OpenManus 任务拆分和动态规划实现机制

最新推荐文章于 2025-05-15 20:36:21 发布
最新推荐文章于 2025-05-15 20:36:21 发布
阅读量931 收藏 16
点赞数 12
文章标签： 动态规划 代理模式 github
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013675373/article/details/146444169
版权

OpenManus 是一个基于 LLM 的任务规划和执行框架，其核心功能是通过 LLM 智能拆分任务并动态执行。本文详细介绍 OpenManus 中的任务拆分和动态规划实现机制。

一、框架概述

OpenManus 采用多层架构设计实现任务拆分和动态规划，主要包括以下核心组件：

  • FlowFactory：工厂模式创建流程实例
  • PlanningFlow：管理任务规划和执行
  • PlanningTool：提供计划的创建、更新、执行等功能
  • Manus：执行具体任务的代理

整体工作流程：

  1. 使用 PlanningFlow 进行任务规划和拆解
  2. 通过 LLM 动态生成执行计划
  3. 使用 Manus 代理执行具体任务
  4. 支持任务状态追踪和动态调整

二、任务拆分机制

2.1 任务规划初始化

任务规划初始化是通过向 LLM 发送特定的提示来实现的：

async def _create_initial_plan(self, request: str):
    # 创建系统消息指导LLM进行规划
    system_message = Message.system_message(
        "您是任务规划助手。创建一个简洁、可执行的计划，包括明确的步骤。"
        "优先考虑关键里程碑，而不是详细的子步骤。"
        "优化清晰度和效率。"
    )
    
    # 创建用户消息描述任务
    user_message = Message.user_message(
        f"创建一个合理的计划，包括明确的步骤，以完成任务：{request}"
    )

系统通过向 LLM 发送特定的提示，引导其分析用户任务并生成执行计划。这种方式允许 LLM 根据任务的复杂性和特点动态决定需要的步骤数量和类型。

2.2 步骤类型识别

系统会自动从步骤描述中识别步骤类型：

# 尝试从步骤文本中提取步骤类型（例如，[SEARCH] 或 [CODE]）
import re
type_match = re.search(r"\[([A-Z_]+)\]", step)
if type_match:
    step_info["type"] = type_match.group(1).lower()

这种机制使系统能够根据步骤类型选择合适的执行器，例如搜索步骤使用搜索执行器，编码步骤使用代码执行器等。

2.3 默认计划创建

如果 LLM 未能生成有效计划，系统会创建一个默认计划：

# 创建默认计划
await self.planning_tool.execute(
    **{
        "command": "create",
        "plan_id": self.active_plan_id,
        "title": f"计划：{request[:50]}{'...' if len(request) > 50 else ''}",
        "steps": ["分析请求", "执行任务", "验证结果"],
    }
)

这确保了即使在 LLM 规划失败的情况下，系统仍然能够继续执行任务。

三、动态规划实现

3.1 执行循环

系统通过循环执行以下步骤来实现动态规划：

while True:
    # 获取当前步骤信息
    self.current_step_index, step_info = await self._get_current_step_info()
    
    # 如果没有活动步骤，则退出
    if self.current_step_index is None:
        result += await self._finalize_plan()
        break
        
    # 执行当前步骤
    step_type = step_info.get("type") if step_info else None
    executor = self.get_executor(step_type)
    step_result = await self._execute_step(executor, step_info)
    result += step_result + "\n"

这个循环会不断获取当前待执行的步骤，选择合适的执行器，执行步骤并记录结果，直到所有步骤都执行完毕。

3.2 执行器选择

系统会根据步骤类型动态选择最合适的执行器：

def get_executor(self, step_type: Optional[str] = None) -> BaseAgent:
    # 如果步骤类型匹配，则使用该类型的代理
    if step_type and step_type in self.agents:
        return self.agents[step_type]
        
    # 否则，选择第一个可用的执行器代理或回退到主代理
    for key in self.executor_keys:
        if key in self.agents:
            return self.agents[key]
            
    # 回退到主代理
    return self.primary_agent

这种机制确保每个步骤都由最合适的执行器处理，提高了执行效率和成功率。

3.3 步骤执行

每个步骤执行时，系统会准备完整的执行上下文：

async def _execute_step(self, executor: BaseAgent, step_info: dict) -> str:
    # 准备代理执行上下文
    plan_status = await self._get_plan_text()
    step_text = step_info.get("text", f"步骤 {self.current_step_index}")
    
