单纯从我简单的使用上，让我想到了魔镜：

魔镜魔镜，快告诉我，baidu.com 的 seo 做的怎么样？

魔镜魔镜，快告诉我，近 100年来，美国最聪明的人是谁？

魔镜魔镜，快告诉我，近100年来，美国最漂亮的女人是谁？

魔镜魔镜....啪，1美元没了！

开个玩笑，我们言归正传，下面简单介绍下我这次的体验吧：

准备工作

Manus 爆火之后，github 迅速涌出 openManus，据说只花了 3个小时。

出于好奇，就跑了下看看。

首先，官方的安装教程比较友好，借助 uv(官方的推荐方法二)，一个没什么 python 基础的人(比如我)，也能很快配置好环境并完成安装。

使用上需要配置自己的 api_key 和对应的模型请求 url(这一步可能需要一点玩 ai 的基础，或者找个中间商配置一下也行)。

也是按照官方文档来配置即可，下面是我的配置：

核心就是请求的 url 和 api_key。

这两步搞定，就可以直接，启动：python main.py

我本来以为会打开一个网页，然后输入你的指令，openmanus 自动帮你跑啊这些的，结果是在命令行。

好吧，3个小时的话，其实也没毛病。

小试牛刀

接下来就是文章开头的一幕了，刚好也没啥问的，就问一些简单的问题吧。

看起来命令行一大堆内容，实际上基本可以分为两步：

1. run: 执行的开始，看起来是 x/30，似乎是设置了最多30轮的样子

2. toolcall: 这一阶段分为思考，选择工具，执行工具，完成工具执行

这两步交替执行，完成最终的任务后，返回结果。

在我上述的例子中，执行了多轮：

第一轮，选择了 google_search， 找到了 n 多篇文章。

第二轮，选择了 file_saver 这个工具，把这些链接保存在了我本地的一个文件中

第三轮，选择 browser_use 这个工具，打开了这些链接中的第一个，这一步是在我本机上打开的

第四轮，选择了 python_execute 来审查网页，最终观察到了 近百年来 USA 最漂亮的女人 是奥黛丽赫本

第五轮，选择了 file_saver，把结论保存在了本地的一个文件中

第六轮，选择了 terminate 这个工具，也就是终止，并告知最终执行结果：success。

结果就是去最终本地保存的文件查看。

说实话，从这里来看，其实还不如让普通的对话机器人联网搜索下来的快。

而且这段执行下来，大概花费在 0.2美金左右，对应我选择的模型，大概是 0.2M tokens 的样子，可比单纯聊天花费多太多了。

浅浅看看原理

从实际的体验来看，个人感觉并不是特别大的技术突破。

核心还是借助大模型的能力，来从工具集中选择工具并执行。

简单画个图，大概是样子：

说是缝合，似乎也不为过。

不过这个系统更像是一个可以成长的机器人，一方面，可以通过不断的向其中增加工具集，来完善 agent 的能力。

而另一方面，从大模型入手，将人类的思考方式灌入，比如拆分任务(这一步已经在进行中了，在 run_flow.py 中)后，再进入工具选择阶段。

总结

整体来讲，openManus 的推出速度可谓是非常快了，拆分任务，选择工具，执行工具，得到结果，这种模式确实很强，具备比较大的成长空间。

虽然目前比较简陋，但是随着工具集的扩充，流程的拆分，相信未来大有可为。

同时，在 token 的消耗量上，也是一个需要优化的地方，目前的消耗量，还是承担不起的，性价比并不高。

最后，回答下一开始的问题：

1. baidu 的 seo 做的怎么样，agent 回答：The website has a good SEO score.
2. 近百年来最聪明的美国人：Albert Einstein

这两问题，花费 0.8美金，其实还蛮气人的！

当然，也别忘记关注我的公众号：程序员芋仔。

AI程序员时代(饭碗随时会丢)，我也组建了一个前端抱团取暖群，欢迎加我微信来撩：mxb151，加群备注简单的自我介绍和加群哦。