【OWL部署】Manus又一开源平替OWL真的很好用吗？手把手带你部署并运行你的AI助手OWL（对接Qwen、硅基流动接口）-bet3365.com-bet3365.com-bt365如何-直播365app下载

声明：本公众号所有文章均仅限个人学习或技术研究使用，不可用作任何违法获利或任何不良诱导宣传。如有类似事情发生，与本频道无关。

一、背景知识介绍

1、什么是OWL?

借用官方团队的话来说，OWL 是一个前沿的多智能体协作框架，推动任务自动化的边界，构建在CAMEL-AI Framework（Github官方链接https://github.com/camel-ai/camel，该框架使多智能体系统能够通过生成数据和与环境交互来不断发展，具有强可扩展性，支持具有数百万代理的系统，确保大规模的有效协调，通信和资源管理。）。团队的愿景是彻底变革 AI 智能体协作解决现实任务的方式。通过利用动态智能体交互，OWL 实现了跨多领域更自然、高效且稳健的任务自动化。

2、OWL的核心功能

如下图所示，OWL结合多AI大模型协作以及各类工具包调用来解决真实世界的各种问题。参考官方文档，OWL的核心功能如下：

在线搜索：支持多种搜索引擎（包括维基百科、Google、DuckDuckGo、百度、博查等），实现实时信息检索与知识获取

多模态处理：支持互联网或本地视频、图片、语音

处理浏览器操作：借助Playwright框架开发浏览器模拟交互，支持页面滚动、点击、输入、下载、历史回退等功能

文件解析：word、excel、PDF、PowerPoint信息提取，内容转文本/Markdown

代码执行：编写python代码，并使用解释器运行

丰富工具包：提供丰富的工具包，包括ArxivToolkit（学术论文检索）、AudioAnalysisToolkit（音频分析）、CodeExecutionToolkit（代码执行）、DalleToolkit（图像生成）、DataCommonsToolkit（数据共享）、ExcelToolkit（Excel处理）、GitHubToolkit（GitHub交互）、GoogleMapsToolkit（地图服务）、GoogleScholarToolkit（学术搜索）、ImageAnalysisToolkit（图像分析）、MathToolkit（数学计算）、NetworkXToolkit（图形分析）、NotionToolkit（Notion交互）、OpenAPIToolkit（API操作）、RedditToolkit（Reddit交互）、SearchToolkit（搜索服务）、SemanticScholarToolkit（语义学术搜索）、SymPyToolkit（符号计算）、VideoAnalysisToolkit（视频分析）、WeatherToolkit（天气查询）、BrowserToolkit（网页交互）等多种专业工具，满足各类特定任务需求。

3、什么是playwright？

playwright-python（常被称作playwright）是微软开源的跨浏览器自动化测试工具，OWL有用到该工具来调用浏览器进行自动化工作，以下是关键信息：

核心功能

多浏览器支持：Chromium/Firefox/WebKit

自动化操作：页面导航、点击、表单填写、截图等

无头模式：可在无界面环境下运行

网络拦截：模拟API响应、处理请求

移动端模拟：支持设备型号模拟（如iPhone 13）

二、OWL环境搭建

OWL官方提供了多种方式的环境部署安装，包括uv、venv、conda、Docker等，上节【OpenManus部署】Manus平替OpenManus真的好用吗？手把手带你部署并运行OpenManus（不需要魔法）我们在部署OpenManus的时候python虚拟环境创建工具使用的是conda，这次我们沿用上次的方法来部署，不知道怎么安装conda的大家可以参考上节内容。

1、Python Conda环境创建

在自己想要部署OWL的目录，按照上节【OpenManus部署】Manus平替OpenManus真的好用吗？手把手带你部署并运行OpenManus（不需要魔法）文章中介绍的方法安装miniconda后，在PowerShell中运行如下命令创建并启动owl的python Conda环境

