我要投稿

AI Agent技术原理解析 —— LangManus、Deerflow...

发布日期：2025-05-24 14:05:28 浏览次数： 2425

作者：亦折亦顺

微信搜一搜，关注“亦折亦顺”

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

任务规划器、任务调度器、搜索、编码、数据分析员、报告员

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-04-08

同一个模型，换个Harness排名跳了25位：智能体基础设施完全解剖

2026-03-28

LangChain的DeepAgents子代理实战：复杂任务为什么一定要交给 SubAgent

2026-03-27

LangChain的DeepAgents工具体系全解析：MCP、Skills 与沙箱安全怎么配合

2026-03-26

实现一个基于LangChain 的 RAG 智能问答Agent实践

2026-03-26

都 2026 年了，为什么还有人分不清 LangChain 和 LangGraph？

2026-02-24

进阶指南：BrowserUse + AgentRun Sandbox 最佳实践

2026-02-11

LangGraph五真相

2026-02-10

langchain4j 新版混合检索来了，RAG 准确率直接拉满

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

自建一个 Agent 很难吗？一语道破，万语难明

2026-01-29

Deepagents落地场景来了：用openwork实现专属办公小管家

2026-01-22

全球首个Skills Vibe Agents，AtomStorm技术揭秘：我是怎么用Context Engineering让Agent不"变傻"的

2026-01-28

langchain4j 新版混合检索来了，RAG 准确率直接拉满

2026-02-10

都 2026 年了，为什么还有人分不清 LangChain 和 LangGraph？

2026-03-26

Agent生态碎片化终结，.agents/skills统一所有工具

2026-02-04

LangGraph五真相

2026-02-11

进阶指南：BrowserUse + AgentRun Sandbox 最佳实践

2026-02-24

LangChain的DeepAgents工具体系全解析：MCP、Skills 与沙箱安全怎么配合

2026-03-27

探秘 AgentRun丨为什么应该把 LangChain 等框架部署到函数计算 AgentRun

2026-02-06

大家都在问

都 2026 年了，为什么还有人分不清 LangChain 和 LangGraph？

2026-03-26

不再搞Chain 设计的LangChain 1.0，与LangGraph有哪些区别？

2025-11-03

为什么我们选择 LangGraph 作为智能体系统的技术底座？

2025-10-29

LangChain创始人：如何让AI智能体（Agent）跑得更快？

2025-07-14

“你问我答”，LangChain 是怎么帮 AI 变聪明的？

2025-07-13

一文看懂 LangChain：为什么火？核心模块都干啥？

2025-07-05

LangChain的OpenAI和ChatOpenAI，到底应该调用哪个？

2025-06-26

【LangChain 团队重磅实测报告】多智能体架构揭秘：谁才是性能之王？

2025-06-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部