    # 创建代理执行提示
    step_prompt = f"""
    当前计划状态：
    {plan_status}
    
    您当前的任务：
    您现在正在执行步骤 {self.current_step_index}："{step_text}"
    
    请执行此步骤并提供执行结果。
    """
    
    # 执行代理的run方法
    step_result = await executor.run(step_prompt)
    
    # 标记步骤为完成
    await self._mark_step_completed()
    
    return step_result

这种方式确保执行器拥有执行步骤所需的所有上下文信息，包括当前计划状态和具体任务。

3.4 状态管理

系统使用 PlanStepStatus 枚举跟踪每个步骤的状态：

async def _mark_step_completed(self) -> None:
    # 标记步骤为完成
    await self.planning_tool.execute(
        command="mark_step",
        plan_id=self.active_plan_id,
        step_index=self.current_step_index,
        step_status=PlanStepStatus.COMPLETED.value,
    )

这种状态管理机制使系统能够准确跟踪任务执行进度，并在需要时进行动态调整。

3.5 计划完成

当所有步骤执行完毕后，系统会生成总结报告：

async def _finalize_plan(self) -> str:
    # 创建总结
    system_message = Message.system_message(
        "您是任务规划助手。您的任务是总结完成的计划。"
    )
    
    user_message = Message.user_message(
        f"计划已经完成。以下是最终计划状态：\n\n{plan_text}\n\n请提供总结和最终想法。"
    )
    
    response = await self.llm.ask(
        messages=[user_message],
        system_msgs=[system_message],
    )
    
    return f"计划完成：\n\n{response}"

这个总结报告提供了任务执行的整体情况和最终结果，便于用户了解任务完成情况。

四、实际执行流程示例

以"打开百度"任务为例，完整执行流程如下：

4.1 用户输入与初始化

用户输入：

打开百度

系统初始化：

# 创建 PlanningFlow 实例
planning_flow = PlanningFlow(agents={"primary": planning_agent, "executor": executor_agent})

# 执行流程
result = await planning_flow.execute("打开百度")

4.2 任务分析与计划创建

LLM 分析任务：

[System] 您是任务规划助手。创建一个简洁、可执行的计划，包括明确的步骤。优先考虑关键里程碑，而不是详细的子步骤。优化清晰度和效率。
[User] 创建一个合理的计划，包括明确的步骤，以完成任务：打开百度

LLM 响应（工具调用）：

{
  "id": "call_abc123",
  "type": "function",
  "function": {
    "name": "planning",
    "arguments": "{\"command\":\"create\",\"plan_id\":\"plan_1234\",\"title\":\"打开百度\",\"steps\":[\"使用浏览器导航到百度网站\",\"确认页面加载成功\",\"验证任务完成\"]}"
  }
}

系统执行工具调用结果：

已创建计划 plan_1234: 打开百度
- 步骤 1: 使用浏览器导航到百度网站 [待执行]
- 步骤 2: 确认页面加载成功 [待执行]
- 步骤 3: 验证任务完成 [待执行]

4.3 步骤 1 执行

获取当前步骤信息：

current_step_index, step_info = await self._get_current_step_info()
# 返回: 0, {"text": "使用浏览器导航到百度网站", "status": "pending"}

选择执行器：

executor = self.get_executor(step_info.get("type"))
# 返回: executor_agent (BrowserAgent)

准备执行上下文：

当前计划状态：
计划: 打开百度
- 步骤 1: 使用浏览器导航到百度网站 [进行中]
- 步骤 2: 确认页面加载成功 [待执行]
- 步骤 3: 验证任务完成 [待执行]

您当前的任务：
您现在正在执行步骤 1："使用浏览器导航到百度网站"

请执行此步骤并提供执行结果。

执行器分析并生成工具调用：

{
  "id": "call_def456",
  "type": "function",
  "function": {
    "name": "browser_use",
    "arguments": "{\"command\":\"navigate\",\"url\":\"https://www.baidu.com\"}"
  }
}

浏览器工具执行结果：

{
  "output": "已成功导航到 https://www.baidu.com",
  "error": null,
  "base64_image": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...",
  "system": "页面标题: 百度一下，你就知道"
}

步骤执行结果：

已成功导航到百度网站 (https://www.baidu.com)。
页面标题: 百度一下，你就知道
页面已完全加载，可以看到百度搜索框和相关功能。

更新步骤状态：

await self.planning_tool.execute(
    command="mark_step",
    plan_id="plan_1234",
    step_index=0,
    step_status="completed",
)