conda create -n owl python=3.10

conda activate owl

创建conda环境

激活conda环境

2、克隆OWL代码（听核心工程师说昨晚有更新哦，新版更稳定）

git clone https://github.com/camel-ai/owl.git

PowerShell切换到你要部署OWL的文件目录，运行如上代码后，等待代码下载完成，如下图所示：

然后运行如下命令，进入owl目录

#Windows CMD

cd .\owl

#Linux/Mac/Windows Powershell

cd ./owl

如下图所示为切换目录后在Powershell中执行ls命令后看到的代码目录结构：

3、依赖安装

官方推荐作为包安装，那我们就运行如下命令安装依赖包（时间大约5分钟，下载速度取决于网速，我这里指定了国内阿里源）：

pip install -e . -i https://mirrors.aliyun.com/pypi/simple

安装完成后如下图所示：

4、大模型接口及API配置（硅基流动、QWEN）

大模型接口及API配置文件是一个叫.env的文件，大家可以在项目owl\owl目录下将.env_template复制一份，重命名为.env，如下图所示：

（1）硅基流动自定义接口配置：

“极智引擎”公众号在上期OpenManus部署过程中已经讲解过硅基流动及其接口的配置，不了解的同学可以访问：https://mp.weixin.qq.com/s?__biz=Mzk3NTUyNDUxOQ==&mid=2247483764&idx=1&sn=2c779b8573ae5a4c15b40940cda6b9c6&scene=21#wechat_redirect查看，调用硅基流动接口需要支付一定的费用，但官方给新注册的用户赠送了一部分金额，足够做几次小研究使用了，大家随时关注自己账户余额即可。

打开前文所述的.env文件，添加如下自定义配置后保存：

# SILICONFLOW

SILICONFLOW_API_KEY='这里需要替换成你自己硅基流动的Key'

SILICONFLOW_API_URL='https://api.siliconflow.cn/v1'

然后切换到项目的examples文件夹，这里创建一个自定义的支持硅基流动的脚本文件，我这里命名是run_SiliconFlow.py，文件内容大家可以直接复制我这里调整好的代码直接用。硅基流动我这里配置的语义模型为“Qwen/QwQ-32B”，图形识别模型为“Qwen/Qwen2-VL-72B-Instruct”，这里大家根据自己喜好修改即可。

# Licensed under the Apache License, Version 2.0 (the "License");

# you may not use this file except in compliance with the License.

# You may obtain a copy of the License at

# http://www.apache.org/licenses/LICENSE-2.0

# Unless required by applicable law or agreed to in writing, software

# distributed under the License is distributed on an "AS IS" BASIS,

# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.

# See the License for the specific language governing permissions and

# limitations under the License.

# To run this file, you need to configure the Qwen API key

# You can obtain your API key from Bailian platform: bailian.console.aliyun.com

# Set it as QWEN_API_KEY="your-api-key" in your .env file or add it to your environment variables

from dotenv import load_dotenv

from camel.models import ModelFactory

from camel.configs import SiliconFlowConfig

from camel.toolkits import (

CodeExecutionToolkit,

ExcelToolkit,

ImageAnalysisToolkit,

SearchToolkit,

VideoAnalysisToolkit,

BrowserToolkit,

FileWriteToolkit,

)

from camel.types import ModelPlatformType, ModelType

from camel.societies import RolePlaying

from owl.utils import run_society, DocumentProcessingToolkit

from camel.logger import set_log_level

import pathlib, sys

base_dir = pathlib.Path(__file__).parent.parent

env_path = base_dir / "owl" / ".env"

load_dotenv(dotenv_path=str(env_path))

set_log_level(level="DEBUG")

def construct_society(question: str) -> RolePlaying:

"""

Construct a society of agents based on the given question.

Args:

question (str): The task or question to be addressed by the society.

Returns:

RolePlaying: A configured society of agents ready to address the question.

"""

# Create models for different components

models = {

"user": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/QwQ-32B",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"assistant": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/QwQ-32B",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"web": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/Qwen2-VL-72B-Instruct",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"planning": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/QwQ-32B",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"video": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/Qwen2-VL-72B-Instruct",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"image": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/Qwen2-VL-72B-Instruct",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

"document": ModelFactory.create(

model_platform=ModelPlatformType.SILICONFLOW,

model_type="Qwen/Qwen2-VL-72B-Instruct",

model_config_dict=SiliconFlowConfig(temperature=0.2).as_dict(),

}

# Configure toolkits

tools = [

*BrowserToolkit(

headless=False, # Set to True for headless mode (e.g., on remote servers)

web_agent_model=models["web"],

planning_agent_model=models["planning"],

output_language="Chinese",

).get_tools(),

*VideoAnalysisToolkit(model=models["video"]).get_tools(),

*CodeExecutionToolkit(sandbox="subprocess", verbose=True).get_tools(),

*ImageAnalysisToolkit(model=models["image"]).get_tools(),

SearchToolkit().search_duckduckgo,

SearchToolkit().search_google, # Comment this out if you don't have google search

