> ## Documentation Index > Fetch the complete documentation index at: https://docs.siliconflow.cn/llms.txt > Use this file to discover all available pages before exploring further. # OpenManus > 更新日期：2025年3月8日 ## 1. 安装 OpenManus 参考[安装指南](https://github.com/mannaandpoem/OpenManus?tab=readme-ov-file#installation)完成相关代码下载和依赖安装。 ## 2. 配置 OpenManus 在 config 目录设置 config.toml，参考如下配置： ```toml theme={null} # Global LLM configuration [llm] model = "Qwen/QwQ-32B" # 或者平台中的其他支持 function calling 模型，参见[Function Calling](https://docs.siliconflow.cn/cn/userguide/guides/function-calling) base_url = "https://api.siliconflow.cn/v1" api_key = "your_api_key_from_siliconcloud" max_tokens = 16384 temperature = 0.6 # Optional configuration for specific LLM models [llm.vision] model = "Qwen/Qwen2-VL-72B-Instruct" # 或者平台中的其他视觉语言模型，参见[vision](https://docs.siliconflow.cn/cn/userguide/capabilities/vision) base_url = "https://api.siliconflow.cn/v1" api_key = "your_api_key_from_siliconcloud" ``` ## 3. 使用 OpenManus 通过命令行 ```shell theme={null} python main.py ``` ### 3.1 下面是某次运行的大致流程： | 步骤 | 工作内容 | 使用工具 | 输入/参数 | 输出/结果 | | -- | ------------------- | --------------- | -------------------------------------------------- | ------------- | | 1 | 分析用户需求，确定搜索策略 | google\_search | "global soybean market analysis 2025 report" | 搜索结果链接列表 | | 2 | 分析搜索结果，决定使用中文搜索 | google\_search | "全球大豆市场 2025 年分析报告" | 搜索结果链接列表 | | 3 | 分析中文搜索结果，决定访问USDA网站 | browser\_use | action: "navigate", url: USDA网站链接 | 成功导航到USDA网站 | | 4 | 获取USDA网站HTML内容 | browser\_use | action: "get\_html" | 网页HTML内容 | | 5 | 分析HTML内容，决定保存数据 | file\_saver | 保存HTML内容到文件 | 成功保存HTML文件 | | 6 | 分析如何处理HTML数据 | - | - | 思考处理HTML的策略 | | 7 | 编写Python脚本解析HTML数据 | python\_execute | 解析HTML的Python代码 | 解析结果（大豆产量数据） | | 8 | 分析解析结果，决定获取更多数据 | browser\_use | action: "navigate", url: FAO网站链接 | 成功导航到FAO网站 | | 9 | 获取FAO网站HTML内容 | browser\_use | action: "get\_html" | 网页HTML内容 | | 10 | 编写Python脚本解析FAO数据 | python\_execute | 解析FAO数据的Python代码 | 解析结果（FAO大豆数据） | | 11 | 编写Python脚本合并数据 | python\_execute | 合并USDA和FAO数据的代码 | 合并后的数据集 | | 12 | 编写Python脚本生成图表 | python\_execute | 生成图表的Python代码 | 生成的图表数据 | | 13 | 保存生成的图表 | file\_saver | 保存图表数据到文件 | 成功保存图表文件 | | 14 | 搜索气候变化对大豆影响 | google\_search | "climate change impact on soybean production 2025" | 搜索结果链接列表 | | 15 | 访问气候变化研究网站 | browser\_use | action: "navigate", url: 气候研究网站链接 | 成功导航到气候研究网站 | | 16 | 获取气候研究网站HTML | browser\_use | action: "get\_html" | 网页HTML内容 | | 17 | 编写Python脚本分析气候数据 | python\_execute | 分析气候数据的Python代码 | 气候影响分析结果 | | 18 | 编写Python脚本整合所有数据 | python\_execute | 整合所有数据的Python代码 | 整合后的完整数据集 | | 19 | 编写Python脚本生成报告框架 | python\_execute | 生成报告框架的Python代码 | 报告HTML框架 | | 20 | 编写Python脚本添加数据到报告 | python\_execute | 添加数据到报告的Python代码 | 带数据的报告HTML | | 21 | 编写Python脚本添加图表到报告 | python\_execute | 添加图表到报告的Python代码 | 带图表的报告HTML | | 22 | 编写Python脚本添加气候分析到报告 | python\_execute | 添加气候分析的Python代码 | 带气候分析的报告HTML | | 23 | 编写Python脚本添加结论到报告 | python\_execute | 添加结论的Python代码 | 带结论的完整报告HTML | | 24 | 保存完整报告HTML | file\_saver | 保存报告HTML到文件 | 成功保存报告HTML文件 | | 25 | 编写Python脚本将报告转为PDF | python\_execute | HTML转PDF的Python代码 | 报告PDF数据 | | 26 | 保存报告PDF | file\_saver | 保存PDF数据到文件 | 成功保存报告PDF文件 | | 27 | 编写Python脚本创建报告摘要 | python\_execute | 创建摘要的Python代码 | 报告摘要文本 | | 28 | 保存报告摘要 | file\_saver | 保存摘要到文件 | 成功保存摘要文件 | | 29 | 编写Python脚本发送报告邮件 | python\_execute | 发送邮件的Python代码 | 邮件发送结果 | | 30 | 总结完成的工作，等待下一步指示 | - | - | 最终总结和下一步建议 | ### 3.2 执行日志 INFO \[browser\_use] BrowserUse logging setup complete with level info INFO \[root] Anonymized telemetry enabled. See [https://docs.browser-use.com/development/telemetry](https://docs.browser-use.com/development/telemetry) for more information. Enter your prompt (or 'exit' to quit): 全球大豆市场 2025 年分析报告 2025-03-08 18:08:00.304 | WARNING | **main**:main:15 - Processing your request... 2025-03-08 18:08:00.305 | INFO | app.agent.base:run:137 - Executing step 1/30 2025-03-08 18:08:25.067 | INFO | app.agent.toolcall:think:53 - ✨ Manus's thoughts: 好的，我现在需要处理用户关于“全球大豆市场2025年分析报告”的请求。首先，用户想要一份分析报告，这可能包括市场趋势、产量、价格、主要生产国、消费国以及未来预测等方面的信息。由于报告涉及未来数据，可能需要最新的行业数据和预测，而这些信息通常来自市场研究公司或权威机构的报告。 接下来，我需要考虑如何获取这些信息。用户提供的工具包括Google搜索、浏览器使用、Python执行和文件保存。首先，我应该使用Google搜索来查找相关的分析报告或数据来源。可能需要搜索关键词如“global soybean market analysis 2025 report”或者“大豆市场预测2025”，看看是否有权威机构如美国农业部（USDA）、国际粮食政策研究所（IFPRI）或市场研究公司如Frost & Sullivan、Mordor Intelligence等发布的报告。 使用Google搜索工具时，我需要构造合适的查询词，并可能需要多个关键词组合来确保找到最新的信息。搜索结果返回的链接可能包括PDF报告、行业分析文章或新闻稿。之后，可能需要使用浏览器工具访问这些链接，查看具体内容，提取关键数据。如果某些报告需要付费或注册，可能需要寻找免费摘要或通过其他途径获取。 另外，用户可能希望报告以结构化的方式呈现，比如图表或数据表格。这时候可能需要使用Python来处理数据，例如从网页中抓取数据，或者生成图表。但首先需要确保有可用的数据源。如果搜索到的数据是文本形式，可能需要手动整理或使用Python的解析库如BeautifulSoup或Pandas来处理。 保存最终的报告或分析结果可能需要使用文件保存工具，将整理好的数据、图表或总结文本保存为文档或代码文件。例如，将分析结果写入Markdown或PDF文件，或者生成一个HTML页面展示图表。 现在，第一步应该是执行Google搜索，收集相关链接。然后根据搜索结果决定下一步行动，可能是访问具体网页提取数据，或者发现需要进一步处理的数据。如果搜索结果中有直接可下载的PDF报告，可能需要使用浏览器工具下载文件，但可能需要处理文件内容，比如使用Python读取PDF内容。如果报告需要付费，可能需要寻找替代资源或建议用户购买。 另外，可能需要考虑时间因素，2025年的预测数据可能在2023或2024年的报告中已经存在，因此搜索时可能需要限定时间范围。不过Google搜索工具的参数中没有时间选项，可能需要在查询词中加入年份，如“2023 global soybean market forecast 2025”。 总结步骤： 1. 使用Google搜索查找相关报告链接。 2. 分析搜索结果，访问相关网页，提取关键数据。 3. 使用Python处理和整理数据，生成图表或分析结果。 4. 将最终报告保存为文件。 现在，首先执行Google搜索，看看能找到哪些资源。可能需要多次调整关键词以确保找到足够的信息。如果搜索结果不够，可能需要进一步细化查询，例如按地区、主要公司或特定方面（如价格趋势、产量预测）来搜索。 ``` "name": "google_search", "arguments": { "query": "global soybean market analysis 2025 report", "num_results": 10 } ``` 如需查看详细结果，请[参见此处链接](https://raw.githubusercontent.com/siliconflow/siliconcloud-cookbook/refs/heads/main/examples/openmanus/30-step-log.txt)