LangManus 安装设置 - AI 自动化框架环境搭建指南

你也可以参考 01Coder 发布的这部影片

前置要求

• uv 包管理器

安装步骤

LangManus 使用 uv 作为包管理器以简化依赖管理。 按照以下步骤设置虚拟环境并安装必要的依赖：

## 步骤 1：用uv创建并激活虚拟环境
uv python install 3.12
uv venv --python 3.12


## Unix/macOS 系统：
source .venv/bin/activate


## Windows 系统：
.venv\Scripts\activate


## 步骤 2：安装项目依赖
uv sync

配置

LangManus 使用三层 LLM 系统，分别用于推理、基础任务和视觉语言任务，使用项目根目录下conf.yaml进行配置，您可以复制conf.yaml.example到conf.yaml开始配置：

cp conf.yaml.example conf.yaml

## 设置为true会读取conf.yaml配置，设置为false会使用原来的.env配置，默认为false（兼容存量配置）
USE_CONF: true


## LLM Config
## 遵循litellm配置参数: https://docs.litellm.ai/docs/providers, 可以点击具体provider文档，参看completion参数示例
REASONING_MODEL:
  model: "volcengine/ep-xxxx"
  api_key: $REASONING_API_KEY # 支持通过$ENV_KEY引用.env文件中的环境变量ENV_KEY
  api_base: $REASONING_BASE_URL


BASIC_MODEL:
  model: "azure/gpt-4o-2024-08-06"
  api_base: $AZURE_API_BASE
  api_version: $AZURE_API_VERSION
  api_key: $AZURE_API_KEY


VISION_MODEL:
  model: "azure/gpt-4o-2024-08-06"
  api_base: $AZURE_API_BASE
  api_version: $AZURE_API_VERSION
  api_key: $AZURE_API_KEY

您可以在项目根目录创建 .env 文件并配置以下环境变量，您可以复制 .env.example 文件作为模板开始：

cp .env.example .env

## 工具 API 密钥
TAVILY_API_KEY=your_tavily_api_key
JINA_API_KEY=your_jina_api_key  # 可选


## 浏览器配置
CHROME_INSTANCE_PATH=/Applications/Google Chrome.app/Contents/MacOS/Google Chrome  # 可选，Chrome 可执行文件路径
CHROME_HEADLESS=False  # 可选，默认是 False
CHROME_PROXY_SERVER=http://127.0.0.1:10809  # 可选，默认是 None
CHROME_PROXY_USERNAME=  # 可选，默认是 None
CHROME_PROXY_PASSWORD=  # 可选，默认是 None

注意：

- 系统对不同类型的任务使用不同的模型：
- 推理 LLM 用于复杂的决策和分析
- 基础 LLM 用于简单的文本任务
- 视觉语言 LLM 用于涉及图像理解的任务
- 所有 LLM 的配置可以独立自定义
- Jina API 密钥是可选的，提供自己的密钥可以获得更高的速率限制（你可以在 jina.ai 获该密钥）
- Tavily 搜索默认配置为最多返回 5 个结果（你可以在 app.tavily.com 获取该密钥）

配置预提交钩子

LangManus 包含一个预提交钩子，在每次提交前运行代码检查和格式化。设置步骤：

1. 使预提交脚本可执行：

chmod +x pre-commit

1. 安装预提交钩子：

ln -s ../../pre-commit .git/hooks/pre-commit

预提交钩子将自动：

• 运行代码检查（make lint）
• 运行代码格式化（make format）
• 将任何重新格式化的文件添加回暂存区
• 如果有任何代码检查或格式化错误，阻止提交