Nanobot 🐈 — The 4,000-Line Python "Ultra-Lightweight OpenClaw"
> 一句话版本：港大数据科学实验室用纯 Python 写了个"迷你版 OpenClaw"，核心只有 4,000-5,000 行代码，但保留了你认识的 OpenClaw 大部分功能（多平台聊天、MCP、记忆、技能、子 Agent）。42K ⭐，3 个月从零爆红。
来源: https://github.com/HKUDS/nanobot
作者: HKU Data Intelligence Lab（香港大学数据科学实验室）
版本: v0.1.5.post3（2026-04-29 发布）
许可: MIT
日期: 2026-05-13
评分: ⭐⭐⭐⭐ (4.0/5)
这是什么？
Nanobot 是一个超轻量级 Python AI Agent 框架，是 HKUDS 实验室对 OpenClaw 的"瘦身版"。
它明确说自己 "in the spirit of OpenClaw, Claude Code, and Codex"，目标是：
- 核心代码极简（~4,000 行 agent loop），容易理解和修改
- 纯 Python，
pip install即用 - 保留 OpenClaw 的 90%+ 核心能力：多 IM 平台、MCP、记忆、技能、子 Agent、定时任务
- 适合学习 AI Agent 原理，也适合快速部署个人助手
根据社区讨论，Nanobot 是从 OpenClaw fork 出来、把 587K 行代码精简到 ~4,000 行（99.4% reduction）的产物。代码全部放在 nanobot/ 目录下，结构非常清晰。
技术数据（源码实测）
nanobot 代码库规模（纯 Python，共 307 个文件）：
nanobot/agent/ ~5,206 行 ← 核心 Agent 循环（核心）
nanobot/channels/ ~14,145 行 ← 各 IM 平台适配器（最重）
nanobot/providers/ ~6,094 行 ← LLM 提供者适配
nanobot/cli/ ~3,055 行 ← 命令行交互
nanobot/utils/ ~2,611 行 ← 工具函数
其他模块 ~3,200 行 ← config/cron/session/skills/api/bus
────────────────────────
Python 代码总计 ~34,000 行（含测试~67K = 总计 101K）
核心 Agent 循环 (~5,200 行)
> 注："4,000 行核心"的说法指的是纯 agent loop 本身（loop.py ~1,605 行 + runner.py ~1,208 行 + context/memory/skills/hooks），不包括通道、提供者等外围模块。完整项目含测试约 101K 行。
核心功能
| 功能 | 说明 |
|---|---|
| **MCP 原生支持** | 内置 MCP 工具调用、MCP-UI（在聊天中渲染 React 组件）、MCP SSE |
| **多 IM 平台** | Telegram、Discord、Slack、WhatsApp、Feishu（飞书）、WeChat、QQ、DingTalk、Matrix、Teams、Email |
| **WebUI** | 内置 Web 聊天界面，支持 i18n 多语言 |
| **多 LLM 支持** | OpenAI、Claude、Gemini、DeepSeek、Grok、Kimi、Ollama、vLLM、MiniMax、Azure OpenAI...（原生的 OpenAI + Anthropic SDK，去掉了 litellm） |
| **Memory（记忆）** | Token 级记忆，支持跨会话持久化（"Dream" 记忆系统） |
| **Skills（技能）** | SKILL.md 技能文件系统，支持 ClawHub 技能市场 |
| **Sub-Agent** | 后台子 Agent，不阻塞主对话 |
| **Cron** | 自然语言定时任务（"every morning at 8"） |
| **Context Compaction** | 上下文自动压缩（类似 OpenClaw 的 lossless-claw） |
| **Web Search** | 多功能搜索引擎（Kagi、Olostep 等可配置） |
| **OpenAI 兼容 API** | SSE 流式传输，可作为其他工具的 LLM 后端 |
| **Setup Wizard** | 交互式安装向导 |
| **LaunchAgent** | macOS 自启动支持 |
| **Docker** | 一键容器部署 |
支持的命令
/help /status /history /restart
/skills /memory /cron /system
/think /resume /cancel
架构解析
nanobot/
├── agent/ ← 核心 Agent 循环
│ ├── loop.py Agent 主循环（1,605 行）
│ ├── runner.py Agent 运行器（1,208 行）
│ ├── context.py 上下文管理（205 行）
│ ├── memory.py 记忆系统
│ ├── skills.py 技能加载（242 行）
│ ├── hook.py 生命周期钩子（141 行）
│ ├── subagent.py 子 Agent
│ ├── autocompact.py 自动压缩
│ └── tools/ 内置工具
├── channels/ ← IM 平台适配器（最重模块）
│ ├── telegram.py Telegram（1,290 行）
│ ├── discord.py Discord
│ ├── feishu.py 飞书（1,875 行）
│ ├── weixin.py 微信（1,389 行）
│ ├── websocket.py WebSocket（1,602 行）
│ └── ... Slack/WhatsApp/QQ/Teams/Matrix/DingTalk/Email
├── providers/ ← LLM 提供者
│ ├── openai_compat_provider.py（1,244 行）
│ └── anthropic/gemini/deepseek/ollama/...