SearchToolkit().search_wiki,

SearchToolkit().search_baidu,

*ExcelToolkit().get_tools(),

*DocumentProcessingToolkit(model=models["document"]).get_tools(),

*FileWriteToolkit(output_dir="./").get_tools(),

]

# Configure agent roles and parameters

user_agent_kwargs = {"model": models["user"]}

assistant_agent_kwargs = {"model": models["assistant"], "tools": tools}

# Configure task parameters

task_kwargs = {

"task_prompt": question,

"with_task_specify": False,

}

# Create and return the society

society = RolePlaying(

**task_kwargs,

user_role_name="user",

user_agent_kwargs=user_agent_kwargs,

assistant_role_name="assistant",

assistant_agent_kwargs=assistant_agent_kwargs,

output_language="Chinese",

)

return society

def main():

r"""Main function to run the OWL system with an example question."""

# Example research question

if len(sys.argv) > 1:

question = str(sys.argv[1])

else:

question = "浏览百度告诉我未来一周北京天气！并帮我制定北京的旅游计划！"

# Construct and run the society

society = construct_society(question)

answer, chat_history, token_count = run_society(society)

# Output the result

print(f"\033[94mAnswer: {answer}\033[0m")

if __name__ == "__main__":

main()

这里我魔改了下官方代码，在结尾的main函数中做了调整，让脚本支持传参的形式获取用户prompt，也省去了大家来回在脚本中改提示词的烦恼。也和核心工程师反馈了该问题，工程师反馈会尽快在新版本中进行优化。

（2）QWEN大模型自定义接口配置：

千问的配置官方已写好脚本，就是在examples目录下的run_qwen_zh.py以及run_qwen_mini_zh.py。从工程师那里了解到，当前支持官方接口的效果比较好，这也就是为啥我要给大家讲解这一块的原因。像.env配置文件里所讲到的，大家可以直接访问https://help.aliyun.com/zh/model-studio/developer-reference/get-api-key去获取自己的API Key。同硅基流动一样，调用接口官方也需要收取费用，但当前新注册使用的用户官方赠送百万token供大家体验使用，大家自己关注token使用情况即可。

访问如上链接后，点击如下位置获取API Key

点击创建我的API-KEY

选择默认业务空间，添加点备注后点确定即可成功创建

创建成功后点击“查看”按钮查看指定的密钥

然后点击“复制”即可成功复制

在.env文件的如下图位置配置你自己的QWEN密钥即完成了QWEN大模型的配置，OWL将调用qwen的语义分析及图形识别大模型完成用户授予的工作。

然后切换到项目的examples文件夹，和先前一样魔改官方代码run_qwen_zh.py，其实就是添加支持脚本传参的代码，文件内容大家可以直接复制我这里调整好的代码直接用。

# Licensed under the Apache License, Version 2.0 (the "License");

# you may not use this file except in compliance with the License.

# You may obtain a copy of the License at

# http://www.apache.org/licenses/LICENSE-2.0

# Unless required by applicable law or agreed to in writing, software

# distributed under the License is distributed on an "AS IS" BASIS,

# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.

# See the License for the specific language governing permissions and

# limitations under the License.

# To run this file, you need to configure the Qwen API key

# You can obtain your API key from Bailian platform: bailian.console.aliyun.com

# Set it as QWEN_API_KEY="your-api-key" in your .env file or add it to your environment variables

from dotenv import load_dotenv

from camel.models import ModelFactory

from camel.toolkits import (

CodeExecutionToolkit,

ExcelToolkit,

ImageAnalysisToolkit,

SearchToolkit,

VideoAnalysisToolkit,

BrowserToolkit,

FileWriteToolkit,

)

from camel.types import ModelPlatformType, ModelType

from camel.societies import RolePlaying

from owl.utils import run_society, DocumentProcessingToolkit

from camel.logger import set_log_level

import pathlib, sys

base_dir = pathlib.Path(__file__).parent.parent

env_path = base_dir / "owl" / ".env"

load_dotenv(dotenv_path=str(env_path))

set_log_level(level="DEBUG")

def construct_society(question: str) -> RolePlaying:

"""

Construct a society of agents based on the given question.

Args:

question (str): The task or question to be addressed by the society.

Returns:

RolePlaying: A configured society of agents ready to address the question.

"""

# Create models for different components

models = {

"user": ModelFactory.create(