Manbot，OpenClaw 轻量化平替版来了

如果你正在寻找一个「部署简单、资源要求低、使用成本低」的AI助手，那 Manbot 值得你深入了解。

OpenClaw 是什么？

OpenClaw（也称为 ClawBot/MoltBot）是近期备受关注的项目。其核心思路相比之前的Agent框架并没有根本性的变化，主要是在原有智能体基础上，增加了主动触发任务的心跳机制，并接入了各类即时通讯工具以实现对话，至于MCP、Skill、SubAgent等概念，都是老概念了。

许多人初看 OpenClaw 会感到心动，特别是网络上自媒体各个都在“养龙虾”，但自己真正动手部署和使用时，往往会面临以下挑战：

• 部署复杂：安装与配置过程较为繁琐
• 资源占用高：部署后内存占用常超过1GB
• 使用成本高：单次对话就可能消耗上万个token

Manbot 是什么？

项目开源地址：github.com/seepine/Man…

Manbot （曼波Bot）是一个轻量化的智能助手，核心代码只有200行左右，通过集成 LLM + MCP + Skills，帮助你将“AI助手” 真正融入日常工作中。

1. 轻量设计

• 基于 Bun + Elysia + LangChain 构建，启动迅速，资源占用低
• 代码体积极小，便于二次开发和 AI 理解学习
• 使用成本低，核心功能通过代码实现，而非纯堆提示词

2. 不做过度设计

不做过度设计，项目仅实现核心功能

• 通过 LLM 处理自然语言对话
• 通过 MCP 接入标准化的工具能力
• 通过 Skills 扩展特定业务场景能力
• 通过 定时任务 实现计划性工作
• 接入 飞书 实现流式对话

这套组合足以覆盖大多数常见场景：知识问答、流程辅助、任务触发、信息聚合等。

3. 为什么不是 xxx

为什么不是

• nanobot: python 版
• zeroclaw: rust 版
• picoclaw: go 版

本质还是无法在 部署简单、资源要求低、使用成本低 这三个痛点取得均衡，例如 nanobot 性能要求还是高，zeroclaw 部署还是复杂，picoclaw 还不支持 mcp，且都大量依赖提示词实现功能，导致 token 消耗仍然巨大

如何部署 Manbot？

前置准备：

• 一台可运行 Bun 的服务器或本地环境（Mcp需要Bun环境，安装Bun详见 Bun文档）
• 一个飞书开放平台应用，按照 飞书集成指南 操作
• 一个可用的 LLM 接口
  • 硅基流动 白嫖16块券
  • 智谱AI 白嫖2000万token
  • 或其他任意支持 OpenAI API 的平台

快速部署

如果你熟悉 Docker，推荐使用 Docker 部署，直接复制并修改 docker-compose.example.yml 文件即可，更简单更安全。

1. 下载二进制文件

前往 发布页面 下载对应你操作系统的二进制文件。

2. 准备环境变量

创建一个名为 .env 的文件，将其与二进制文件放在同一目录下，并填入以下配置（请根据实际情况修改）：

# 工作目录，manbot 仅在此目录下操作
WORKSPACE_FOLDER=/Users/your_name/workspace

# -------- LLM API 配置 --------
OPENAI_API_KEY=your-api-key-here
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o

# -------- 飞书配置 --------
FEISHU_APP_ID=cli_xxxxx
FEISHU_APP_SECRET=FLyxxxxxxxx
FEISHU_APP_NAME=Manbot # 你的飞书应用名称，用于判断在群里是否被@，默认为 Manbot

# 是否允许执行终端命令，按需开启，开启有一定风险
TERMINAL_ALLOWED=false

2. 运行

在终端中执行下载的二进制文件。

最后

1. 不要神话 OpenClaw 等 AI 助手

目前阶段的AI智能程度，依然体现在“大模型+工具”的组合运用上。不要期待它能像电影里的“贾维斯”那样全能，也无需幻想它能自动为你创造收入。更常见的场景是：由你发起指令，它来负责规划和执行。

2. 也不要小看 OpenClaw 等 AI 助手

同样，不要轻视它，认为它不过是换了个聊天界面（从网页/APP变成了飞书或Telegram）的传统对话AI。关键在于，它运行在电脑环境中，拥有操作本地文件甚至系统API的权限，因此其能力边界远不止聊天。当然，这也意味着你需要对由此带来的安全问题负责。

3. 为什么我的 OpenClaw/Manbot 不够聪明

例如你告诉它使用 ffmpeg 剪辑一个视频，它可能一顿思考后，什么都没做，你可以从以下两点提升

• 使用高参数大模型，例如 gpt-5.3-codex 或 glm5 等等，这是 AI 聪明程度的基础
• 给出足够多的提示词和工具，这是它能不能把活干好的关键

例如你希望让其熟练使用 ffmpeg，那么你可以先告诉它安装 ffmpeg，然后添加 ffmpeg skill，在之后你提到关于 ffmpeg 的任务，它就会查看 ffmpeg skill 内容再执行。

相关链接

• Manbot：github.com/seepine/man…
• Bun文档：bun.com/docs
• LangChainJs：docs.langchain.com/oss/javascr…
• 飞书开放平台：open.feishu.cn