Manus 超强开源版本，OpenManus + QwQ-32B 实现 AI Agent

OpenManus 是由 MetaGPT 团队于 2025 年 3 月推出的开源项目，旨在复刻 Manus 的核心功能，为用户提供无需邀请码、可本地化部署的智能体解决方案。
QwQ 是 Qwen 系列的推理模型，相比传统指令调优模型，QwQ 具备思考和推理能力，在下游任务尤其是难题上能取得显著性能提升。
本教程基于 QwQ-32B 模型和 gpt-4o 为 OpenManus 提供推理服务。

教程链接：https://go.openbayes.com/e3Ncw

使用云平台：OpenBayes
http://openbayes.com/console/signup?r=sony_0m6v

登录 http://OpenBayes.com，在「公共教程」页面，选择键部署 「OpenManus + QwQ-32B 实现 AI Agent」教程。

页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

选择「NVIDIA GeForce A6000」以及「vLLM」镜像，OpenBayes 平台上线了新的计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。可以使用文章开头的邀请链接，获得 RTX 4090 使用时长！

稍等片刻，待系统分配好资源，当状态变为「运行中」后，点击「打开工作空间」，即可进入 Jupyter 工作页面。

进入工作空间后，首先找到 OpenManus/config/config.toml 路径下的文件来自定义设置并添加视觉模型 API 密钥：

# 全局 LLM 配置
[llm]
model = "QwQ-32b"
base_url = "http://127.0.0.1:8000/v1"
api_key = "empty"
max_tokens = 16384
temperature = 0.0


# 可选 vision LLM 模型配置 
# 若没有可用的 vision LLM 可以将其注释掉，注释会对最终结果产生一定影响（后续会部署一个内置 vision LLM 版本教程，来替代下述 [llm.vision]
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为您的 OpenAI API 密钥（此处需自行申请 API Key）

然后新建一个终端，输入以下命令后回车启动 OpenManus。

conda activate /input2/py12
 cd OpenManus/
 python main.py

通过终端输入你的创意 prompt，这里我们展示如何做一个「点击计分」小游戏。

• Prompt:制作一个「点击计分」游戏，玩家需要在一定时间 30s 内尽可能多地点击按钮来得分。能够通过 8080 端口访问，用 Node.js 和 Express 作为服务器，并使用 HTML、CSS 和 JavaScript（前端）来创建一个简单的小游戏。将项目文件保存在 game 目录下。

等待 step 1/30 完成 30 个步骤（约需 30 分钟），终端出现「The interaction has been completed with status：success」后，即可在 OpenManus/game 目录看到整个项目文件。

同时我们也可以看到 OpenManus 的思考过程。

最后开启一个终端，在终端中输入以下命令即可启动游戏。点击「API 地址」处的小箭头跳转。

cd OpenManus/game
node server.js