港大团队用4000行代码复刻Openclaw(Clawdbot),项目已开源

1. 项目介绍

项目现状

2. 核心定位

3. 主要功能

• 统一的Agent loop：消息接入、上下文构建、模型调用、工具执行、结果回传

• 多模型接入：基于LiteLLM，支持OpenRouter、Anthropic、OpenAI、Gemini及vLLM

• 结构化工具系统：文件读写、Shell、Web搜索/抓取、消息转发、子代理

• 多渠道对话：CLI、Telegram、WhatsApp（通过bridge）

• 计划任务：内置Cron服务与调度管理

• 心跳唤醒：定期触发主动任务

4. 技术架构

- 模型调用通过LiteLLM，默认配置指向OpenRouter，可切换为vLLM等本地模型服务。

- Web搜索可选接入Brave Search API。

5. 代码解读

本部分基于GitHub源码进行简化梳理。

nanobot/

├── agent/          # 代理核心逻辑

│   ├── loop.py     # 推理主循环

│   ├── context.py  # 上下文构建

│   ├── memory.py   # 记忆持久化

│   ├── skills.py   # 技能加载

│   └── tools/      # 内置工具

├── cli/            # CLI命令入口

├── providers/      # 模型提供方适配

├── channels/       # Telegram/WhatsApp接入

├── bus/            # 消息总线

├── cron/           # 计划任务

├── heartbeat/      # 定期唤醒

├── session/        # 会话管理

└── config/         # 配置加载与schema

6. 项目部署和运行

pip install nanobot-ai

nanobot onboard

# 编辑 ~/.nanobot/config.json

nanobot agent -m "Hello from nanobot"

vllm serve meta-llama/Llama-3.1-8B-Instruct --port 8000

# 配置 apiBase 指向本地服务

nanobot agent -m "Hello from my local LLM!"

7. 资源整合

• GitHub仓库：https://github.com/HKUDS/nanobot

• Demo演示：https://github.com/HKUDS/nanobot#-quick-start

8. 总结

nanobot用极小的代码体量实现了可用的Agent基础闭环：消息接入、上下文构建、模型调用与工具执行。它的核心价值在于“可读、可改、可扩展”，适合研究者与工程实践者用来快速验证想法、搭建轻量级助手。对于追求完整生态的重型框架来说，nanobot更像一套高密度的最小实现，提供了一个清晰的学习与二次开发起点。