AI Agent 工具越来越多，但不少产品一上来就是一整套“巨型平台”：功能很全，配置也很重。最近在 GitHub 上看到的 nanobot 走的是另一条路线——把 Agent 核心做得尽量小、尽量容易读，同时保留真正能长期使用的能力。

它不是一个聊天壳，而是一个可以由你自己部署、配置和扩展的个人 AI Agent。你可以在终端或浏览器中使用它，也可以把它接入常见聊天工具，再按需增加 MCP、记忆、定时任务与模型备用方案。

项目是什么？

nanobot 是 HKUDS/nanobot 开源的轻量级个人 AI Agent，使用 Python 开发，采用 MIT 协议。

截至 2026 年 7 月中旬，项目在 GitHub 已有超过 4.5 万 Star。它的核心主张很朴素：Agent 应该是你能够看懂、掌控和部署在自己环境里的工具，而不是一个无法拆解的黑箱。

项目地址：https://github.com/HKUDS/nanobot

nanobot 能做什么？

从官方 README 看，nanobot 已经具备一个个人 Agent 常见的完整能力链：

  • 在终端或 WebUI 中对话
  • 接入 Telegram、Discord、Slack、微信、飞书、邮件、Mattermost 等渠道
  • 调用文件、Shell、网页搜索、网页抓取、MCP、Cron 等工具
  • 保存会话历史，并提供长期记忆能力
  • 配置模型路由和备用模型
  • 创建定时自动化任务，适合做日报、监控和周期性整理
  • 提供 Python SDK 与 OpenAI 兼容 API，便于嵌入已有工作流

换句话说，它的目标不是只回答一句话，而是让 AI 在你授权的范围内，持续完成一类任务。

它为什么值得关注？

1. 轻量，但不是“玩具项目”

nanobot 强调小而可读的 Agent 核心。消息进入后，由模型判断是否调用工具；记忆、技能和额外能力按需加入上下文，而不是一开始就堆进一个庞大的框架里。

这对想真正理解 Agent 工作方式的人很友好：你既可以先把它当产品用，也能在后续需要时阅读源码、修改行为。

2. 自托管带来控制权

API Key、工作区文件、会话记录和工具权限都可以由自己控制。对于涉及个人知识库、业务文档或自动化脚本的场景，这比把所有内容交给某个在线机器人更有边界感。

当然，自托管不等于天然安全。它意味着你需要更认真地管理 API Key、访问入口和工具权限——后面会专门提到。

3. 不被单一模型绑定

官方文档支持 OpenAI 兼容接口和本地模型等多种模型来源，也支持模型预设与备用模型。这样你可以根据任务的成本、速度和能力来做选择：简单任务用轻量模型，复杂任务再切换到更强的模型。

适合哪些人？

我认为 nanobot 特别适合下面几类用户：

  • 想从本地开始体验 AI Agent 的开发者
  • 希望把模型、工具和知识库放在自己可控环境中的个人用户
  • 要做定时信息整理、日报、文件处理等自动化的人
  • 想把 Agent 接入飞书、Slack、Telegram 等聊天渠道的团队
  • 希望通过 MCP 把 Agent 连接到更多本地工具和服务的人

如果你只需要“问一句、答一句”的聊天体验，普通聊天客户端会更省事；如果你想让 AI 逐步参与工作流，nanobot 才更有发挥空间。

最小安装：先让它跑起来

nanobot 要求 Python 3.11 或更高版本。官方推荐使用 uv 安装：

1
uv tool install nanobot-ai

也可以使用 pip：

1
python -m pip install nanobot-ai

安装后，先进入引导配置：

1
nanobot onboard --wizard

它会在本机创建配置目录和工作区。完成配置后，可以先检查运行状态：

1
nanobot status

如果想先在终端发一条测试消息：

1
nanobot agent -m "你好，请介绍一下你能做什么"

配置模型：OpenAI 兼容接口示例

nanobot 使用 ~/.nanobot/config.json 保存配置。下面是一份通用的 OpenAI 兼容接口示例，请将 API 地址、密钥和模型名替换成你自己的：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
{
  "providers": {
    "custom": {
      "apiKey": "你的 API Key",
      "apiBase": "https://你的接口地址/v1"
    }
  },
  "modelPresets": {
    "primary": {
      "label": "主力模型",
      "provider": "custom",
      "model": "你的模型名称",
      "maxTokens": 8192,
      "contextWindowTokens": 200000,
      "temperature": 0.1
    }
  },
  "agents": {
    "defaults": {
      "modelPreset": "primary"
    }
  }
}

这里有两个小建议：

  1. 不要把 API Key 提交到 Git 仓库，也不要直接贴在公开截图里。
  2. 初次使用先选一个稳定、成本可控的模型，等工作流稳定后再做多模型路由。

打开 WebUI

配置完成后，可以启动网关：

1
nanobot gateway

然后在浏览器打开：http://127.0.0.1:8765

官方说明中，WebUI 默认绑定到本机回环地址，这比直接暴露到局域网更稳妥。如果你后续要让其他设备访问，一定要先阅读官方的 LAN 访问和安全配置说明。

真正好用的三个方向

1. 每日信息整理

让 Agent 定时搜索或抓取指定信息源，再输出固定格式的日报。例如：AI 行业更新、产品竞品动态、GitHub Trending 项目。

2. 个人知识工作台

把常用文档、笔记和项目文件放到工作区，结合文件工具与 MCP，让 Agent 帮你检索、归纳、生成初稿。这里的关键不是“把所有资料都扔进去”，而是先定义清楚目录和权限边界。

3. 聊天渠道里的工作助手

将 nanobot 接入你日常使用的聊天工具后，可以把它变成一个固定入口：接收指令、查询资料、触发自动化。但建议从只读、低风险的任务开始，例如提醒、摘要、查询和草稿生成。

使用前的安全清单

Agent 一旦能调用 Shell、文件或网页工具，安全问题就不该被当成“以后再说”。开始前至少做好这些事：

  • API Key 只保存在本机配置或密钥管理工具中
  • WebUI 不要直接暴露到公网；如必须暴露，请加独立认证与反向代理
  • 给 Agent 单独建立工作目录，不要默认授予整个磁盘权限
  • 对 Shell、文件删除、外发消息等操作设置明确的确认规则
  • 先用测试账号和测试数据验证自动化，再接入真实业务

我个人很喜欢这种克制的使用方式：先让 AI 帮你“看”和“整理”，确认可靠后，再逐步允许它“做”。

我的评价

nanobot 的吸引力不只是功能列表，而是它给出了一个比较实际的平衡：核心保持轻量，同时把 WebUI、聊天渠道、工具、记忆、MCP、自动化和部署能力留在体系内。

如果你正在找一个可以长期折腾、能接入自己工作流、又不想从第一天就陷入复杂框架的 AI Agent 项目，nanobot 值得先在本机跑一遍。把它当作一个“可逐步长大的个人工作助手”，会比把它当作万能机器人更容易获得稳定结果。

参考链接