nanobot 的 Gateway 架构展示了如何构建一个高内聚、低耦合的多渠道系统。通过统一的消息模型和抽象的渠道接口，它成功地屏蔽了不同社交平台之间的复杂性。本文是这个系列的第六篇。在下一篇中，我们将深入探讨 Gateway 的进阶功能——定时任务与心跳机制，看看 nanobot 如何让 AI 从”被动响应”转变为”主动服务”。懂原理，比会调包更重要。希望这个系列能帮你拆掉 AI Agent

这篇文章深入解析了 nanobot 的子智能体（Subagents）系统，揭秘其如何通过 `spawn` 工具和 `SubagentManager` 实现复杂任务的并行处理。文章详细拆解了主智能体召唤“分身”的底层流程、子智能体专注任务的独立运行机制，以及二者如何巧妙地通过 MessageBus（消息总线）注入系统消息实现跨时空协作与结果汇总。同时，还为开发者提供了实用的异步执行调试技巧，展示了

本文带你拆解其 Skills 系统，看它如何通过简单的 Markdown 文件教 AI 使用新工具，以及“按需加载”机制如何节省宝贵的上下文窗口。

本文带你拆解其 Skills 系统，看它如何通过简单的 Markdown 文件教 AI 使用新工具，以及“按需加载”机制如何节省宝贵的上下文窗口。

在这四个文件构成了 nanobot 的核心身份。为什么要把这些关键指令放在 Markdown 文件里？人类可读（Human-Readable）：你不需要懂 Python，只要会写字，就能修改 Agent 的性格。版本控制（Version Control）：你的 Agent 进化过程可以被git commit记录。极简定制：想让 Agent 变幽默？改SOUL.md。想让它记住你的偏好？改USER.

为什么 nanobot 不需要复杂的向量数据库也能拥有长期记忆？本文带你深入拆解其独特的 Markdown 记忆系统，看它如何通过“两层架构”和“自我固化”机制实现持久化记忆。

nanobot 的设计哲学在agent命令和MessageBus中体现得淋漓尽致：用最简单的 Python 原生工具（如），解决最复杂的解耦问题。理解了这一层，你就已经掌握了 nanobot 跨渠道通信的精髓。下一篇，我们将深入 nanobot 最具特色的部分：Markdown 驱动的记忆系统（Memory System），看看它是如何让 AI “长记性”的！💡nanobot算法上没有什么大的创

学习任何一个开源项目，第一步永远是：把它跑起来，然后看它怎么动。nanobot 的安装和配置非常简单，但简单背后隐藏着很多 Agent 设计的精妙之处。今天，我们就来拆解它的“启动仪式”。

nanobot 的设计哲学在agent命令和MessageBus中体现得淋漓尽致：用最简单的 Python 原生工具（如），解决最复杂的解耦问题。理解了这一层，你就已经掌握了 nanobot 跨渠道通信的精髓。下一篇，我们将深入 nanobot 最具特色的部分：Markdown 驱动的记忆系统（Memory System），看看它是如何让 AI “长记性”的！💡nanobot算法上没有什么大的创

新装好的anaconda应该是这样的：下面这张图片清晰的显示了右侧部分不能完全展现在显示器中导致使用不方便解决办法：左上角依次点击File->Preferences(或者直接按Ctrl+P)把勾去掉，点击Apply，后重启anaconda即可重启方法：File->Restart(Ctrl+R)重启后:...