4.4 步骤 2 执行

获取当前步骤信息：

current_step_index, step_info = await self._get_current_step_info()
# 返回: 1, {"text": "确认页面加载成功", "status": "pending"}

选择执行器：

executor = self.get_executor(step_info.get("type"))
# 返回: executor_agent (BrowserAgent)

准备执行上下文：

当前计划状态：
计划: 打开百度
- 步骤 1: 使用浏览器导航到百度网站 [已完成]
- 步骤 2: 确认页面加载成功 [进行中]
- 步骤 3: 验证任务完成 [待执行]

您当前的任务：
您现在正在执行步骤 2："确认页面加载成功"

请执行此步骤并提供执行结果。

执行器分析并生成工具调用：

{
  "id": "call_ghi789",
  "type": "function",
  "function": {
    "name": "browser_use",
    "arguments": "{\"command\":\"get_page_info\"}"
  }
}

浏览器工具执行结果：

{
  "output": {
    "url": "https://www.baidu.com/",
    "title": "百度一下，你就知道",
    "ready_state": "complete",
    "elements": {
      "input": 5,
      "button": 8,
      "link": 42,
      "image": 15
    }
  },
  "error": null
}

步骤执行结果：

页面加载状态检查:
- URL: https://www.baidu.com/
- 标题: 百度一下，你就知道
- 加载状态: complete (完全加载)
- 页面元素: 发现搜索输入框、按钮和其他交互元素
- 响应时间: 0.42秒

确认: 百度页面已成功加载，所有元素可见且可交互。

更新步骤状态：

await self.planning_tool.execute(
    command="mark_step",
    plan_id="plan_1234",
    step_index=1,
    step_status="completed",
)

4.5 步骤 3 执行

获取当前步骤信息：

current_step_index, step_info = await self._get_current_step_info()
# 返回: 2, {"text": "验证任务完成", "status": "pending"}

选择执行器：

executor = self.get_executor(step_info.get("type"))
# 返回: executor_agent (PlanningAgent)

准备执行上下文：

当前计划状态：
计划: 打开百度
- 步骤 1: 使用浏览器导航到百度网站 [已完成]
- 步骤 2: 确认页面加载成功 [已完成]
- 步骤 3: 验证任务完成 [进行中]

您当前的任务：
您现在正在执行步骤 3："验证任务完成"

请执行此步骤并提供执行结果。

执行器分析并生成响应：

任务验证总结:

1. 浏览器成功导航到 https://www.baidu.com
2. 页面完全加载，标题为"百度一下，你就知道"
3. 所有页面元素可见且可交互
4. 用户可以在搜索框中输入内容并进行搜索

结论: 任务"打开百度"已成功完成。百度搜索引擎页面已打开并准备好供用户使用。

更新步骤状态：

await self.planning_tool.execute(
    command="mark_step",
    plan_id="plan_1234",
    step_index=2,
    step_status="completed",
)

4.6 计划完成与总结

获取当前步骤信息：

current_step_index, step_info = await self._get_current_step_info()
# 返回: None, None (所有步骤已完成)

生成计划总结：

[System] 您是任务规划助手。您的任务是总结完成的计划。
[User] 计划已经完成。以下是最终计划状态：

计划: 打开百度
- 步骤 1: 使用浏览器导航到百度网站 [已完成]
- 步骤 2: 确认页面加载成功 [已完成]
- 步骤 3: 验证任务完成 [已完成]

请提供总结和最终想法。

LLM 生成总结：

计划"打开百度"已成功执行完毕。系统按照预定步骤，首先通过浏览器导航到百度官方网站(https://www.baidu.com)，然后确认页面已完全加载，所有元素可见且可交互，最后验证了任务的完成状态。整个过程顺利，没有遇到任何错误或异常。用户现在可以在百度搜索引擎上进行搜索或使用其他功能。任务目标已完全达成。

最终返回结果：

计划完成：

计划"打开百度"已成功执行完毕。系统按照预定步骤，首先通过浏览器导航到百度官方网站(https://www.baidu.com)，然后确认页面已完全加载，所有元素可见且可交互，最后验证了任务的完成状态。整个过程顺利，没有遇到任何错误或异常。用户现在可以在百度搜索引擎上进行搜索或使用其他功能。任务目标已完全达成。

