新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenManus本地部署实战:miniconda+ollama配置TaoToken全流程亲测

发布时间:2026/11/17 0:16:30来源:尧图网络
OpenManus本地部署实战:miniconda+ollama配置TaoToken全流程亲测
1. OpenManus 本地部署到底卡在哪miniconda 与 ollama 的真实场景OpenManus 是一个开源的可执行智能体项目能根据自然语言指令自动拆解任务、调用工具、生成文件适合想在自己电脑上跑通 Agent 全流程的开发者。它不像云端产品那样需要排队申请权限代码拉下来就能改模型也能自己换。但真正动手部署时大部分人会在两个地方卡住一是 miniconda 环境里 Python 版本和依赖包互相打架二是 ollama 拉下来的本地模型怎么接到 OpenManus 的 config.toml 里以及当你想用统一 API 通道时 settings.json 该怎么写。我试过在 Windows 和 Linux 上各跑一遍发现 conda 依赖冲突和 API 通道配置是最耗时间的两个环节。conda 的问题通常出在 Python 3.12 和某些包对 3.11 的硬性要求上而 API 通道的问题则是很多人只改了 model 名字忘了 base_url 和 api_key 的对应关系。这篇内容会按可复制的步骤走一遍从 miniconda 创建环境、拉取 ollama 模型、配置 TaoToken 统一 Key到本地启动验证和报错排查。每一步都给出完整命令和配置文件骨架你跟着敲就能跑起来。2. 前置准备miniconda 环境与 TaoToken 统一 Key2.1 miniconda 安装与虚拟环境创建miniconda 比 anaconda 轻量只带 conda 和 Python适合专门给 OpenManus 建一个干净环境。下载对应系统的安装包后Windows 下勾选“Add to PATH”Linux 下执行bash Miniconda3-latest-Linux-x86_64.sh并按提示确认。安装完成后新开一个终端输入conda --version能输出版本号就说明装好了。接下来创建虚拟环境。OpenManus 官方推荐 Python 3.12但部分依赖在 3.12 下编译会报错所以这里直接指定 3.12 并预留降级空间conda create -n open_manus python3.12 -y conda activate open_manus激活后终端提示符会变成(open_manus)。如果创建时提示“PackagesNotFoundError”先执行conda config --add channels conda-forge再重试。环境建好后不要急着装依赖先把 OpenManus 代码拉下来git clone https://github.com/mannaandpoem/OpenManus.git cd OpenManus没有 git 的话直接在 GitHub 页面下载 zip 解压也行。进入项目根目录后用清华镜像装依赖速度会快很多pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple这一步如果卡在某个包上大概率是版本冲突。可以先单独装pip install pydantic2.9.2再重跑 requirements或者把 Python 降到 3.11 重建环境。2.2 TaoToken 统一 Key 的获取与作用OpenManus 默认配置指向 OpenAI 的接口但那个通道需要付费且对国内网络不友好。更稳的做法是用 TaoToken 作为统一 API 通道它兼容 OpenAI 的请求格式把 base_url 换掉、api_key 换成 TaoToken 的 Key 就能直接跑。TaoToken 的官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。获取 Key 的路径登录后进入控制台在 API Keys 页面创建一个新 Key复制下来。这个 Key 同时能用于模型对话、Coding Plan 和 API 调用不用为每个模型单独申请。如果你后面要长期跑编码类 Agent 任务可以在 Coding Plan 页面看套餐只是验证模型通不通直接用模型对话页面测试就行。接入文档在 doc 页面有完整的参数说明配置前建议扫一眼。3. 可复制配置ollama 模型拉取与 config.toml 骨架3.1 ollama 安装与模型拉取ollama 负责在本地跑模型装好后用命令行拉取。Windows 下下载安装包双击Linux 下执行curl -fsSL https://ollama.com/install.sh | sh。安装完新开终端输入ollama --version确认。然后拉一个轻量模型比如 mistral 7Bollama pull mistral拉完后用ollama list能看到模型名和大小。启动服务ollama serve默认监听http://localhost:11434。你可以先用 curl 测一下curl http://localhost:11434/api/generate -d {model:mistral,prompt:hello}能返回 JSON 就说明本地模型通道通了。3.2 config.toml 配置骨架OpenManus 的配置文件在config/config.toml。先复制示例文件copy config\config.example.toml config\config.tomlLinux 下用cp config/config.example.toml config/config.toml。