Manus+Ollama实现本地大模型部署和应用测试

       这几天Manus即DeepSeek后又突然火爆，我也进行了跟踪测试，特记录一下分享给大家，目前来看，Manus的确是一个可以进行任务分解的自动化解决方案，将其他AI需要多次繁杂的迭代对话做了较大的改进，相当于用户抛出一个问题或者关注的主题/任务，剩余工作让Manus自己找素材、找资料、找工具，进行汇总润色测试和验证，最后为用户提供的最终成果，目前测试的中间步骤用户是无法介入的，或者通过用户在提需求时利用约束进行引导，同时，目前只能支持网页和python execute等方式，其他方式还不支持，后续AI在应用场景落地过程中，各个环节都需要具体问题具体分析，进行不同程度的创新，希望后续Manus支持国内各大搜索引擎，支持多种插件等，同时支持用户自定义扩展软件/模块等，支持多模态数据的接入和生成等等。因此，AI落地应用研发的路还较长，需要大家共同努力，通过AI Agent落地到各行各业、千家万户。

一、下载Manus和Ollama

Manus请去github源上下载。解压后按照说明进行python环境的配置和依赖库安装即可。

ollama下载和安装配置详见我的其他文章或者其他类似文章。

二、Ollama配置

1.安装大模型，运行命令：ollama run qwen2.5:7b，注意：这里记得选择支持function call的大模型哦。
2.测试ollama是否正常：http://localhost:11434/，返回正常即可。
3.配置api-key方式如下：
Windows：通过环境变量配置OLLAMA_API_KEY=sk-123456
Linux：通过命令行配置或修改.bashrc文件，命令为: export OLLAMA_API_KEY=sk-123456
4.重启ollama即可

三、Manus配置

打开第一步下载的源码文件，解压后进入到OpenManus\config，复制config.example.toml文件，并改名为config.toml，然后修改里面内容为以下内容。

# Global LLM configuration  
[llm]  
model = "qwen2.5:7b"  
base_url = "http://localhost:11434/v1"  
api_key = "sk-123456"  # 这个key要和前面第二步的配置一样
max_tokens = 4096  
temperature = 0.0

四、应用测试

进入到OpenManus目录，运行如下命令进行测试

# 稳定版本运行，建议用这个。
python main.py
# 开发版本运行
python run_flow.py

示例：请编写一个计算器

五、其他注意事项

1.由于默认Manus会用到googlesearch，因此需要大家科学上网才能测试，期待后续支持国内各大搜索引擎。
2.Linux中记得用source命令让OLLAMA_API_KEY环境变量起效。