Nanobot - Python 极简版

约 1132 字大约 4 分钟

2026-03-07

使用 Python 重写核心逻辑，代码量减少一个数量级的极简 AI 助手。

✨ 核心特点

🎯 极简设计

使用 Python 重写核心逻辑
代码量减少一个数量级
采用原生 while 循环实现 ReAct（推理-行动）逻辑
无需复杂的 Node.js 环境

💾 轻量存储

记忆层直接读写本地 Markdown 和 JSON 文件
无需外部数据库
文件系统即数据库
易于备份和迁移

⚡ 快速部署

pip 安装即可使用
依赖包最小化
内存占用 < 100MB
启动速度快

🚀 快速开始

安装

# 使用 pip 安装
pip install nanobot

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

配置

创建配置文件 config.yaml:

# LLM 配置
llm:
  provider: openai
  model: gpt-4
  api_key: your-api-key-here
  temperature: 0.7

# 记忆配置
memory:
  type: file
  path: ./memory
  format: markdown

# 工具配置
tools:
  - name: web_search
    enabled: true
  - name: file_operations
    enabled: true
  - name: code_execution
    enabled: true

运行

# 启动 Nanobot
nanobot start

# 或使用 Python 模块
python -m nanobot

💻 技术架构

核心组件

# 简化的 ReAct 循环
while not task_completed:
    # 1. 思考（Reasoning）
    thought = llm.think(context)
    
    # 2. 行动（Action）
    action = llm.decide_action(thought)
    result = execute_action(action)
    
    # 3. 观察（Observation）
    context.update(result)
    
    # 4. 判断是否完成
    task_completed = llm.is_task_done(context)

记忆系统

# Markdown 格式的记忆存储
class MarkdownMemory:
    def save(self, content):
        with open(f"{self.path}/{timestamp}.md", "w") as f:
            f.write(content)
    
    def load(self, query):
        # 简单的文件搜索
        files = glob.glob(f"{self.path}/*.md")
        return [f for f in files if query in open(f).read()]

工具系统

# 简单的工具注册机制
@tool
def web_search(query: str) -> str:
    """搜索网络信息"""
    return search_engine.search(query)

@tool
def read_file(path: str) -> str:
    """读取文件内容"""
    with open(path, "r") as f:
        return f.read()

🎯 适用场景

✅ 推荐使用

个人极客日常使用: 轻量快速，易于定制
树莓派或小型服务器: 内存占用低，适合资源受限环境
快速理解和魔改: 代码简洁，易于阅读和修改
学习 AI Agent 原理: 核心逻辑清晰，适合学习

❌ 不推荐使用

需要高并发处理的生产环境
需要复杂的分布式架构
对性能有极致要求的场景

📊 性能指标

指标	数值
内存占用	< 100MB
启动时间	< 2秒
响应延迟	取决于 LLM API
并发支持	单进程
代码行数	~2000 行

🛠️ 高级功能

自定义工具

from nanobot import tool, Nanobot

@tool
def custom_tool(param: str) -> str:
    """自定义工具描述"""
    # 你的逻辑
    return result

# 注册工具
bot = Nanobot()
bot.register_tool(custom_tool)

记忆检索

# 语义搜索（需要安装 sentence-transformers）
from nanobot.memory import SemanticMemory

memory = SemanticMemory(
    path="./memory",
    model="all-MiniLM-L6-v2"
)

# 检索相关记忆
results = memory.search("如何部署 Docker", top_k=5)

插件系统

# 创建插件
class MyPlugin:
    def on_start(self, bot):
        print("Bot started!")
    
    def on_message(self, message):
        # 处理消息
        pass

# 加载插件
bot.load_plugin(MyPlugin())

📸 使用示例

命令行交互

$ nanobot
🤖 Nanobot v1.0.0
Type 'help' for commands, 'exit' to quit.

> 帮我搜索 Python 最佳实践

🤔 思考中...
📝 计划: 使用 web_search 工具搜索相关信息

🔍 执行: web_search("Python 最佳实践")
✅ 结果: 找到 10 条相关信息

💡 回答:
Python 最佳实践包括:
1. 遵循 PEP 8 代码风格
2. 使用虚拟环境管理依赖
3. 编写单元测试
...

> 保存到文件

✅ 已保存到 memory/2026-03-07-python-best-practices.md

Python API

from nanobot import Nanobot

# 创建实例
bot = Nanobot(config="config.yaml")

# 发送消息
response = bot.chat("帮我分析这段代码")

# 获取记忆
memories = bot.memory.search("代码分析")

# 执行工具
result = bot.execute_tool("web_search", query="Python")

🔗 相关链接

GitHub: HKUDS/nanobot
文档: 使用文档
PyPI: nanobot
问题反馈: Issues

🤝 贡献

欢迎贡献代码、报告问题或提出建议！

# 克隆仓库
git clone https://github.com/HKUDS/nanobot.git

# 安装开发依赖
cd nanobot
pip install -e ".[dev]"

# 运行测试
pytest

# 代码格式化
black .

📄 许可证

MIT License - 详见 LICENSE

🌟 为什么选择 Nanobot？

适合你，如果你...

✅ 想要快速上手 AI Agent
✅ 喜欢 Python 生态
✅ 需要轻量级解决方案
✅ 想要深度定制和魔改
✅ 在资源受限环境运行

不适合你，如果你...

❌ 需要企业级高并发
❌ 必须使用 Node.js 生态
❌ 需要复杂的分布式架构

访问 GitHub 仓库 →