背景OpenManus是一个小巧的agent框架，是几个优秀的小伙子据说在3个小时复刻Manus而做的。github：https://github.com/mannaandpoem/OpenManus对于我个人而言，Agent这么广泛的炒作， 在看smloagents之余， 也看看OpenManus的小巧的实现。这里只会debug一下主线代码， 支线代码就不做了解了(人总有自己的关注点,不用纠结在细枝末节上)，当然我也在B站上昨晚偶尔刷到了一个东北的up主大概讲了一小时， 发现不太复杂，自己也尝试着看看这个agent框架，当做算法之外的工作的调剂。费曼学习法，干中学！安装环境- 这个readme中有， 或者在vscode或者pycharm中都可以配，建议配个venv
- 充了10块钱的deepseek的会员， 把api_key填好就可以了，
调试为了简单起见，我提问的问题会尽量让大模型调用一个Python的Tool Agent，靠本地代码执行就能完成的任务(其实也试了下web search的prompt，但打开浏览器有些乱七八糟的失败，懒得弄了， 不耽误主线流程)断点问一个问题， 斐波那契数列的第5位是多少memory是什么这里有个memory的概念，其他框架也有， 当然也有实现的比较复杂的那种，我们只看当前openManus的实现，看看memory到底是什么这是坨什么？其实是类似工厂方法的一类东西， 这里的tool和其他的user，system，assistant不一样，应该是因为tool有不定长度的入参， 其他role的入参只有一个字符串到memory的里面呢， 定义了一个Memory，后面是为了保存多步执行的结果的循环执行每一步到底执行了啥？Think是什么？这个think其实是把输入都怼到memory里，调用LLM这里的提示词是这样的 ，提示了几个工具可以用，比较特殊的是Terminate，提示LLM在认为可以结束的时候， 可以使用这个Tool这里把assistant_msg也写入到message这个上下文中Act是什么？其实是开了个线程，在线程里 执行LLM提示的code，其实还是有些巧思在里面， 例如安全性， 这里只包含了builtins这些函数。把结果塞到result中如何停止呢？既然结果已经有了， 那怎么让这个流程停止呢，openManus靠的还是大模型来判断这一次， LLM给这对prompt的结果就是 terminate了当工具是Terminate时， 这个state的状态也改为FINISHED了， 整个循环也就跳出来了。到这里就看完了这个简单的流程了，Agent也是个挺深的学问结尾这个小巧框架的一点流程就大概讲完了, 实际花费时间2小时不到吧，包括折腾环境。实际上复杂agent框架需要解决很多很多问题， 比如- memory的实现，太长了怎么办，是不是要放到其他存储里，那怎么与LLM交流呢？怎么找出最重要的上下文， 用向量数据库吗？用RAG吗？
- prompt的实现，也一样，现在只有5 6个tool，可以塞在提示词里，当太多了之后怎么办，这些tool要分几个大类，然后再让LLM帮我们找细分类别下的tool吗？
|
