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：

  1. Manus https://manus.im/app

2. Genspark https://www.genspark.ai/

  1. atypica https://atypica.musedam.cc/

..... 很多

舉幾個開源的項目：

  1. 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：

  1. 協調員（Coordinator）：工作流程的入口點，處理初始交互並路由任務

  2. 規劃員（Planner）：分析任務並制定執行策略

  3. 主管（Supervisor）：監督和管理其他智能體的執行

  4. 研究員（Researcher）：收集和分析信息

  5. 程序員（Coder）：負責代碼生成和修改

  6. 瀏覽器（Browser）：執行網頁瀏覽和信息檢索

  7. 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

  1. 推理模型

  2. 基礎模型

  3. 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

  1. 協調器：管理工作流生命週期的入口點

  2. 根據用戶輸入啓動研究過程

  3. 在適當時候將任務委派給規劃器

  4. 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

  1. 分析研究目標並創建結構化執行計劃

  2. 確定是否有足夠的上下文或是否需要更多研究

  3. 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：

  1. 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。

  2. 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

  1. 彙總研究團隊的發現

  2. 處理和組織收集的信息

  3. 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

猜你喜歡