本文详细介绍了在CountBot中配置多角色AI协作方案的操作指南。通过设置一个主机器人（如CEO）和多个子机器人（如CTO、coder），每个角色可独立配置模型API、系统提示词等参数，实现专业分工。主机器人管理群聊主上下文，子机器人处理特定任务。配置步骤包括：添加多个机器人账号、触发会话生成、为每个会话单独配置模型参数和角色设定，最后将机器人加入同一群聊实现协同工作。这种方案适用于需要不同专业

本文介绍了CountBot接入外部编程工具（Codex、Claude Code、OpenCode）的两种模式：AI模式（组合调用）和直通模式（中转）。AI模式下，CountBot作为主控大脑，先理解用户需求再决定是否调用外部工具，适合综合型AI助手场景；直通模式下CountBot仅作消息中转，直接将IM请求转发给编程工具，适合专注编码的场景。两种模式都需要先配置外部工具Profile，但路由机制不

一个为个人用户设计的、轻量的、中文优先的 AI Agent 框架。21K 行代码，易读易扩展智能记忆 + 主动问候，不只是工具，更像伙伴国产大模型深度适配，零成本可上手多渠道统一，一套代码服务所有平台MIT 协议，完全开源项目今天正式开源，欢迎 Star、Fork、Issue、PR。

本文深入解析了CountBot核心引擎Agent Loop的实现，展示了如何将ReAct（推理+行动）学术理论工程化。该设计采用异步生成器实现流式响应，通过max_iterations防止无限循环，并内置工具调用编排、分层错误处理和取消令牌机制。关键创新包括将工具执行错误反馈给LLM自主处理、全链路流式响应以及智能上下文窗口管理。与LangChain等方案相比，CountBot在循环控制、错误恢复

本文介绍了CountBot工具系统的设计与实现，该系统包含12+内置工具，支持参数验证、审计日志和动态注册。系统通过抽象基类Tool定义统一接口，使用JSON Schema进行参数验证，并采用ToolRegistry管理工具注册与查询。工作空间沙箱确保文件访问安全，条件注册模式灵活加载依赖工具。该系统实现了类型安全、可扩展和安全可控的AI工具框架，为AI Agent提供了一套完整的工具管理方案。

OpenClaw 生态已从 “单一框架” 进化为17 大平台混战。CountBot 不做最极客，不做最重型，只做中文用户最落地、最好用、最省心的 AI Agent。如果你刷遍教程依然部署失败、被英文配置劝退、担心云端隐私 ——CountBot 就是你的最终答案。

2026 年 2 月，开源 AI Agent 赛道正在经历一场有趣的分化。一边是 OpenClaw 以 180K+ GitHub Stars 的统治性地位持续扩张——430K 行代码、52 个模块、丰富的插件生态、Meta 和 OpenAI 的收购传闻。它几乎定义了"个人 AI 助手"这个品类。NanoBot 用 4K 行 Python 证明 Agent 核心逻辑不需要那么多代码。ZeroClaw

Ollama是一个开源的AI模型管理工具，广泛用于模型的部署和管理。然而，近期发现其存在未授权访问漏洞，攻击者可以无需认证访问某些关键接口，获取敏感信息。为了更好地理解这个漏洞，我们将通过实际操作来复现这一过程。通过上述步骤，我们成功复现了Ollama未授权访问漏洞，并利用进行了可视化模型管理。这个过程不仅展示了漏洞的危险性，还提供了如何利用这些接口进行进一步操作的详细步骤。

一个为个人用户设计的、轻量的、中文优先的 AI Agent 框架。21K 行代码，易读易扩展智能记忆 + 主动问候，不只是工具，更像伙伴国产大模型深度适配，零成本可上手多渠道统一，一套代码服务所有平台MIT 协议，完全开源项目今天正式开源，欢迎 Star、Fork、Issue、PR。

2026 年 2 月，开源 AI Agent 赛道正在经历一场有趣的分化。一边是 OpenClaw 以 180K+ GitHub Stars 的统治性地位持续扩张——430K 行代码、52 个模块、丰富的插件生态、Meta 和 OpenAI 的收购传闻。它几乎定义了"个人 AI 助手"这个品类。NanoBot 用 4K 行 Python 证明 Agent 核心逻辑不需要那么多代码。ZeroClaw