OpenClaw Skills实践：nanobot通过QQ机器人实现‘查天气’‘写Python脚本’等技能链

1. 引言：你的超轻量级AI助手

想象一下，你有一个24小时在线的智能助手，它不仅能陪你聊天，还能帮你查天气、写代码、甚至执行一些简单的系统命令。这听起来像是科幻电影里的场景，但现在，通过一个名为nanobot的开源项目，你完全可以自己搭建一个。

nanobot是一个受OpenClaw启发，但代码量大幅精简的个人AI助手。它的核心代码只有大约4000行，比同类项目的代码量小了99%，这意味着它更轻量、更容易理解和部署。更重要的是，它内置了强大的Qwen3-4B-Instruct-2507模型，并通过chainlit提供了友好的交互界面。

最吸引人的是，你可以轻松地将这个AI助手接入QQ机器人，让它成为你QQ群或私聊中的智能伙伴。无论是查询实时天气，还是让它帮你写一个Python脚本，都能轻松实现。本文将带你一步步完成从部署到接入QQ机器人的全过程，让你拥有一个属于自己的“技能链”AI助手。

2. nanobot核心部署与验证

在开始扩展功能之前，我们需要确保nanobot的核心服务已经正确部署并运行。这个过程非常简单，基本上就是“开箱即用”。

2.1 环境准备与快速验证

当你启动nanobot镜像后，第一件事就是确认模型服务是否正常运行。系统已经预置了vLLM来部署Qwen3-4B-Instruct-2507模型，这是一个在中文理解和代码生成方面表现不错的模型。

打开终端，输入以下命令查看服务状态：

cat /root/workspace/llm.log

如果看到类似下面的输出，就说明模型服务部署成功了：

INFO 07-28 10:30:15 llm_engine.py:72] Initializing an LLM engine...
INFO 07-28 10:30:18 llm_engine.py:158] # GPU blocks: 496, # CPU blocks: 512
INFO 07-28 10:30:20 llm_engine.py:168] KV cache size: 4.00 GB
INFO 07-28 10:30:22 async_llm_engine.py:51] Initialized LLM engine.

这些日志信息告诉你，模型已经成功加载到GPU上，KV缓存（可以理解为模型的“工作内存”）也分配好了，一切准备就绪。

2.2 通过chainlit与nanobot对话

模型服务运行正常后，我们就可以通过chainlit这个Web界面来和nanobot交互了。chainlit提供了一个类似ChatGPT的聊天界面，让你可以直观地测试AI助手的能力。

在浏览器中打开chainlit的界面，你会看到一个简洁的聊天窗口。这里你可以尝试各种问题，比如：

• “你好，介绍一下你自己”
• “Python里怎么读取CSV文件”
• “帮我写一个计算斐波那契数列的函数”

但nanobot更强大的地方在于，它不仅能回答问题，还能执行一些实际的操作。比如，你可以让它查看系统的显卡配置：

使用nvidia-smi看一下显卡配置

nanobot会理解你的指令，然后执行相应的命令，并把结果返回给你。你可能会看到类似这样的回复：

正在执行命令：nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 535.161.07   Driver Version: 535.161.07   CUDA Version: 12.2    |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:00:04.0 Off |                  N/A |
| N/A   45C    P0    25W /  N/A |    2345MiB /  8192MiB |      0%      Default |
+-------------------------------+----------------------+----------------------+

这个功能非常实用，特别是当你需要远程管理服务器或者只是想快速查看系统状态时，不用自己登录终端输入命令，直接问AI助手就行。

3. 接入QQ机器人：让AI助手融入日常聊天

现在我们已经验证了nanobot的核心功能，接下来就是最有趣的部分——把它接入QQ机器人。这样，你就可以在QQ群里或者私聊中直接使用AI助手了。

3.1 创建QQ机器人应用

首先，你需要有一个QQ机器人。访问QQ开放平台（https://q.qq.com/#/apps），注册成为开发者。这个过程是免费的，个人用户也可以申请。

注册完成后，创建一个新的机器人应用。在创建过程中，你需要填写一些基本信息，比如机器人的名称、描述等。这些信息会显示在机器人的资料卡上，所以可以起个有趣的名字，比如“智能小助手”或者“代码帮手”。

