描述

5. 安装依赖

# 不使用国内镜像
uv pip install -r requirements.txt

# 使用国内 清华大学镜像 (推荐,不然太慢了)
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

方式二 : 使用 conda

1. 安装 conda

Miniconda 官网 : anaconda
Miniconda 下载地址 : anaconda.download

在这里插入图片描述

2. 验证

conda --version

在这里插入图片描述

3. 创建激活虚拟环境

# 创建一个新的 Conda 环境，命名为 'open_manus' 并指定 Python 版本为 3.12
conda create -n open_manus python=3.12

# 激活名为 'open_manus' 的 Conda 环境
conda activate open_manus

在这里插入图片描述

4. 安装依赖


# 使用国内清华大学镜像 (推荐,不然太慢了)
 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 不使用国内镜像
pip install -r requirements.txt

在这里插入图片描述

三. LLM 配置 (模型必须支持 tools )

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（可从示例复制）：

copy config\config.example.toml config\config.toml

在这里插入图片描述

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

# 全局 LLM 配置
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为真实 API 密钥
max_tokens = 4096
temperature = 0.0

# 可选特定 LLM 模型配置
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为真实 API 密钥

1. 使用第三方 API key

我用的是硅谷流动(也可用其他供应商)
硅基流动官网：siliconflow

1.1 获取秘钥

在这里插入图片描述

1.2 编写 config/config.toml

base_url = "https://api.siliconflow.cn/v1"

# Global LLM configuration
[llm]
model = "Qwen/QwQ-32B"
base_url = "https://api.siliconflow.cn/v1"
api_key = "sk-你的秘钥"
max_tokens = 4096
temperature = 0.0

# Optional configuration for specific LLM models
[llm.vision]
model = "Qwen/Qwen2-VL-72B-Instruct"
base_url = "https://api.siliconflow.cn/v1"
api_key = "sk-你的秘钥"

在这里插入图片描述

1.3 运行项目+测试

python main.py

在这里插入图片描述

2. 使用本地部署的模型 (ollama)

2.1 ollama 本地搭建 (只看ollama环境变量与下载)

ollama 搭建参考 : [笔记] 探索DeepSeek+现代知识库搭建：Ollama及主流开源工具在现代知识库搭建中的应用与实践——一站式详尽指南

2.2 大模型下载

!!! 所用的大模型必须可以使用 tools
deepseek 不支持 tools

在这里插入图片描述

 ollama run mistral

在这里插入图片描述

2.2 编写 config/config.toml

# Global LLM configuration
[llm]
model = "mistral:latest"
base_url = "http://localhost:11434/v1"
api_key = "ollama"
max_tokens = 4096
temperature = 0.0

# Optional configuration for specific LLM models
[llm.vision]
model = "mistral:latest"
base_url = "http://localhost:11434/v1"
api_key = "ollama"