32K Star！港大开源Nanobot：4000行代码打造最轻量OpenClaw平替一、这个项目到底是干嘛的？一句话

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、这个项目到底是干嘛的？

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

二、核心亮点：凭什么一个月冲到 32K Star？

1. 极致轻量——99% 的代码瘦身

先看一组对比数据：

对比维度	OpenClaw	Nanobot	差距
代码行数	430,000+ 行	~4,000 行	减少 99%
资源占用	重量级，需要较高配置	极轻量，官方称 "minimal footprint"	数量级差距
代码可读性	代码量大，理解成本高	一个下午读完	—

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。

2. 四大核心模块——麻雀虽小，五脏俱全

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：

┌─────────────────────────────────────────────────┐
│                   Nanobot 核心架构                │
├─────────────────────────────────────────────────┤
│                                                  │
│  ┌──────────────┐    ┌──────────────────────┐   │
│  │  Agent Loop  │    │    Memory Module     │   │
│  │  智能体循环    │    │    记忆系统           │   │
│  │              │    │                      │   │
│  │ · 推理决策    │    │ · MEMORY.md 长期记忆  │   │
│  │ · 工具调用    │    │ · YYYY-MM-DD.md 日记  │   │
│  │ · 上下文管理  │    │ · 会话持久化          │   │
│  └──────┬───────┘    └──────────┬───────────┘   │
│         │                       │                │
│  ┌──────▼───────┐    ┌──────────▼───────────┐   │
│  │ Skill Loader │    │    Message Bus       │   │
│  │ 技能加载器    │    │    消息总线           │   │
│  │              │    │                      │   │
│  │ · MCP 工具    │    │ · Telegram / Discord │   │
│  │ · 自定义技能  │    │ · WhatsApp / 飞书    │   │
│  │ · 动态加载    │    │ · 钉钉 / Slack / QQ  │   │
│  └──────────────┘    │ · Email / Matrix     │   │
│                      └──────────────────────┘   │
└─────────────────────────────────────────────────┘

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 MEMORY.md存储长期记忆（你的偏好、项目信息、常用指令），用 memory/YYYY-MM-DD.md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 workspace/skills/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）。

3. 11+ 大模型供应商——不绑定任何一家，亚太市场特别全

Nanobot 采用模型无关架构，支持的供应商覆盖面很广：

供应商类别	支持的服务
国际主流	OpenAI / Anthropic Claude / Mistral
国内主流	DeepSeek / Qwen（通义千问）/ Moonshot（Kimi）/ MiniMax
云服务	Azure OpenAI / VolcEngine（火山引擎）/ DashScope / OpenRouter
本地部署	vLLM / 任何 OpenAI 兼容端点（LM Studio、llama.cpp 等）

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。

4. 10+ 聊天平台——从 Telegram 到钉钉，一个 Agent 全覆盖

平台	连接方式	支持能力
Telegram	WebSocket	文字 / 图片 / 文件 / 语音 / 草稿流式输出
Discord	WebSocket	文字 / 多频道
WhatsApp	HTTP	文字 / 媒体消息
飞书（Feishu）	WebSocket	文字 / 媒体 / 企业集成
钉钉（DingTalk）	Stream（WebSocket）	文字 / 媒体消息
Slack	WebSocket	文字 / 多频道
QQ	WebSocket	文字 / 群聊支持
Email	IMAP/SMTP	邮件收发 / 自动回复
Matrix	HTTP	去中心化协议
Mochat	Socket.IO	Claw IM 客户端

5. MCP 协议支持——接入无限工具

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。

6. 更多实用能力

能力	说明
Prompt Caching	Anthropic 优化，重复上下文不重复计费，省钱
思考模式（Thinking Mode）	实验性支持，让 Agent 展示推理过程
Cron 定时任务	自然语言设置定时任务："每天早上 9 点给我发天气预报"
多模态文件处理	跨平台处理图片、文档、语音文件
会话持久化	重启不丢失对话历史
流式输出	Telegram 支持草稿流式输出，打字效果实时可见

三、与 OpenClaw 对比：该怎么选？

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：

选 OpenClaw 的理由

维度	OpenClaw 优势
伴侣应用	macOS / iOS / Android 原生 App，支持语音唤醒、推送通知
技能生态	庞大的社区技能市场，覆盖浏览器、日历、Trello 等数百种能力
语音交互	原生支持 always-on 语音唤醒和 push-to-talk
成熟度	更长的开发周期，更多的边界情况处理

