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