前言
AI agent 产品不要太火，通用人工智能，这市场不知有多大。
举几个非常有名的产品：
\1. Manus https://manus.im/app
\2. Genspark https://www.genspark.ai/
\3. atypica https://atypica.musedam.cc/
… 很多
举几个开源的项目：
\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
…
技术原理解析
LangManus
字节团队开源，现github下架了，使用langgraph框架开发
介绍下langgraph 多智能体架构（灵活）
langManus架构
系统由以下智能体协同工作：
- 协调员（Coordinator）：工作流程的入口点，处理初始交互并路由任务
- 规划员（Planner）：分析任务并制定执行策略
- 主管（Supervisor）：监督和管理其他智能体的执行
- 研究员（Researcher）：收集和分析信息
- 程序员（Coder）：负责代码生成和修改
- 浏览器（Browser）：执行网页浏览和信息检索
- 汇报员（Reporter）：生成工作流结果的报告和总结
技术细节
模型分3种
- 推理模型
- 基础模型
- 多模态模型
7个智能体使用的模型
协调员（Coordinator）
如果是闲聊就直接回复，其他去planner
规划员（Planner）
研究员（Researcher）、程序员（Coder）、浏览器（Browser）
deer-flow
看下来是langmanus的优化版本
架构
协调器：管理工作流生命周期的入口点
- 根据用户输入启动研究过程
- 在适当时候将任务委派给规划器
- 作为用户和系统之间的主要接口
规划器：负责任务分解和规划的战略组件
- 分析研究目标并创建结构化执行计划
- 确定是否有足够的上下文或是否需要更多研究
- 管理研究流程并决定何时生成最终报告
研究团队：执行计划的专业智能体集合：
- 研究员：使用网络搜索引擎、爬虫甚至 MCP 服务等工具进行网络搜索和信息收集。
- 编码员：使用 Python REPL 工具处理代码分析、执行和技术任务。 每个智能体都可以访问针对其角色优化的特定工具，并在 LangGraph 框架内运行
报告员：研究输出的最终阶段处理器
- 汇总研究团队的发现
- 处理和组织收集的信息
- 生成全面的研究报告
manus架构网上揭秘
最后的最后
感谢你们的阅读和喜欢，作为一位在一线互联网行业奋斗多年的老兵，我深知在这个瞬息万变的技术领域中，持续学习和进步的重要性。
为了帮助更多热爱技术、渴望成长的朋友，我特别整理了一份涵盖大模型领域的宝贵资料集。
这些资料不仅是我多年积累的心血结晶，也是我在行业一线实战经验的总结。
这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。如果你愿意花时间沉下心来学习，相信它们一定能为你提供实质性的帮助。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
大模型知识脑图
为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
经典书籍阅读
阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。
实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
面试资料
我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下
640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
