有没有想过,只需一条 pip install 命令,不依赖 Docker,就能跑起一个完整的 AI Agent——带记忆、MCP 工具、多频道聊天和沙箱执行能力?
Nanobot(HKUDS/nanobot)是一个开源的超轻量级个人 AI Agent,2026 年 2 月上线以来仅四个月就斩获 44,276 个 GitHub Stars。它内置 WebUI,支持 10 多个聊天频道(Telegram、Discord、Slack、微信、飞书、邮件、QQ、WhatsApp、Matrix、Teams),兼容任何 OpenAI 或 Anthropic API,完全运行在你自己的硬件上。HN 社区也注意到了这个项目:Show HN 帖子获得 257 分、128 条评论,且项目直到 2026 年 6 月仍在每日更新。
在 LangChain、CrewAI、AutoGPT 等重型框架主导的赛道上,nanobot 走了一条极致精简的路线:保持核心循环小巧可读,让技能、频道和内存按需插拔。整个 Agent 运行时只是一个 Python 包,pip install nanobot-ai 即可安装。
以下是大多数人不知道的 5 个隐藏用法。
隐藏用法 #1:一个配置,十个频道同时在线
大多数人的用法: 只在一个地方跑 AI Agent——要么是 CLI 终端,要么是单个 Telegram 机器人。如果想接入另一个渠道,就得从头写集成。
隐藏技巧: nanobot 的频道架构让你用一份 config.json,在 Telegram、Discord、Slack、微信、飞书、邮件、QQ、WhatsApp、Matrix、Teams 上同时监听。每个频道有独立的会话命名空间,但共享同一个 Agent 循环、记忆和工具集。
{
"channels": {
"telegram": { "enabled": true, "token": "你的TG_TOKEN" },
"discord": { "enabled": true, "token": "你的DISCORD_TOKEN" },
"feishu": { "enabled": true, "appId": "你的APP_ID", "appSecret": "你的SECRET" },
"websocket": { "enabled": true }
},
"agents": {
"defaults": {
"modelPreset": "primary"
}
}
}
只需启动一次 Gateway:
nanobot gateway
现在你的 Agent 能在所有已配置频道上响应。来自 Telegram 的消息和来自 Discord 的消息享受相同的上下文、记忆和工具访问权限。会话隔离保证每个频道维护独立的对话历史,但底层 Agent——技能、记忆存储、提供商配置——是共享的。
效果: 一个 Agent,十个渠道,零重复基础设施。有开发者反馈,白天用 Telegram 跑 nanobot 当个人助理,上班时切换到飞书,两边共享任务和笔记记忆。
数据来源: Nanobot GitHub 44,276 Stars(经 GitHub API 验证,2026-06-16)。HN Show HN 帖子 257 分 / 128 条评论(HN Algolia 搜索验证,2026-06-16)。频道列表来自官方 README。
隐藏用法 #2:ClawHub 技能市场 + Dream 记忆系统
大多数人的用法: 手动为 Agent 定义工具和技能,为每一个想要的能力写 YAML 或 JSON 配置文件。
隐藏技巧: nanobot 集成了 ClawHub——一个公共技能市场,你可以用一条命令搜索和安装社区构建的 Agent 技能。在此基础上,nanobot 的 "Dream" 记忆系统(在 v0.1.5 中引入)采用两阶段方案:自动从对话中提取并存储重要事实,在未来轮次中自动检索相关记忆,无需显式调用工具。
# 从 ClawHub 安装技能
nanobot skill install weather
# Dream 记忆是自动的——正常聊天即可
nanobot agent -m "记住:我的部署密钥在 ~/.ssh/deploy_ed25519"
# 之后在另一个会话中:
nanobot agent -m "我的部署密钥在哪?"
