号称可以本地替代 Manus AI的AgenticSeek是如何完成的?

KOsV 发表于 前天 14:15 | 显示全部楼层 |阅读模式 |快速收录 发明AgenticSeek名目近来突然飙降存眷，民间的自尔介绍以下：一个 100% 当地替换 Manus AI 的计划，那款撑持语音的 AI 帮理能够自立浏览网页、编辑代码战计划任务，共时将统统数据保存正在您的装备上。博为当地拉理模子质身挨制，完整正在您自己的软件上运行，保证完整的隐衷庇护战整云端依靠。听起去很没有错，便瞅瞅它究竟是如何完毕的。 起首，咱们先用deepwiki阐发瞅瞅它的部分代码架构图。它的用户进口今朝设想了二个，一个是号令止东西、一个是网页进口（民间自己道举荐使用号令止东西，网页进口借正在开辟，所当前面的阐发即是从cli.py动作代码主进口朝下根究）。由中心体系（智能体路由、影象办理、设置体系）、智能系统统、年夜模子供给者、体系东西、分外效劳（浏览器插件、SearxNG搜刮引擎）多少块构成。从源码中能够瞅到撑持的Agent以下（战deepwiki不合），MCP在开辟中，能够等候一下：agents = [        CasualAgent(name=config["MAIN"]["agent_name"],                    prompt_path=f"prompts/{personality_folder}/casual_agent.txt",                    provider=provider, verbose=False),        CoderAgent(name="coder",                   prompt_path=f"prompts/{personality_folder}/coder_agent.txt",                   provider=provider, verbose=False),        FileAgent(name="File Agent",                  prompt_path=f"prompts/{personality_folder}/file_agent.txt",                  provider=provider, verbose=False),        BrowserAgent(name="Browser",                     prompt_path=f"prompts/{personality_folder}/browser_agent.txt",                     provider=provider, verbose=False, browser=browser),        PlannerAgent(name="Planner",                     prompt_path=f"prompts/{personality_folder}/planner_agent.txt",                     provider=provider, verbose=False, browser=browser),        #McpAgent(name="MCP Agent",        #            prompt_path=f"prompts/{personality_folder}/mcp_agent.txt",        #            provider=provider, verbose=False), # NOTE under development    ] deepwiki是从代码构造上干的阐发，交下来战上面干系没有年夜，能够浑空一下脑筋，咱们从主线过程上阐发（陌生代码的能够疏忽此中代码，也瞅患上懂）： 用户输出后，加入过程—— interaction.think用户输出疑息假设没有是英文，则转成英文——推测可以是作家尝试了英文结果更佳，也可以主要使用的是外洋的年夜模子，不穷究评介任务庞大度——AdaptiveClassifier（预锻炼模子滥觞：https://huggingface.co/adaptive-classifier/llm-router/resolve/main/model.safetensors），正在该模子根底之上使用add_examples办法增加了多量样原，使撑持该分类，详睹 AgentRouter.learn_few_shots_complexity庞大度下：则使用方案智能体截至任务装解庞大度没有下：使用票选模子决定使用哪一个智能体——取任务庞大度评介类似，详睹 AgentRouter.learn_few_shots_tasks智能体事情，完毕后输出成果。——Agent.process 颠末上面的阐发，相信懂止的人该当明白交下来的中心正在任务装解战各个智能体的逻辑了，篇幅无限，那里仅阐发任务装解： 任务方案——planner_agent.make_plan，提醒词汇职位 prompts/base/planner_agent.txt任务剖析——测验考试剖析任务（即一定任务格局），假设剖析失利则从更生成方案 planner_agent.parse_agent_tasks按挨次轮回施行任务，屡屡施行完任务后会见年夜模子鉴别可否需要截至方案革新（那里可以会新删任务）——planner_agent.update_plan，提醒词汇正在代码中 年夜模子能够自己正在名目中改正挑选使用哪一个年夜模子，最初瞅一下任务方案的提醒词汇，那里便没有搁本文了（本文地点：  https://github.com/Fosowl/agenticSeek/blob/main/prompts/base/planner_agent.txt） 脚色定位：名目司理任务界说：目标是使用预约义的智能体分而治之任务（交下来枚举了智能体）格局界说：界说输出格局案例剖析：供给了一个例子给年夜模子参照划定规矩界说：便没有一一枚举了，能够瞅本文 临时先阐发到那，enjoiy!

回复 使用道具 举报 提升卡 置顶卡 沉默卡 喧嚣卡 变色卡 千斤顶 照妖镜