选 Nanobot 的理由

维度	Nanobot 优势
代码可控	4000 行代码，你能完全理解和掌控每一行
资源占用	极轻量，官方称 minimal footprint
安全性	代码量小 = 攻击面小，可完全离线运行，无 CVE 漏洞记录
亚太友好	原生支持通义千问 / Kimi / DeepSeek / 飞书 / 钉钉 / QQ
研究价值	很好的 AI Agent 架构学习教材
可定制性	代码简单清晰，改起来毫无心智负担

一句话总结

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/QQ→ Nanobot（OpenClaw 对国内生态支持弱）

四、安全性：这可能是选 Nanobot 最硬的理由

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：

安全隐患	具体表现
CVE 漏洞	2026 年初六周内披露 82 个漏洞（CNNVD），含多个 CVSS 9.0+ 的 Critical 级 CVE（如 CVE-2026-28446、CVE-2026-28484）
恶意技能	Snyk 审计发现 ClawHub 上 7%+ 的技能含严重安全缺陷，36% 含 prompt 注入漏洞；Koi Security 发现约 12% 的技能为恶意投毒
API Key 明文存储	密钥以明文保存在本地配置文件中，Snyk 报告 280+ 个技能存在凭据泄露风险
Prompt 注入风险	单一 LLM 上下文同时处理不可信数据和特权命令，Microsoft、CrowdStrike、Cisco 均发布了详细分析

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。

五、团队背景：港大数据智能实验室

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。

项目	详情
所属机构	香港大学数据智能实验室（HKUDS，Data Intelligence Lab @ HKU）
GitHub 组织	github.com/HKUDS，旗下多个高星项目
其他知名项目	LightRAG、AutoAgent、MiniRAG 等（均可在 HKUDS GitHub 组织页查看）

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。

六、迭代速度：一个月内从 0 到 32K Star 的背后

Nanobot 在 2026 年 2 月 2 日正式发布，此后保持了很快的迭代节奏：

时间	版本	核心更新
02.02	v0.1.0	正式发布，核心框架上线
02.14	v0.1.3	MCP 协议支持，接入外部工具生态
02.17	v0.1.4	进度流式输出、新增 LLM 供应商、多平台修复
02.24	v0.1.4.post2	可靠性大版本：重新设计心跳机制、Prompt 缓存优化、供应商兼容性加固。合并 32 个 PR，来自 14 位新贡献者
02.27	—	实验性思考模式、钉钉媒体消息、飞书/QQ 修复
03.05	—	Telegram 草稿流式输出、MCP SSE 支持
03.07	—	Azure OpenAI 供应商、WhatsApp 媒体、QQ 群聊

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。

七、快速上手：3 步拥有你的私人 AI 助手

Step 1：安装

# 推荐：使用 pip
pip install nanobot-ai

# 更快：使用 uv
uv tool install nanobot-ai

# 最新开发版：从源码安装
git clone https://github.com/HKUDS/nanobot.git
cd nanobot
pip install -e .

Step 2：初始化并配置

nanobot onboard

初始化完成后，编辑 ~/.nanobot/config.json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

nanobot agent

就这么简单。 三条命令，你的私人 AI 助手就上线了。

想要离线运行？

# 用 vLLM 跑本地模型
vllm serve meta-llama/Llama-3.1-8B-Instruct --port 8000

在 config.json 中将 provider 指向本地端点，数据完全不出本机。

想要接入 MCP 工具？

在 config.json 中添加 MCP 服务器即可，配置格式兼容 Claude Desktop / Cursor：

{
  "tools": {
    "mcpServers": {
      "filesystem": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
      }
    }
  }
}

八、当前局限

局限	说明
无伴侣应用	没有 macOS / iOS / Android 原生 App，纯命令行 + 聊天平台接入
技能生态小	不像 OpenClaw 有庞大的社区技能市场，扩展主要依赖 MCP
无语音唤醒	不支持 always-on 语音交互
无企业级功能	没有 RBAC、审计日志、SSO 等企业级特性
文档仍在完善	项目才一个月，文档覆盖不够全面

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。

九、总结

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