# Agent 回忆:~/.ssh/deploy_ed25519
Dream 记忆系统(v0.1.5,2026-04-05 发布)经过重新设计,更轻量更可靠——发布说明中写道"代码更少,更可靠"。它使用基于 token 的内存和自动压缩,因此长期运行的 Agent 不会撑爆上下文窗口。
效果: Agent 跨会话自动积累知识,无需你管理向量数据库或写检索提示。配合 ClawHub 技能,10 分钟内就能把一个空白 Agent 变成功能齐全的个人助理。
数据来源: ClawHub 集成在 2026-02-16 的 changelog 中公布(README 第 166 行)。Dream 记忆 v0.1.5 于 2026-04-05 发布(README 第 117 行)。
隐藏用法 #3:沙箱执行 + 运行时 SelfTool
大多数人的用法: 要么给 Agent 完整 shell 权限(危险),要么只允许预定义工具(受限)。
隐藏技巧: nanobot 提供可配置的沙箱模式,将文件系统访问、网络调用和 shell 执行限制在工作目录内。但真正隐藏的神器是 SelfTool——在 v0.1.5.post1(2026-04-15)中引入——它允许 Agent 在运行时动态发现并调用自身的能力作为工具,无需硬编码。
# 以沙箱模式启动 nanobot
nanobot gateway --sandbox
# Agent 现在可以:
# - 仅在 ~/.nanobot/workspace/ 内读写文件
# - 在隔离环境中执行 shell 命令
# - 通过 SelfTool 在运行时发现可用工具
沙箱支持以下功能:
-
工作区隔离:所有文件操作限定在
~/.nanobot/workspace/ - Shell 沙箱:命令在受限子进程中运行
- 自动压缩:过长的会话会被自动压缩(2026-04-11,v0.1.5.post1)
- 原子会话写入:会话历史原子写入,损坏时自动修复(2026-04-19)
效果: 你得到一个能写代码、运行测试、编辑文件、与开发环境交互的 Agent——全部在安全边界内。即使 Agent 行为异常,也无法触及工作区之外的文件。
数据来源: SelfTool 于 2026-04-15 引入(README 第 107 行)。自动压缩 2026-04-11(README 第 111 行)。原子会话写入 2026-04-19(README 第 103 行)。
隐藏用法 #4:OpenAI 兼容 API + Python SDK
大多数人的用法: 只通过聊天频道或 CLI 与 nanobot 交互。
隐藏技巧: nanobot 内置了 OpenAI 兼容的 API 服务器和 Python SDK,因此你可以将它集成到任何已经使用 OpenAI API 的应用中——无需修改任何客户端代码。
from nanobot import Agent
agent = Agent.from_config("~/.nanobot/config.json")
# 像使用 OpenAI 客户端一样使用 nanobot
response = agent.chat("分析这个 PR 的安全性问题",
context="PR #42: 添加了用户认证中间件")
# 或者使用 OpenAI 兼容的 HTTP 端点
# POST http://127.0.0.1:18790/v1/chat/completions
# 使用标准 OpenAI 请求格式
Python SDK(2026-03-30 引入)为 Agent 生命周期提供了统一接口——启动、聊天、停止、配置——因此你可以将 nanobot 嵌入 CI 流水线、Jupyter notebook 或自定义 Web 应用中。OpenAI 兼容 API(v0.1.4.post5,2026-03-17 起)支持 SSE 流式传输、文件上传和带 Responses 回退的推理自动路由。
# 启动 OpenAI 兼容 API
nanobot gateway --api
# 现在任何 OpenAI 客户端都能和本地 Agent 对话:
curl http://127.0.0.1:18790/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"model": "primary", "messages": [{"role": "user", "content": "你好"}]}'
效果: 用自己的 Agent、自己的模型提供商、自己的工具和记忆,直接替换 Open API 调用——摆脱供应商锁定。
数据来源: Python SDK 于 2026-03-30 引入(README 第 122 行)。带 SSE 流式的 OpenAI 兼容 API 在 v0.1.5.post2 中支持,2026-04-21(README 第 100 行)。API 端端口 18790 在 README 中有记录。
隐藏用法 #5:Langfuse + LangSmith 可观测性集成
大多数人的用法: 通过阅读原始日志或在提示词中加 print 语句来调试 Agent 问题。
隐藏技巧: nanobot 内置了与 Langfuse(开源)和 LangSmith(LangChain 平台)的集成,可对 Agent 运行进行全链路可观测——追踪、token 用量、工具调用、延迟和错误跟踪。
{
"observability": {
"langfuse": {
"enabled": true,
"publicKey": "pk-lf-...",
"secretKey": "sk-lf-...",
"baseUrl": "https://cloud.langfuse.com"
}
}
}
配置完成后,每一次 Agent 运行——每一个频道、每一个会话——都会自动向你的可观测性看板发送追踪数据。你可以看到:
- Agent 调用了哪些工具,每个工具耗时多少
- 每轮、每个会话的 token 用量
- 包含工具输入输出的完整对话追踪
- 错误率和重试模式
Langfuse 集成在 v0.1.5(2026-04-06)中上线。LangSmith 支持随后在 v0.1.4.post4(2026-03-12)中添加。两者都通过 config.json 中的 observability 块配置。
效果: 为你的个人 AI Agent 提供生产级别的可观测性,无需写一行埋点代码。当 Agent 出错时,你可以精确追踪是哪个工具调用出了问题、为什么。
数据来源: Langfuse 集成 2026-04-06(README 第 116 行)。LangSmith 支持 2026-03-12(README 第 140 行)。均在 nanobot 配置文档中有记录。
总结
以下是大多数人不知道的 nanobot 5 个隐藏用法:
- 多频道 Agent — 一个配置,十个聊天频道,共享记忆和工具
- ClawHub 技能 + Dream 记忆 — 自动安装技能,跨会话自动积累记忆
- 沙箱执行 + SelfTool — 安全的代码执行,运行时动态工具发现
- OpenAI 兼容 API + Python SDK — 任意应用中直接替换 OpenAI 调用
- Langfuse + LangSmith 可观测性 — 开箱即用的全链路追踪和 token 统计
相关文章:
- Crush 终端 AI 编程 Agent:25K Star 的 Charm 栈在配置卫生上完胜 Claude Code
- KTransformers 的 5 个隐藏用法,17K Star 的 MoE 推理框架背后没写在 README 里的能力
- n8n 的 5 个隐藏用法,19.2 万 Star 的自部署 AI 工作流栈里没人讲的能力
你最喜欢的 nanobot 使用场景是什么?试过在多频道上同时跑 Agent,还是把它集成到了 CI 流水线里?在评论区分享你的配置方案吧 👇
Top comments (0)