← 返回全部文章
·约 7 分钟PPT

Nanobot

Agent编程开发

配套媒体

本页对应的 PPT 与演示视频

nanobot-recommend.mp4
PPT
nanobot-recommend.pptx浏览器不能直接打开 PPT,下载后用 PowerPoint / WPS / Keynote 查看
下载没反应?点这里复制直链

侧边栏预览窗口(Electron webview)会拦截下载,把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../nanobot-recommend.pptx
视频../../nanobot-recommend.mp4
本文目录
  1. 🚀 什么是 Nanobot?
  2. ✨ 核心功能一览
  3. 📊 与竞品对比
  4. 🛠️ 快速上手:5 分钟跑通示例
  5. 安装
  6. 初始化配置
  7. 测试
  8. 💡 适用场景
  9. 场景 1:实时市场数据分析
  10. 场景 2:长期记忆与知识管理
  11. 场景 3:多平台聊天集成
  12. 场景 4:定时任务与自动化
  13. 用户群体总结
  14. 💰 定价方案
  15. 🎯 总结

📌 核心价值:仅 4000 行代码,构建完整的 AI Agent 运行时

港大出品的超轻量级开源 AI Agent 框架,支持持久化工作流、多聊天渠道、MCP 扩展、长期记忆,一个人能跑、一群人能贡献。

封面图


🚀 什么是 Nanobot?

Nanobot 是由 香港大学数据科学实验室(HKUDS) 开发的开源个人 AI Agent 框架。它的核心理念可以用一句话概括:保持核心代码小且可读,同时提供实用功能。

GitHub stars GitHub forks

核心定位:不是另一个笨重的 Agent 编排框架,而是一个围绕小型 Agent 循环构建的个人 AI 助手运行时。

  • Stars:44,000+(截至 2026-06-21)
  • Forks:7,800+
  • License:MIT
  • 语言:Python 3.11+

为什么只有 4000 行代码却能做这么多事?——因为它拒绝成为"重型编排层",只在 LLM 决定需要时才拉取记忆或工具。


✨ 核心功能一览

Nanobot 核心功能对比


📊 与竞品对比

Nanobot vs 竞品对比


🛠️ 快速上手:5 分钟跑通示例

安装

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

# 方式二:uv 安装
uv pip install nanobot-ai

# 方式三:从源码安装
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e .

初始化配置

# 运行交互式向导
nanobot onboard --wizard

# 或直接编辑配置文件
# ~/.nanobot/config.json

测试

# 检查状态
nanobot status

# 发送测试消息
nanobot agent -m "你好,介绍一下你自己"

注意:需要一个 API Key,支持 OpenAI、Anthropic、OpenRouter 等几乎所有主流 LLM 提供商。


💡 适用场景

场景 1:实时市场数据分析

代码执行演示

功能说明:Nanobot 可以自动执行代码、分析金融市场数据,并在终端实时展示结果。

输入要求:自然语言指令 + 可选的数据源配置

输出效果:自动生成分析代码、执行、可视化结果

适用场景:金融分析、市场调研、数据报告


场景 2:长期记忆与知识管理

记忆系统演示

功能说明:Dream 记忆系统让 Nanobot 能够在长时间运行中保持上下文连贯,记住你的偏好和历史对话。

输入要求:与 Nanobot 的自然对话

输出效果:记住关键信息,在后续对话中引用

适用场景:个人知识库、项目跟踪、对话连续性


场景 3:多平台聊天集成

搜索功能演示

功能说明:Nanobot 支持 WebUI、Telegram、Discord、Slack、Teams、飞书、微信等多个聊天渠道,消息从任何渠道进入都可触发 Agent 循环。

输入要求:在任一聊天平台发送消息

输出效果:AI Agent 实时响应,支持工具调用、记忆检索

适用场景:团队协��、个人助理、自动化工作流


场景 4:定时任务与自动化

调度系统演示

功能说明:支持持久化目标和定时任务,让 AI Agent 在后台长期运行,完成复杂的多步骤任务。

输入要求:定义目标和时间表

输出效果:自动执行、监控进度、汇报结果

适用场景:自动化报告、持续监控、周期性任务


用户群体总结

  • ✅ 开发者:超轻量核心(4000 行),代码易读易改,可嵌入你的业务
  • ✅ 个人用户:自建私人 AI 助手,数据完全掌握在自己手中
  • ✅ 团队/企业:多渠道接入,支持团队协作和自动化工作流
  • ❌ 不适合:需要开箱即用商业模型的用户(Nanobot 本身不包含 LLM,需自备 API)

💰 定价方案

Nanobot 是完全开源的 MIT 协议项目:

  • ✅ 免费使用:无任何授权费用
  • ✅ 可自行修改和分发:商业用途也无限制
  • 💡 成本:仅需支付 LLM API 费用(按量付费)

推荐低成本方案:

  • 使用 OpenRouter 等聚合服务,可按模型自动切换最优价格
  • 本地运行小模型(如 Llama 3 7B)实现零成本

🎯 总结

Nanobot 代表了 AI Agent 领域的"少即是多"哲学——用仅 4000 行 Python 代码,构建了一个功能完备的个人 Agent 运行时。

它的核心竞争力在于:

  1. 极简核心:代码全部可读,没有黑盒编排逻辑
  2. 持久化工作流:目标、记忆、工具在长时间运行中保持存活
  3. 模型自由:支持几乎所有 LLM 提供商和本地模型
  4. 生态丰富:MCP 扩展、多渠道集成、长期记忆系统

推荐指数:⭐⭐⭐⭐⭐(满分 5 星)

适合人群:想拥有真正"属于自己的"AI Agent、重视代码透明度和数据隐私的开发者

立即体验: nanobot.wiki

GitHub 仓库: HKUDS/nanobot


数据截至 2026-06-21,最新信息请以官网为准。