创建成功后，平台会给你分配两个重要的信息：AppID和AppSecret。这两个相当于机器人的“账号”和“密码”，nanobot需要通过它们来连接QQ的服务器。

你可以在“开发管理”页面找到这些信息，把它们复制下来，稍后配置时会用到。

3.2 配置nanobot连接QQ机器人

有了AppID和AppSecret后，我们需要告诉nanobot如何连接QQ机器人。这通过修改配置文件来完成。

打开终端，编辑nanobot的配置文件：

vim /root/.nanobot/config.json

在这个配置文件中，找到或者添加channels部分，然后配置QQ通道：

{
  "channels": {
    "qq": {
      "enabled": true,
      "appId": "你的AppID",
      "secret": "你的AppSecret",
      "allowFrom": []
    }
  }
}

这里有几个关键配置项：

• enabled: true：启用QQ通道
• appId：粘贴你从QQ开放平台复制的AppID
• secret：粘贴对应的AppSecret
• allowFrom：这是一个数组，可以指定允许哪些QQ号或群聊使用机器人。如果留空，则所有收到消息的地方都会响应

配置完成后保存文件。这个步骤只需要做一次，以后启动服务都会使用这个配置。

3.3 启动网关服务并测试

配置完成后，我们需要启动nanobot的网关服务。这个服务负责接收QQ的消息，转发给AI模型处理，然后再把回复发送回QQ。

在终端中运行：

nanobot gateway

如果一切正常，你会看到服务启动成功的提示，类似这样：

INFO 07-28 11:15:30 gateway.py:45] Starting nanobot gateway...
INFO 07-28 11:15:31 qq_client.py:78] QQ client connected
INFO 07-28 11:15:32 gateway.py:52] Gateway started on port 8080

现在，打开QQ，找到你创建的机器人，或者把它拉到一个群里，然后@它或者直接私聊发送消息。你可以从简单的问题开始测试：

• “今天天气怎么样？”
• “帮我写一个Python爬虫脚本”
• “2的10次方是多少？”

如果配置正确，机器人应该会在几秒内回复你。第一次成功收到回复时，那种“我的AI助手真的在QQ里工作了”的感觉还是很棒的。

4. 构建实用技能链：从查天气到写脚本

nanobot真正强大的地方在于它的“技能链”能力。它不仅仅是一个聊天机器人，而是一个可以执行多种任务的智能助手。下面我们来看看如何利用它完成一些实际工作。

4.1 查询天气信息

虽然nanobot本身没有内置天气查询功能，但你可以通过让它执行命令来获取天气信息。比如，你可以这样问：

查一下北京的天气

nanobot可能会这样处理：

1. 理解你想要查询天气
2. 调用一个天气API或者执行相关的命令
3. 把结果整理成易读的格式返回给你

实际上，你可以教nanobot使用特定的工具。比如，你可以创建一个简单的Python脚本来查询天气，然后让nanobot在需要时调用这个脚本。这就是“技能链”的概念——把多个简单的功能链接起来，完成复杂的任务。

4.2 编写和执行Python脚本

这是nanobot非常实用的一个功能。假设你需要一个脚本来处理数据，但不想从头开始写，可以直接让nanobot帮忙。

比如，你可以说：

帮我写一个Python脚本，读取data.csv文件，计算每个数字列的平均值，并输出结果

nanobot会生成类似这样的代码：

import pandas as pd

def calculate_averages(file_path):
    # 读取CSV文件
    df = pd.read_csv(file_path)
    
    # 找出数字类型的列
    numeric_columns = df.select_dtypes(include=['number']).columns
    
    # 计算每列的平均值
    averages = {}
    for col in numeric_columns:
        averages[col] = df[col].mean()
    
    # 输出结果
    print("各数字列的平均值：")
    for col, avg in averages.items():
        print(f"{col}: {avg:.2f}")
    
    return averages

if __name__ == "__main__":
    # 使用示例
    result = calculate_averages("data.csv")

更棒的是，你可以直接让nanobot执行这个脚本（如果环境允许的话）：

运行刚才生成的脚本，使用test.csv作为输入文件

nanobot会尝试执行脚本，并返回运行结果。这对于快速测试代码或者自动化一些简单任务非常有用。

4.3 文件操作与系统管理

除了写代码，nanobot还能帮你处理一些系统管理任务。比如：

• 查看目录内容：“列出/root目录下的所有文件”
• 搜索文件：“在项目中查找所有包含‘TODO’的Python文件”
• 进程管理：“查看正在运行的Python进程”
• 系统监控：“检查磁盘使用情况”

