3天内猛涨2.6k+ Star！LangManus：用自然语言操控全网数据，复杂任务一键执行

无论是学术研究、数据分析还是日常工作，多步骤任务往往耗时耗力。

传统工具需要手动操作多个环节，而随着 AI Agent 应用的不断发展壮大，彻底改变了这一局面。

LangManus 作为一款刚开源的 AI Agent 工具，凭借其强大的大语言模型（LLM）和多样化工具集成，迅速崭露头角。

并且在最近3天内猛涨 2.6k+ Star！

它不仅能通过网络搜索、网页爬取和浏览器控制完成任务，还能自动执行代码、生成报告，堪称研究和自动化的“全能助手”，真正实现端到端的自动化任务执行。

还可通过自然语言交互或 API 调用，驱动多个智能体协同工作，包括协调者（Coordinator）、规划者（Planner）和监督者（Supervisor），确保任务高效完成。

LangManus 的终极目标是能以智能、高效的方式完成各种复杂人物，让你从繁琐中解放出来。

核心能力

• • LLM 集成：支持通义千问等开源模型，多层 LLM 系统适配不同任务复杂度
• • 工具集成：Tavily API 进行网络搜索、Jina 进行神经搜索、高级内容提取
• • Python 集成：内置 Python，可直接进行代码执行，还集成 uv 包管理
• • 工作流管理：可视化工作流控制、多智能体编排、任务分配和监控

快速使用

LangManus 的安装支持本地部署。

前置要求：需保证本地安装 uv 包管理器。

按照以下步骤设置虚拟环境并安装必要的依赖：

# 步骤 1：用uv创建并激活虚拟环境
uv python install 3.12
uv venv --python 3.12

# Unix/macOS 系统：
source .venv/bin/activate

# Windows 系统：
.venv\Scripts\activate

# 步骤 2：安装项目依赖
uv sync

在正式使用之前，还需要配置 LangManus 三层 LLM 系统，分别用于推理、基础任务和视觉语言任务。也就是一些常用的模型、APIKEY、BaseURL等，具体变量名可参考项目文档。

使用方法

使用默认设置运行 LangManus：

uv run main.py

LangManus 提供基于 FastAPI 的 API 服务器，支持流式响应：

# 启动 API 服务器
make serve

# 或直接运行
uv run server.py

API 服务器提供以下端点：

• • POST /api/chat/stream：用于 LangGraph 调用的聊天端点，流式响应

LangManus 还提供一个默认的网页界面，也是一个开源项目：

https://github.com/langmanus/langmanus-web

更多高级用法（如定制智能体或调整工具）可参考 GitHub 文档，几分钟即可上手。

写在最后

LangManus 是一款强大、多功能的 AI 自动化任务助手，能够搜索、爬取、分析数据，自动完成复杂的研究任务。

它有以下 4 大核心优势：

• • 智能任务自动化，自动搜索 + 代码执行 + 网页交互
• • 分层多智能体架构，高效完成复杂任务
• • 支持多种 LLM、工具和搜索引擎，灵活适配不同需求
• • API、命令行、自然语言交互，多种使用方式可选

如果你需要一个智能、高效的任务处理助手，不妨试试它。

GitHub 项目地址：https://github.com/langmanus/langmanus