摘要：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。

LangManus 实现了一个分层的多智能体系统，其中有一个主管智能体协调专门的智能体来完成复杂任务. 其中：

Qwen：提供开源语言模型

Tavily：提供搜索能力

Jina：提供网络爬虫技术

Browser-use：提供浏览器控制能力

LangChain：支撑 LLM 交互和链式操作

LangGraph：为复杂多智能体编排提供支持

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。

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

核心智能体角色

主管（src/prompts/supervisor.md）：通过分析请求并确定由哪个专家处理来协调团队并分配任务。负责决定任务完成情况和工作流转换。

研究员（src/prompts/researcher.md）：专门通过网络搜索和数据收集来收集信息。使用 Tavily 搜索和网络爬取功能，避免数学计算或文件操作。

程序员（src/prompts/coder.md）：专业软件工程师角色，专注于 Python 和 bash 脚本。处理：

Python 代码执行和分析

Shell 命令执行

技术问题解决和实现

文件管理员（src/prompts/file_manager.md）：处理所有文件系统操作，重点是正确格式化和保存 markdown 格式的内容。

浏览器（src/prompts/browser.md）：网络交互专家，处理：

网站导航

页面交互（点击、输入、滚动）

从网页提取内容

提示系统使用模板引擎（src/prompts/template.py）来：

加载特定角色的 markdown 模板

处理变量替换（如当前时间、团队成员信息）

为每个智能体格式化系统提示

每个智能体的提示都在单独的 markdown 文件中定义，这样无需更改底层代码就可以轻松修改行为和职责。

来源：夏琳看科技