然后编辑这个文件把 llm 段改成 TaoToken 通道[llm] model claude-3-5-sonnet base_url https://taotoken.net/api/v1 api_key 你的TaoToken Key max_tokens 4096 temperature 0.0 [llm.vision] model claude-3-5-sonnet base_url https://taotoken.net/api/v1 api_key 你的TaoToken Key如果你只想用本地 ollama把 base_url 改成http://localhost:11434/v1api_key 随便填一个非空字符串model 改成mistral。注意 ollama 的 OpenAI 兼容接口路径是/v1不要漏掉。3.3 settings.json 骨架可选统一配置有些版本的 OpenManus 或周边工具会读settings.json来做统一配置。如果你需要可以在项目根目录建一个{ llm: { provider: taotoken, base_url: https://taotoken.net/api/v1, api_key: 你的TaoToken Key, model: claude-3-5-sonnet, max_tokens: 4096, temperature: 0.0 }, ollama: { base_url: http://localhost:11434, model: mistral } }这个文件不是必须的但如果你同时用多个工具把 Key 和地址集中在这里方便切换。改完保存注意 JSON 不能有注释和尾逗号。4. 验证请求本地启动与成功结果配置改完后回到 OpenManus 根目录确认 conda 环境是激活状态conda activate open_manus cd OpenManus python main.py如果一切正常终端会输出 OpenManus 的启动日志然后进入交互提示。你可以输入一个简单任务比如“创建一个 hello.txt 并写入当前时间”观察它是否调用工具并生成文件。成功的话项目目录下会出现 hello.txt内容就是执行时间。用 TaoToken 通道时如果模型返回正常日志里会显示请求的 base_url 是https://taotoken.net/api/v1并且有 token 消耗记录。你可以去 TaoToken 控制台的用量页面核对确认请求确实走通了。本地 ollama 的话日志会显示http://localhost:11434响应速度取决于你机器的配置7B 模型在 16G 内存的机器上大概几秒出结果。验证通过后你可以把main.py里的默认任务改成自己的需求或者用python main.py --task 你的任务描述的方式传参。OpenManus 支持多轮对话和工具调用跑通一次后就可以按自己的场景改 prompt 和工具链了。5. 本篇常见错排查conda 冲突与 API 通道报错5.1 conda 依赖冲突最常见的报错是ERROR: Cannot install -r requirements.txt because these package versions have conflicting dependencies。这通常是 Python 3.12 和某个包不兼容。解决办法有两个一是降级到 3.11 重建环境conda create -n open_manus python3.11 -y conda activate open_manus pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple二是单独固定冲突包的版本比如pip install numpy1.26.4再重跑。如果报错提到pydantic先装pydantic2.9.2。conda 环境里尽量不要混用 pip 和 conda 装同一个包优先用 pip 装 requirements 里的。5.2 API 通道报错如果启动后报401 Unauthorized检查 config.toml 里的 api_key 是否填了 TaoToken 的 Key注意不要有多余空格。报404 Not Found通常是 base_url 写错了TaoToken 的地址是https://taotoken.net/api/v1末尾不要加/chat/completionsOpenManus 会自己拼。报Connection refused则是 ollama 服务没启动执行ollama serve后重试。还有一种情况是模型名不对。TaoToken 通道支持的模型名以接入文档为准不要直接写gpt-4这种先看 doc 页面的模型列表。本地 ollama 的话模型名必须和ollama list里显示的完全一致大小写敏感。5.3 其他启动报错如果python main.py报ModuleNotFoundError说明依赖没装全重新执行 pip install。报config.toml not found则是复制示例文件那一步没做回到项目根目录执行复制命令。Windows 下路径分隔符用反斜杠Linux 下用正斜杠复制命令别搞混。6. 接入与排障TaoToken API Keys 与文档入口跑通之后如果你要把 OpenManus 接到更多模型或长期使用建议把 Key 管理集中到 TaoToken 控制台。API Keys 页面可以创建多个 Key按项目区分方便排查用量。接入文档里有完整的 base_url 列表、模型名对照和错误码说明遇到 4xx 或 5xx 先查文档再改配置。对于需要长期跑编码类 Agent 任务的场景Coding Plan 页面有对应的套餐说明比按量计费更划算。如果只是验证模型通不通直接用模型对话页面发一条消息就能测不用改本地配置。ClaudeCodeAnthropic 相关的接入方式在文档里也有单独章节OpenManus 的 config.toml 里把 model 换成对应名称即可。排障时优先看终端日志的最后 20 行大部分错误信息会直接告诉你哪个文件哪一行出了问题。conda 环境的问题用conda list核对包版本API 通道的问题用 curl 直接测 base_url 是否可达。把这两条链路分开验证定位速度会快很多。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