Nanobot

一句话定义

Nanobot 是香港大学数据科学实验室（HKUDS）开源的极简 AI Agent 框架，用不到 4,000 行 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。

摘要

Nanobot 于 2026 年 2 月初开源，30 天内获得 28,500+ GitHub Stars。它的核心价值不在于替代 OpenClaw，而在于提供了一个可以被完全理解的 Agent 实现——43 万行代码的系统很难看清全貌，但 4,000 行的版本可以。

架构设计的核心特征是控制面集中化：所有决策路径穿过同一个 while 循环，没有 Chain/Runnable/LCEL、没有 DAG、没有显式 PLAN 步骤。这是极强的设计约束——可理解性最大化，弹性空间随之缩小。

最独特的设计是 Skill-as-Markdown：Skills 不是 Python 代码而是 Markdown 文档，通过文件系统做懒加载（XML 索引 + LLM 按需 read_file），不用的 skill 零 token 开销。记忆系统采用 “grep beats RAG” 策略，两个 Markdown 文件 + exec grep，不用向量库。

详情

核心架构

• Agent Loop：~20 行 ReAct 循环，错误响应不持久化（防 400 中毒循环），工具结果截断 500 字符
• Message Bus：45 行代码的 asyncio.Queue 解耦，支持 13 个聊天平台
• Tool 系统：Python 抽象类，execute 强制返回 str，JSON Schema 手写
• Skill 系统：Markdown 文档 + XML 索引 + Progressive Loading
• 记忆系统：MEMORY.md（长期事实）+ HISTORY.md（对话摘要）+ grep 搜索
• Subagent：asyncio.Task 委托，结果通过消息总线重注入，无 message/spawn 工具（防递归）
• MCP 集成：自动包装为原生 Tool，命名空间隔离

设计取舍

优势	代价
可理解性极强	弹性空间有限
Skill-as-Markdown 零成本扩展	skill 数量大时 XML 索引占满 context
grep 记忆确定性可审计	企业规模时文件搜索力不从心
工具接口统一（全返回 str）	结构化数据需内部序列化
错误恢复委托给 LLM	弱模型上可能无效循环

适用场景

• 个人自托管 AI 助手
• 快速原型 / 学习 Agent 架构
• 不需要精确多 agent 协调的场景