这些功能对于开发者和系统管理员来说特别实用。你不需要记住所有的Linux命令，只需要用自然语言描述你想要做什么，nanobot就会尝试执行相应的命令。

4.4 自定义技能扩展

nanobot的真正潜力在于它的可扩展性。你可以根据自己的需求，为它添加新的技能。

比如，如果你想让它能够发送邮件，你可以：

1. 编写一个发送邮件的Python函数
2. 告诉nanobot这个函数的存在和用法
3. 以后就可以直接说“帮我给xxx@email.com发送邮件，主题是...，内容是...”

技能链的核心思想就是：每个简单任务都是一个“技能”，多个技能可以组合成更复杂的任务。nanobot负责理解你的意图，然后调用相应的技能链来完成任务。

5. 实践技巧与问题排查

在实际使用中，你可能会遇到一些问题。这里分享一些实践技巧和常见问题的解决方法。

5.1 提升对话质量的技巧

1. 明确指令：nanobot虽然智能，但清晰的指令能得到更好的结果。比如，“写一个函数”比“写代码”更明确。

2. 提供上下文：如果任务复杂，先简要说明背景。比如，“我正在处理用户数据，需要...”这样nanobot能更好地理解你的需求。

3. 分步进行：对于复杂任务，可以拆分成多个步骤。先让nanobot完成一部分，确认无误后再继续下一步。

4. 指定格式：如果你需要特定格式的输出，直接说明。比如，“用Markdown表格列出结果”或者“输出JSON格式”。

5.2 常见问题与解决

问题1：QQ机器人不响应

• 检查网关服务是否正常运行：ps aux | grep nanobot
• 确认QQ开放平台的应用配置正确，特别是消息回调地址
• 查看日志文件：tail -f /root/workspace/llm.log

问题2：执行命令权限不足

• nanobot默认以当前用户权限运行命令
• 对于需要特殊权限的操作，可能需要调整配置或使用sudo（需谨慎）

问题3：模型响应慢

• 检查GPU内存使用情况：nvidia-smi
• 如果内存不足，可以尝试减小模型加载的精度或使用CPU模式
• 复杂问题可以拆分成多个简单问题

问题4：技能执行错误

• 检查相关工具或脚本是否已安装
• 确认文件路径和权限是否正确
• 查看nanobot的详细错误日志

5.3 安全注意事项

虽然nanobot很强大，但在使用时需要注意安全：

1. 权限控制：在QQ配置中，使用allowFrom限制可以调用机器人的用户或群组，避免被滥用。

2. 命令白名单：如果担心安全问题，可以配置nanobot只允许执行特定的命令。

3. 敏感信息：避免让nanobot处理密码、密钥等敏感信息。

4. 定期更新：关注nanobot的更新，及时获取安全修复和新功能。

6. 总结：你的个性化AI助手之旅

通过本文的实践，你应该已经成功部署了nanobot，并将它接入了QQ机器人。这个超轻量级的AI助手虽然代码量不大，但功能却相当实用。

回顾一下我们完成的事情：

1. 部署了基于Qwen3-4B-Instruct-2507模型的AI服务
2. 通过chainlit测试了基础对话和命令执行功能
3. 创建并配置了QQ机器人，让AI助手融入日常聊天
4. 探索了多种实用技能，从查天气到写Python脚本
5. 了解了如何扩展自定义技能，构建个性化的技能链

nanobot的核心价值在于它的轻量化和可扩展性。4000行代码的体积让它易于理解和修改，你可以根据自己的需求添加新的功能模块。无论是作为个人效率工具，还是作为学习AI应用的实践项目，它都是一个很好的起点。

未来的可能性是无限的。你可以为nanobot添加更多技能：

• 集成日历和提醒功能
• 连接智能家居设备
• 添加专业领域的知识库
• 实现多轮对话和上下文记忆

最重要的是，这个过程本身就是一个很好的学习体验。你不仅学会了如何部署和使用AI模型，还了解了如何将AI能力集成到实际的应用场景中。

现在，你的AI助手已经准备就绪。无论是工作中需要快速写一段代码，还是生活中想查个天气，都可以直接通过QQ向它提问。这就是AI技术带来的便利——让复杂的任务变得简单，让智能助手触手可及。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。