nanobot：3400 行代码实现 OpenClaw 99% 的核心功能

nanobot 是 OpenClaw 的轻量替代方案，核心代码仅 3,428 行（OpenClaw 43万+行），支持持久记忆、网页搜索、定时任务、多 LLM 及 Telegram/WhatsApp/飞书集成。两分钟完成部署，代码清晰易读，遵循 Unix 哲学"Do one thing well"。来自香港大学 HKUDS 实验室，5 天获 1 万+ GitHub 星。

夜薇的笙箫

1514人浏览 · 2026-02-07 21:25:50

夜薇的笙箫 · 2026-02-07 21:25:50 发布

在这里插入图片描述

香港大学 HKUDS 实验室出品，一个真正"够用就好"的轻量级 AI Agent 框架

TL;DR

nanobot 是 OpenClaw 的轻量替代方案，核心代码仅 3,428 行（OpenClaw 43万+行）
支持：持久记忆、网页搜索、定时任务、多 LLM 提供商、Telegram/WhatsApp/飞书集成
两分钟完成部署，代码清晰可读，适合二次开发
GitHub: github.com/HKUDS/nanobot

背景：OpenClaw 的"甜蜜负担"

OpenClaw（原 Clawdbot/Moltbot）无疑是 2026 年初最火的开源项目，5 天内从 0 冲到 17 万星。但随着用户增长，社区开始出现一些声音：

"部署了两小时还没跑起来"
"想改个功能，代码太多不知道从哪下手"  
"我只需要一个能帮我发消息的助手，不需要浏览器自动化"

OpenClaw 的代码量超过 43 万行。作为参考，Linux 内核 1.0 是 17.6 万行。

这就引出一个问题：对于只需要核心功能的用户，有没有更轻量的选择？

nanobot：99% 瘦身的答案

香港大学数据智能实验室（HKUDS）给出了他们的答案：nanobot。

核心数据对比

指标	OpenClaw	nanobot	差异
核心代码量	430,000+ 行	3,428 行	-99.2%
部署时间	30-120 分钟	< 2 分钟	-95%+
依赖复杂度	高	低	—
代码可读性	较难	一目了然	—

功能对比

功能	OpenClaw	nanobot
持久记忆	✅	✅
网页搜索	✅	✅
后台 Agent	✅	✅
定时任务 (Cron)	✅	✅
多 LLM 支持	✅	✅
本地模型 (vLLM)	✅	✅
Telegram	✅	✅
WhatsApp	✅	✅
飞书	✅	✅
浏览器自动化	✅	❌
50+ 平台集成	✅	❌
复杂插件生态	✅	❌

结论：nanobot 砍掉了"锦上添花"的功能，保留了 80% 用户真正需要的核心能力。

快速开始

安装

# 方式一：pip 安装（推荐）
pip install nanobot-agent

# 方式二：源码安装（开发者）
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e .

配置

nanobot onboard

按提示填入 API Key（支持 OpenRouter、Anthropic、OpenAI、Groq、Gemini、DeepSeek）。

配置文件位置：~/.nanobot/config.json

{
  "agents": {
    "defaults": {
      "model": "anthropic/claude-sonnet-4-20250514",
      "maxTokens": 8192,
      "temperature": 0.7
    }
  },
  "providers": {
    "openrouter": {
      "apiKey": "your-api-key"
    }
  }
}

运行

# 命令行模式
nanobot agent -m "你好，介绍一下你自己"

# 交互模式
nanobot agent

# 启动 Telegram Bot
nanobot telegram

实测：从 pip install 到第一次对话，不到 2 分钟。

架构解析

nanobot 的代码结构非常清晰：

nanobot/
├── agent/           # 🧠 核心逻辑（约 800 行）
│   ├── loop.py          # Agent 主循环
│   ├── context.py       # Prompt 构建
│   ├── memory.py        # 持久记忆（Markdown + JSONL）
│   ├── skills.py        # 技能加载器
│   ├── subagent.py      # 后台任务执行
│   └── tools/           # 内置工具
├── skills/          # 🎯 可扩展技能
│   ├── github/
│   ├── weather/
│   └── tmux/
├── channels/        # 📱 消息通道
│   ├── telegram/
│   ├── whatsapp/
│   └── feishu/
├── providers/       # 🤖 LLM 提供商适配
│   ├── openrouter.py
│   ├── anthropic.py
│   ├── openai.py
│   └── vllm.py
├── cron/            # ⏰ 定时任务
├── bus/             # 🚌 消息路由
└── gateway/         # 🌐 网关服务

设计哲学

nanobot 遵循 Unix 哲学：

“Do one thing and do it well.”

具体体现在：

不做平台，做工具：不试图成为"万能 AI 操作系统"
代码即文档：3000+ 行代码，一个下午就能读完
最小依赖：避免不必要的复杂性
易于扩展：技能系统模块化，添加新功能很简单

进阶配置

使用本地模型 (vLLM)

{
  "agents": {
    "defaults": {
      "model": "Qwen/Qwen2.5-72B-Instruct"
    }
  },
  "providers": {
    "vllm": {
      "apiBase": "http://localhost:8000/v1"
    }
  }
}

配置 Telegram Bot

从 @BotFather 获取 Bot Token
更新配置：

{
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "your-bot-token",
      "allowFrom": []  // 空数组表示允许所有用户
    }
  }
}

启动：nanobot telegram

定时任务

# 添加每日提醒
nanobot cron add --name "morning" --message "早安！今天有什么计划？" --cron "0 9 * * *"

# 添加每小时检查
nanobot cron add --name "hourly-check" --message "检查系统状态" --every 3600

# 查看任务列表
nanobot cron list

# 删除任务
nanobot cron remove <job_id>

自定义技能

创建 ~/.nanobot/skills/my-skill/SKILL.md：

---
name: my-skill
description: 我的自定义技能
---

# 技能说明

这个技能用于...

## 使用方法

当用户提到 XXX 时，执行 YYY 操作...

适用场景

✅ 适合

快速搭建私人 AI 助手
需要阅读/修改源码的开发者
使用本地模型保护隐私
只需要核心聊天/记忆/定时功能
讨厌复杂部署流程

❌ 不适合

需要浏览器自动化（网页操控、截图等）
需要 50+ 平台集成
需要成熟的插件生态
需要企业级部署方案

性能与资源占用

指标	nanobot	OpenClaw
启动时间	< 1s	5-15s
内存占用（空闲）	~50MB	~200MB+
Docker 镜像大小	~100MB	~500MB+
冷启动到响应	2-3s	10-30s

注：以上数据为非官方测试，仅供参考

团队背景

nanobot 来自 HKUDS（香港大学数据智能实验室），实验室主任是黄超（Chao Huang）助理教授。

这个实验室的风格很统一：把复杂的东西做简单，然后开源。

代表作品：

项目	Stars	说明
LightRAG	27.9K	轻量级 RAG，EMNLP 2025
DeepCode	14.1K	开放式 Agentic Coding
DeepTutor	10K	AI 个性化学习助手
AutoAgent	5.6K	自动化 Agent 框架
nanobot	10.9K	轻量级 AI 助手