一个香港大学实验室的开源项目，用 4000 行 Python 代码实现了 OpenClaw 的核心 Agent 能力——支持 11+ 大模型供应商、10+ 聊天平台、MCP 协议、长期记忆，代码量减少 99%。发布仅一个月，GitHub Star 从 0 飙到 32K。这就是 HKUDS 团队开源的 Nanobot。
一句话概括：Nanobot 是一个超轻量级的开源个人 AI 助手框架，用不到 OpenClaw 1% 的代码量，实现了核心 Agent 能力。
你可以把它理解为——OpenClaw 的”极简平替”，但不是阉割版，而是精华版。
OpenClaw 有多火不用多说——它是 2025-2026 年最现象级的 AI 助手项目，可以接管你的电脑、帮你写代码、发邮件、管日程。但问题也很明显：43 万行代码、推荐 4GB 以上内存、多项安全审计发现社区技能存在大量安全隐患、多个 Critical 级 CVE 漏洞——对于很多开发者和研究者来说，这台”AI 战斗机”实在太重了。
Nanobot 做的事情就是：用 ~4000 行清晰的 Python 代码重建 OpenClaw 的核心能力——Agent 循环、长期记忆、技能加载、多平台接入——只保留最关键的部分。
项目地址：github.com/HKUDS/nanob…
Star 数：32K+ | Fork 数：5.3K+ | 协议：MIT 语言：Python（≥3.11）| 核心代码：~4,000 行 | 发布时间：2026.02.02
先看一组对比数据：
4000 行代码意味着什么？ 意味着你可以在一个下午把整个项目从头到尾读完、理解透、改得动。对于研究者来说，这是学习 AI Agent 架构很好的参考；对于开发者来说，这是一个真正可以掌控的框架。
Nanobot 的架构被精炼为四个核心模块，每一个都是 AI Agent 的关键零件：
Agent Loop（智能体循环） ：核心推理引擎，接收用户输入 → 决策是否调用工具 → 执行动作 → 返回结果。这就是 AI Agent 的”大脑”。
Memory Module（记忆系统） ：Nanobot 不是”金鱼记忆”。它用 存储长期记忆（你的偏好、项目信息、常用指令），用 记录每日笔记。越用越了解你。
Skill Loader（技能加载器） ：支持两种技能扩展方式。一是 MCP 协议，接入外部工具服务器——浏览网页、管理文件、数据库查询等；二是自定义 SKILL.md，在 下建个目录写一个 Markdown 描述文件，nanobot 启动后自动加载，适合快速添加轻量技能（翻译、文档阅读、数据分析等）。
Message Bus（消息总线） ：统一的多平台接入层，一套 Agent 逻辑同时服务 10+ 聊天平台，WebSocket / Socket.IO / HTTP 轮询 / IMAP 全覆盖。
这四个模块背后的设计理念：通道抽象（平台差异在 Message Bus 层消化，上层逻辑不感知）、可插拔供应商（新增 LLM 供应商只需实现统一接口）、Markdown 记忆（不依赖向量数据库，直接用 Markdown 文件存储，LLM 自己读就能”回忆”）、MCP 优先（技能扩展基于标准协议，直接复用 MCP 生态中已有的工具服务器）。
Nanobot 采用模型无关架构，支持的供应商覆盖面很广：
Nanobot 底层使用 LiteLLM，理论上支持所有 LiteLLM 兼容的供应商。上表是 README 中明确列出的。对国内用户来说，通义千问、Kimi、DeepSeek、火山引擎都原生支持，不需要额外适配。
而且，Nanobot 支持完全离线运行。 接上 vLLM 等本地模型服务，数据完全不出你的设备，适合隐私敏感的使用场景。
2026 年 2 月 14 日，Nanobot 正式加入了 MCP（Model Context Protocol）支持。这意味着所有 MCP 兼容的工具服务器都可以直接接入 Nanobot：
- 浏览器操控（Playwright MCP）
- 文件系统管理
- 数据库查询
- API 调用
- 搜索引擎
- ……
MCP 就是 AI Agent 的 USB 接口——一个标准协议，插什么工具都能用。
这是每个想搭建个人 AI 助手的人最关心的问题。我们掰开了说：
- 想要”拿来即用”的全功能 AI 管家→ OpenClaw（但请用 Docker 隔离，注意安全风险）
- 想要”吃透原理”的可控 AI 助手→ Nanobot（尤其适合开发者、研究者、隐私敏感用户）
- 国内用户、需要接入飞书/钉钉/→ Nanobot（OpenClaw 对国内生态支持弱）
这一点必须单独拿出来说，因为它太重要了。
OpenClaw 在 2026 年初被曝出多个严重安全问题：
而 Nanobot 的安全优势是”结构性”的：
- 代码量 = 攻击面：4000 行代码的攻击面天然比 43 万行小两个数量级
- 完全可审计：一个下午读完全部代码，安全团队可以彻底 Review
- 第三方依赖少：相比 OpenClaw 庞大的社区技能市场（ClawHub），Nanobot 主要通过 MCP 协议和本地 SKILL.md 扩展能力，第三方代码引入的风险面更可控
- 权限最小化：不需要也不请求系统 root 权限
安全不是功能，是底线。 对于企业用户和隐私敏感用户来说，这可能是选择 Nanobot 最硬核的理由。
Nanobot 不是个人开发者的周末项目，它来自一个有深厚学术积累的研究团队。
这个实验室有一个显著特点：出品的开源项目在社区中反响很好。 LightRAG 聚焦 RAG 的图结构检索，Nanobot 聚焦 OpenClaw 的轻量化替代，都在短时间内获得了大量关注。
Nanobot 在 2026 年 2 月 2 日正式发布，此后保持了很快的迭代节奏：
一个月内迭代了 10+ 个版本，合并了来自数十位社区贡献者的 PR。
Step 1：安装
Step 2：初始化并配置
初始化完成后，编辑 配置你的 LLM 供应商和 API Key。国内用户推荐 DashScope 接入通义千问，也可以选择 DeepSeek、Kimi 等。
Step 3：启动你的 AI 助手
就这么简单。 三条命令，你的私人 AI 助手就上线了。
在 config.json 中将 provider 指向本地端点，数据完全不出本机。
在 config.json 中添加 MCP 服务器即可，配置格式兼容 Claude Desktop / Cursor：
这些局限中，部分可以通过 MCP 生态补齐。项目仍在快速迭代中，后续发展值得关注。
Nanobot 做对了一件事：它证明了 AI Agent 不需要 43 万行代码才能工作。
多数 AI Agent 框架越做越重，Nanobot 反过来做减法：把 Agent 还原到四个核心模块（循环、记忆、技能、通信），用最少的代码实现最核心的能力。
项目地址：github.com/HKUDS/nanob…
HKUDS 实验室：github.com/HKUDS
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/274433.html原文链接：https://javaforall.net
