港大开源纳米级OpenClaw：超轻量AI助手仅4000行代码复刻核心战力
你是不是也有过这种感觉：看别人用 AI 写代码、做总结、安排日程，心里痒痒的。自己也想搞一个“专属 AI 小助理”，但一搜 GitHub，全是几万行起步的大项目，光看 README 就头大。想改个功能，结果被复杂的架构劝退：“算了，我还是用现成的吧。”
如果你符合以上任何一条，那今天要聊的这个项目——Nanobot，可能会让你眼前一亮。它来自香港大学数据智能实验室（HKUDS），核心代码只有大约 4000 行 Python，却完整实现了个人 AI 助手的核心闭环：能聊天、会查资料、能写代码、能记东西，还能通过命令行或 Telegram/WhatsApp 跟你互动。更关键的是，它两分钟就能部署跑起来，支持 OpenRouter、vLLM 等多种模型，既能当生产力工具，也是一个绝佳的学习范本。
下面从几个维度来聊聊这个项目。
Nanobot 是怎么来的？
要讲 Nanobot，就绕不开它的“老大哥”——OpenClaw / Clawdbot。这俩项目你可以理解为“功能超全的 AI 数字员工平台”，能写代码、回邮件、查日历、跑定时任务，甚至多智能体协作。但问题是，它太“重”了：代码量超过 43 万行，功能巨多，架构复杂到很多开发者光是看完文档就要吐血，更别提二次开发了。
于是，HKUDS 团队就问了一个很朴素的问题：一个能跑起来的 AI 智能体，最核心的东西到底是什么？
他们把 OpenClaw 的功能一层层剥开，发现真正不可或缺的是这三大件：
- 感知：理解你在说什么（LLM 推理）。
- 行动：调用工具完成任务（工具执行）。
- 记忆：记住上下文，支持多轮对话（会话/状态管理）。
至于那些花哨的企业级功能、复杂的插件生态，统统砍掉。最后，他们用约 4000 行 Python 代码重写了这个“最小可用智能体内核”，这就是 Nanobot。
用他们自己的话说：智能体的未来，不在代码行数，而在它能否真正融入人的生活。
所以，Nanobot 的定位很明确：不是要做一个“大而全”的生产平台，而是做一个“小而美”的个人 AI 助手框架，让普通人也能看懂、改懂、玩得转。
Nanobot 到底好在哪？
从实际体验来看，它最吸引人的地方有四个字：轻、快、强、学。
1. 轻：代码少，结构清晰
Nanobot 的核心代码约 4000 行，是 OpenClaw 的 1% 左右。没有层层嵌套的抽象，核心逻辑一目了然，非常适合想学习 Agent 原理的人通读源码。
2. 快：两分钟部署，资源占用低
官方号称“两分钟快速部署”，实测也差不多：从 PyPI 安装 pip install nanobot-ai，或从源码安装。配置好 ~/.nanobot/config.json 里的模型 API Key，就能在命令行里跟它聊天了。它启动速度极快，内存占用低，甚至可以在树莓派这类小设备上运行。
3. 强：核心功能一个不少
别看它小，该有的能力基本都有：
- 实时网页搜索：内置 Bra ve/Google 搜索，能帮你查资料、总结网页。
- 文件/代码操作：可以直接读写本地文件，帮你改代码、写脚本。
- 定时任务：支持 cron 表达式，可以设置“每天早上 9 点提醒我写日报”这类任务。
- 持久化记忆：会把重要信息记在本地文件里，下次聊天还能接着聊。
- 多场景模板：内置金融分析师、全栈开发、私人管家等多种角色模板。
4. 学：绝佳的学习范本
Nanobot 的架构非常“教科书”：
- Agent Loop：一个 while 循环实现“思考→行动→观察”的核心流程。
- 工具注册表：通过装饰器自动把 Python 函数暴露给 LLM。
- 内存系统：用简单的文件存储实现短期和长期记忆。
你只要跟着代码走一遍，就能明白一个 Agent 是怎么“想事情、做事情、记事情”的。
Nanobot 也使用 IM 与大模型交流，支持记忆和 Skills。具体可以实现：7×24 实时的市场分析、开发部署、定时自动化等任务。
和其他类似项目比，它适合谁？
这里选几个典型的项目对比一下：
| 项目 | 代码量 | 定位 | 优点 | 缺点 | 适合谁 |
|---|---|---|---|---|---|
| Nanobot | ~4000 行 | 超轻量个人 AI 助手框架 | 代码少、启动快、易学习、资源占用低 | 功能相对基础，企业级功能少 | 个人开发者、学生、想学习 Agent 原理的人 |
| OpenClaw | 43万+ 行 | 生产级全功能 AI Agent 平台 | 功能极其丰富、生态成熟 | 代码臃肿、学习曲线陡峭、资源占用高 | 技术团队、企业用户 |
| NanoClaw | 较少 | 轻量级、高安全 AI 助手 | 安全隔离性强（Apple 容器）、极简配置 | 多平台支持有限、功能覆盖窄 | 隐私敏感用户、macOS 用户 |
| Agent Studio | 中等 | 可视化本地 Agent 工作台 | 提供图形化界面、多 Agent 协作、可视化配置 | 开源生态较弱、部分功能可能不稳定 | 非技术用户、个人本地工作台、小型团队协同 |
简单来说：如果你想真正搞懂 AI 智能体是怎么工作的，Nanobot 是目前最友好的入口之一。如果你只是想找个现成的工具用，那可能 OpenClaw 或其他商业产品更合适。
最后，给想动手的你一点建议
- 先跑起来：别想太多，先把 Nanobot 部署到本地，跑通“问问题、让它写代码”这个流程。
- 再改一改：试着给它加个新工具，比如“查询天气”或“读取你的笔记”，体验一下“自己造轮子”的感觉。
- 最后再深入：当你熟悉了基本流程，再去看它的源码，理解 Agent Loop、工具注册表这些核心概念。
你会发现，原来 AI 智能体并没有那么神秘，它本质上就是一个“会思考、会行动的循环”，而 Nanobot 把这个循环用最朴素的方式展现了出来。如果你也想拥有一个“完全属于自己”的 AI 助手，又不想被几万行代码劝退，不妨从 Nanobot 开始。毕竟，代码可以少一点，但想象力，永远可以多一点。