五、设计优势

OpenManus 的任务拆分和动态规划机制具有以下优势：

  1. 灵活性：可以处理各种类型的任务，从简单的网页浏览到复杂的数据分析
  2. 可扩展性：易于添加新的执行器和工具，扩展系统功能
  3. 鲁棒性：完善的状态管理和错误处理机制，确保任务执行的稳定性
  4. 智能性：利用 LLM 的理解能力动态规划任务，自适应不同任务特点
  5. 可追踪性：详细记录每个步骤的执行过程和结果，便于调试和优化

六、总结

OpenManus 通过 LLM 驱动的任务规划系统实现了智能的任务拆分和动态规划，能够根据不同任务的特点自适应地创建和执行计划。这种设计不仅提高了系统的灵活性和可扩展性，还充分利用了 LLM 的智能决策能力，为自动化任务执行提供了强大的支持。

通过将任务分解为明确的步骤，并为每个步骤选择最合适的执行器，OpenManus 能够高效地处理各种复杂任务，从而实现真正的智能任务自动化。

智能体在局域网环境下的效果利用思考：基于大模型与OpenManus技术方案创新解读
银行信息系统架构详解
04-21 348
在数字化时代背景下，科技的迅猛发展持续推动企业信息化建设的不断进步。局域网作为企业内部信息交流的关键媒介，其管理效率和智能化程度的提升已成为众多企业关注的热点。本文旨在探讨一种基于大模型的推理能力融合OpenManus通用智能体技术的创新思路，目的是实现通用智能体在局域网环境中的多样化高级功能，为企业网络管理和运维带来革命性的改变。OpenManus的技术栈组成展现了人工智能体开发的典型模式：以人工智能大模型推理能力为大脑，借助Agent工具链拓展其行动和解决问题的能力。首先我们应该了解到，如同智能驾驶的等
【突破性进展】OpenManus 2.0震撼发布：DeepSeek加持，多模型融合，性能提升35%的开源智能体平台
py的学习者
03-09 2203
还记得上一篇文章中介绍的那个"三小时内构建的简易智能体平台"吗？现在，它已经发展成为一个功能强大、组件完善的开源AI智能体项目。让每个人都能在没有邀请码的情况下，轻松体验最前沿的AI智能体技术。从技术架构上看，OpenManus 2.0经历了全面的重构和优化。核心的 ReAct (Reasoning and Acting) 架构得到了保留和强化，同时引入了更为灵活的模块化设计和高效的工具调用机制。这使得OpenManus不仅可以适应更多的大语言模型，还能够更加智能地规划和执行复杂任务。
OpenManus代码详解(五)：app/tool/planning.py
南城同学的博客
03-13 592
"""计划管理工具"""description: str = "用于创建和管理任务计划"plans: Dict[str, Dict] = Field(default_factory=dict) # 存储所有计划},},
Manus到底是什么？
爱吃知识的土豆倪的博客
03-31 874
本文共分为三部分，第一部分简单记录了openManus的启动步骤，方便大家在自己电脑上部署自己的opnemanus；第二部分是结合 通义千问（免费）来使用openMenus的步骤；第三部分是全面透彻的分析Manus到底是什么？
【Agent】OpenManus-Flow-PlanningFlow设计分析
非晓为骁的博客
03-17 853
openManus Flow 组件的 PlanningFlow详细设计
一夜火爆的OpensManus个人化部署与输出初探
qq_43025083的博客
03-09 593
github链接opensmause是一个开源的项目，以自动化部署，结合llm进行创新型发展。在Mause封闭邀请码的同一时间，该团队用三个小时创造出opensmause。本文章将从部署和表现进行分析。
Open manus最简单保姆级使用教程
m0_52053298的博客
03-09 728
openmanus最简单保姆级教程
Agent如何实现自主性和通用性。
最新发布
Rhett_Butler0922的博客
05-15 905
自动化：Agent能够接受用户指令，通过一系列自主执行的步骤（例如规划、执行、反思）处理指令，并在没有人类指导的情况下生成输出。通用性：Agent能够使用单一的、与任务无关的框架，处理任何任务，无论其领域如何（例如新闻摘要、编码、制造）。这些特性通过一个闭环系统实现，该系统集成了大型语言模型（LLM）基于提示的推理模块化工作流工具集成状态管理和反思机制。以下，我们将逐一剖析每个组件及其在实现自动化和通用性中的作用。Workflow是Agent完成任务的结构化步骤序列，类似一个“流程图”。
AI Agent从零到精通：深度解析Workflow、Prompt、Multi-Agent Systems和RL Training
Rhett_Butler0922的博客
05-15 724
