Manus开源平替 – LangManus

作者

引言

在AI时代，如何让机器帮助我们自动化完成复杂任务？Manus 作为一款由中国团队开发的 AI Agent 产品，以其强大的自主研究与任务执行能力引起广泛关注。然而，它的访问权限限制了许多开发者的使用。


幸运的是，社区已经提供了一款开源的替代方案——LangManus。它是一个 AI 自动化框架，能够通过智能规划、搜索、浏览器自动化和代码执行，帮助用户自动完成各种研究任务。

在本篇文章中，我们将手把手教你安装、配置 LangManus，并实战演示如何用它自动化完成一个真实的研究任务。

感兴趣的对本公众号点点关注，冰天雪地跪谢了🎉

LangManus：开源 AI 任务自动化框架

Github地址：https://github.com/langmanus/langmanus


LangManus的核心功能包括： 

  • ✅ 任务规划与分解——智能拆解任务，并选择最佳执行路径。

  •  ✅ 搜索与爬取——可集成 Tavily、Playwright 等工具，自动化信息抓取。 

  • ✅ AI 计算与分析——调用 AI 模型（如 OpenAI、DeepSeek）进行数据处理与推理。 

  • ✅ 自动化研究报告生成——根据研究需求自动生成结构化报告。

LangManus由两大核心模块组成：

  • LangManus（后端）：负责任务调度与执行，提供 API 接口。
  • LangManus Web（前端）：基于 Web UI，提供可视化交互方式。

接下来，我们进行安装与配置。


安装与配置 LangManus

安装LangManus核心


Step 1: 克隆代码仓库：

  1. git clone https://github.com/langmanus/langmanus.git
  2. cd langmanus

Step 2: 使用 uv 进行环境管理：

  1. uv sync
  2. uv pip install playwright  # 安装浏览器自动化工具
  3. cp .env.example .env       # 复制环境变量文件

Step 3: 配置 .env，指定 AI 模型：

  1. REASONING_MODEL_BASE_URL=https://api.deepseek.com
  2. REASONING_MODEL_NAME=deepseek-chat
  3. REASONING_MODEL_API_KEY=your_api_key
  4. NON_REASONING_MODEL=deepseek
  5. VISION_MODEL=openai-gpt-4-vision

Step 4: 启动后端服务：

  1. uv run server.py  # 默认运行在 8000 端口

安装 LangManus Web

Step 1: 克隆 Web 端代码：

  1. git clone https://github.com/langmanus/langmanus-web.git
  2. cd langmanus-web

Step 2: 复制并修改 .env：

  1. NEXT_PUBLIC_API_URL=http://localhost:8000  # 指定后端 API 地址

Step 3: 运行前端：

  1. pnpm install
  2. pnpm run dev  # 运行在 3000 端口

至此，我们完成了 LangManus 的环境搭建，接下来进入实际应用场景！


实战演示：用 LangManus 自动化企业信息研究

在 Manus 官网，我们发现一个研究任务：获取 YC（Y Combinator）旗下 B2B 公司的信息。我们将用 LangManus 复现这一任务。


提出任务在 LangManus Web 界面，我们输入：

“获取 YC W25 批次下所有 B2B 公司的信息，并生成表格。”

任务执行流程LangManus 会自动完成以下步骤：

  • ✅任务规划 🛠️ —— 识别所需信息，拆解任务。
  • ✅搜索 YC 官网 🔍 —— 通过 Tavily 或 Google 搜索找到目标网页。
  • ✅浏览器自动化 🌐 —— 使用 Playwright 访问 YC 网站，并爬取公司信息。
  • ✅数据处理与分析 📊 —— 解析网页结构，提取关键信息。
  • ✅报告生成 📄 —— 以表格形式整理企业数据，并生成最终报告。

在后台日志中，我们可以看到

  • ✅   浏览器自动化执行中（Chrome 界面打开）
  • ✅ 数据抽取完成（公司名称、简介、融资信息等）
  • ✅ 最终报告生成（可导出 Excel / Markdown 格式）

最终，我们获得了一份完整的企业信息研究报告！🎉

LangManus 的应用场景

除了上述案例，LangManus 还可以应用于：

  • ✅ 自动化市场调研 —— 竞争对手分析、行业趋势报告。
  • ✅ 科研辅助 —— 文献综述、学术搜索。
  • ✅ 代码生成与执行 —— 结合 AI 进行编程任务自动化。
  • ✅ 情报收集 —— 监控特定行业动态、自动提取关键信息。

总结

LangManus 作为一个 AI 任务自动化框架，为无法使用 Manus 的用户提供了一个强大的开源替代方案。它不仅能自动化执行研究任务，还可以通过不同的 AI 工具组合出各种智能工作流，大幅提升生产力。

💡 想尝试 LangManus？ 立即部署并探索它的无限可能！如果有任何问题，欢迎留言交流，或者直接在 GitHub 提交 Issue 或 PR。

🚀 你的 AI 助手，从 LangManus 开始！


（文：PyTorch研习社）

欢迎分享

发表评论