AI Agent 技術原理解析 —— LangManus、Deerflow---
AI agent 產品不要太火,通用人工智能,這市場不知有多大。
舉幾個非常有名的產品:
- Manus https://manus.im/app
2. Genspark https://www.genspark.ai/
- atypica https://atypica.musedam.cc/
..... 很多
舉幾個開源的項目:
- Suna https://github.com/kortix-ai/suna
2. LangManus https://github.com/Darwin-lfl/langmanus (第 3 方)
3. deerflow https://github.com/bytedance/deer-flow
......
技術原理解析
LangManus
字節團隊開源,現 github 下架了,使用 langgraph 框架開發
介紹下 langgraph 多智能體架構(靈活)
langManus 架構
系統由以下智能體協同工作:
-
協調員(Coordinator):工作流程的入口點,處理初始交互並路由任務
-
規劃員(Planner):分析任務並制定執行策略
-
主管(Supervisor):監督和管理其他智能體的執行
-
研究員(Researcher):收集和分析信息
-
程序員(Coder):負責代碼生成和修改
-
瀏覽器(Browser):執行網頁瀏覽和信息檢索
-
彙報員(Reporter):生成工作流結果的報告和總結
技術細節
模型分 3 種
-
推理模型
-
基礎模型
-
多模態模型
7 個智能體使用的模型
協調員(Coordinator)
如果是閒聊就直接回復,其他去 planner
規劃員(Planner)
研究員(Researcher)、程序員(Coder)、瀏覽器(Browser)
deer-flow
看下來是 langmanus 的優化版本
架構
-
協調器:管理工作流生命週期的入口點
-
根據用戶輸入啓動研究過程
-
在適當時候將任務委派給規劃器
-
作爲用戶和系統之間的主要接口
規劃器:負責任務分解和規劃的戰略組件
-
分析研究目標並創建結構化執行計劃
-
確定是否有足夠的上下文或是否需要更多研究
-
管理研究流程並決定何時生成最終報告
研究團隊:執行計劃的專業智能體集合:
-
研究員:使用網絡搜索引擎、爬蟲甚至 MCP 服務等工具進行網絡搜索和信息收集。
-
編碼員:使用 Python REPL 工具處理代碼分析、執行和技術任務。 每個智能體都可以訪問針對其角色優化的特定工具,並在 LangGraph 框架內運行
報告員:研究輸出的最終階段處理器
-
彙總研究團隊的發現
-
處理和組織收集的信息
-
生成全面的研究報告
manus 架構網上揭祕
任務規劃器、任務調度器、搜索、編碼、數據分析員、報告員
本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源:https://mp.weixin.qq.com/s/rkj5MKU4UZhYdrbXZJgmeQ