工作流是AI智能体完成任务的结构化步骤序列，类似于一个详细的“剧本”或“流程图”。它定义了智能体如何从接收用户目标开始，经过任务分解、工具调用、决策调整，最终生成输出。任务：用户输入“分析某公司财务报表”。工作流：读取报表 → 提取指标 → 计算趋势 → 撰写报告。重要性自动化：将复杂任务分解为可执行步骤，减少用户干预。结构化：确保任务按逻辑顺序完成。动态性：支持实时调整，如数据不足时添加搜索步骤。可扩展：模块化设计适应不同任务。任务：用户输入“总结最近的AI新闻”。工作流步骤输入块。
OpenManus复刻版 Manus
03-09
OpenManus 是MetaGPT 团队推出的开源复刻版 Manus，提供无需邀请码的 Al Agent。OpenManus基于模块化设计，支持多种语言模型和工具链，能执行代码、处理文件、搜索网络信息等复杂任务。OpenManus 的核心优势在于实时反馈机制，用户能直观看到 A1的思考过程和任务执行进度。OpenManus具备强大的工具链和灵活的配置选项，方便开发者根据需求进行定制。 1、本地安装OpenManus:git clone https://github.com/mannaandpoem/OpenManus.git 2、创建环境：conda create -n open_manus python=3.12 3、激活环境：conda activate open_manus 4、安装依赖项：pip install -r requirements.txt 5、配置API：在OpenManus/config目录下，找到config.example.toml文件，复制一个副本，并将副本文件名改为config.toml。 6、启动OpenManus：python main.py
全面掌握AI Agent：从零到精通的工作流、提示、多Agent系统和强化学习训练指南
Rhett_Butler0922的博客
05-15 776
AI Agent是一个自主智能体，能够根据用户输入的目标，自主规划、执行和优化任务，最终生成结果。它不像传统聊天模型（比如ChatGPT）只回答单一问题，而是能处理多步骤、需要工具支持的复杂任务。你要求“写一篇关于AI伦理的文章”，AI Agent会自动搜索资料、整理信息、撰写草稿并校对。在制造业中，ManuS可能优化生产流程，自动调整机器参数。工作流（Workflow）是AI Agent执行任务的步骤序列，就像一个详细的“剧本”或“流程图”。
体验OpenManus
weyson的专栏
03-07 1387
体验用openmanus自动生成一个小游戏
OpenManus LLM 工具调用机制详解
u013675373的博客
03-22 917
所有工具都继承自BaseToolname: strreturn {},每个工具都通过parameters},# 其他参数...},系统将工具定义传递给 LLM，这通常在ask_tooltools=self.available_tools.to_params(), # 将所有可用工具传递给 LLMtool_choice=ToolChoice.AUTO, # 让 LLM 自动选择合适的工具。
OpenManus交互流程
maxcode
03-17 207
OpenManus交互流程。
OpenManus 保姆级入门指南
永远保持随时离开的技术能力！
03-11 4179
OpenManus 保姆级入门指南
Windows系统本地部署OpenManus对接Ollama调用本地AI大模型
2301_79855962的博客
03-21 2243
在DeepSeek引发全网热议后，一款名为Manus的AI产品又掀起了一股新的科技浪潮。这款由国内创新团队Monica.im开发的通用型AI Agent（自主智能体），不仅能够理解并执行用户的复杂指令，还能直接交付成果，彻底改变了我们对AI的认知。然而，遗憾的是它目前尚未全面开放测试。但没想到的是，开源社区迅速给出了回应！来自MetaGPT团队的几位大神级开发者，最近发布了一个名为OpenManus的开源项目，无需邀请码就能让你尽情发挥创意。
通用型AI智能体Manus分析以及首个云平台自行搭建OpenManus
热门推荐
lovely_yoshino的博客
03-07 1万+
我们不难发现，Manus确实可以一次性完成其他AI需要很多次提示才能完成的操作，并且直接实现想法是其他AI难以企及的。但是所有展示的用例中，Manus最多只能完成编写HTML或者执行python这样的操作，说明通用型AI智能体还有相当大的扩展空间，而且可预见的，这样的通用型AI智能体会对服务器性能提出相当大的挑战。我们这里也提供了 Ollama 版本的QWQ深度思考 和 OpenManus结合的样本。现在，您可以开始构建自己的 LLM 应用程序，探索更多的可能性！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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