├── cli/ ← 命令行界面
├── api/ ← OpenAI 兼容 API
├── config/ ← 配置管理
├── cron/ ← 定时任务
├── session/ ← 会话管理
├── skills/ ← 内置技能
├── web/ ← WebUI
└── bus/ ← 事件总线
核心设计哲学：Agent 循环非常直观——消息进来 → LLM 决定调用什么工具 → 执行工具 → 返回结果 → LLM 继续。记忆和技能只作为上下文按需注入，不预先加载成重型编排框架。
与 OpenClaw 深度对比
共同点
- 定位相似：都是多 IM 平台的个人 AI 助手框架
- MCP 核心：都深度拥抱 MCP 生态（工具调用、MCP Server/Client）
- 技能系统：都用 SKILL.md 文件扩展能力
- 记忆系统：都支持跨会话持久记忆
- 上下文管理：都有自动压缩机制
- 多模型/多提供商：都支持多种 LLM
- 子 Agent：都支持后台子任务
差异点
| 对比维度 | Nanobot 🐈 | OpenClaw 🤖 |
|---|---|---|
| **语言** | Python 🐍 | TypeScript / Node.js |
| **核心代码量** | ~5,200 行（agent loop） | 大很多（完整生态） |
| **总代码量** | ~34K 行 Python + ~67K 行测试 | 约 430-587K 行（含生态） |
| **安装** | `pip install nanobot-ai` | 较复杂（Node 环境+编译） |
| **首次发布** | 2026-02-04（3 个月前） | 更早（成熟） |
| **GitHub 星标** | ~42K ⭐（爆发式增长） | ~42K+ ⭐ |
| **核心作者** | 港大实验室（学术背景） | OpenClaw 团队 |
| **LLM 提供商** | 原生 OpenAI + Anthropic SDK | 原生 + 丰富生态 |
| **MCP 支持** | 内置 + MCP-UI | 内置 + MCP Server/Client |
| **Lossless Context** | 自动压缩（类似） | Lossless-Claw（更成熟） |
| **Agent Skill 数量** | 少于 OpenClaw | 更多（ClawHub 市场） |
| **跨平台运行** | ✅ Win/Mac/Linux | ✅ Win/Mac/Linux |
| **Hot Reload** | ✅ `/reload` | ✅ 热重载系统 |
| **文档成熟度** | ✅ nanobot.wiki + 完善 | ✅ docs.openclaw.ai |
| **发布频率** | 几乎每天一个版本 | 稳定节奏 |
| **国内生态** | 飞书/微信/QQ/DingTalk | Telegram/QQ/Discord 主导 |
| **社区氛围** | 学术研究导向 | 产品运营导向 |
核心优势（各自）
Nanobot 的优势：
1. 极低入门门槛：Python + pip install，任何人都能 5 分钟跑起来
2. 容易理解：4,000-5,000 行核心代码可以通读
3. 纯 Python 生态：Python 社区的 NLP/ML 工具链无缝集成
4. 学术友好：适合做 AI Agent 教学、研究、实验
5. 中文生态很好：飞书、微信、QQ、钉钉支持完善
OpenClaw 的优势：
1. 生产就绪：更成熟的错误处理、安全机制、生产环境调优
2. Node.js 生态：前端/全栈开发者更熟悉，NPM 包丰富
3. Lossless-Claw：更成熟的上下文管理机制
4. Agent Skill 生态：更丰富的内置技能 + ClawHub 市场
5. ACP 协议：Agent Communication Protocol，更标准化的 Agent 间通信
6. 插件系统：更丰富的扩展机制
争议与社区声音
Nanobot 在 Reddit/HN 上引发了热烈讨论，核心争议点：
支持者说：
- "终于有个能看懂源码的 AI Agent 框架了"
- "pip install 就能用，OpenClaw 光装环境就劝退一堆人"
- "学术实验室就该做这种事——剥离商业复杂性，留下核心教育价值"
批评者说：
- "说是 4,000 行，但 channels + providers 加起来 20K+，根本不是 4K"
- "学术项目，离生产环境还有距离"
- "精简掉的东西（安全性、错误处理、审计日志）才是生产环境真正需要的"
- "抄了 OpenClaw 的架构，但没说清楚哪些是原创贡献"
客观来看：两者定位不同。Nanobot 是学术版"教学用"框架，OpenClaw 是"产品级"框架。Nanobot 的价值在于降低了 AI Agent 的学习门槛——"What I cannot create, I do not understand."
生态项目
- ClawWork（也是 HKUDS 的）：基于 Nanobot 构建的"AI 打工人"——$15K 在 11 小时内赚到的经济型 Agent。Nanobot 的 ClawMode wrapper 可以让任何 Nanobot gateway 变成赚钱工具。
- LightRAG（HKUDS 的另一个明星项目）：EMNLP 2025 论文，轻量级 RAG 框架。跟 Nanobot 天然互补。
评分
| 维度 | 评分 (1-10) | 说明 |
|---|---|---|
| 创新性 | 8 | OpenClaw 的精简是务实选择，不是创新，但重新实现了全栈 |
| 代码质量 | 7 | Python 写得干净，但代码量与声称有差距 |
| 实用性 | 7 | pip install 即用，但生产环境不如 OpenClaw 成熟 |
| 社区热度 | 9 | 42K ⭐ 3 个月，全行业瞩目 |
| 文档/生态 | 7 | wiki 完善，但生态不如 OpenClaw 丰富 |
| 与 Jay 的关联 | 8 | 直接竞争 OpenClaw，是了解 AI Agent 架构的绝佳学习材料 |
| **总分** | **4.0/5** | 不是 OpenClaw 的替代品，但它是理解和学习 AI Agent 最好的起点 |
我们是否要切到 Nanobot？
不推荐。原因：
1. 我们是 OpenClaw 的重度用户，现有的 Agent Skill、MCP 集成、Lossless-Claw 等工作流都已跑顺
2. Nanobot 的核心优势（轻量、易学）对我们的日常使用不是痛点
3. 生产环境稳定性、安全性、成熟度 OpenClaw 明显更好
但值得学习：如果你对 AI Agent 内部原理感兴趣，花一个下午读 Nanobot 的 loop.py 和 runner.py（~2,800 行），比啃 OpenClaw 的几十万行代码快得多。