Framework Nanobot 港大开源的超轻量自托管个人智能体

想拥有一个自己的 AI 智能体，选择似乎只有两个极端：要么接商业平台，数据、计费、规则全在别人手里；要么从零攒一套——模型接入、对话管理、记忆、工具调用、定时任务、IM 机器人，每一样都要自己写，写到一半发现最花时间的不是智能而是「周边」。HKUDS（香港大学数据智能实验室）开源的 nanobot 走了第三条路：一个超轻量、可自托管的个人 AI 智能体框架，浏览器 WebUI、终端、聊天软件三种形态通用，文件操作、长期记忆、定时任务、多智能体委派全部内建，核心代码保持可读。它给自己的定位很克制——「不是巨型平台，是你的智能体」。

项目采用 MIT 协议，Python 编写（3.11 以上），当前版本 v0.3.5，最近更新 2026 年 10 月 25 日，GitHub 星数已超过 4.9 万。同一实验室此前开源过 CLI-Anything 等热门项目，nanobot 延续了「文档先行、体验完整」的风格。

项目基本信息

一、项目介绍

nanobot 的能力清单基本覆盖个人智能体的日常需求：浏览器 WebUI 和终端双界面；接入 Telegram、Discord、Slack、微信、飞书、邮件、Mattermost、Linear 等聊天渠道；内置文件工具能直接读 PDF、Word、Excel、PPT，用来总结报告很顺手；shell 执行、网页搜索与抓取、MCP 集成、定时任务、图像生成、多智能体委派一个不少；记忆系统分会话历史和长期记忆两层，官方文档里管这套叫 Dream。

工程上它强调「小核心加完整文档」：内部架构 readable，MCP、记忆、部署、自动化都是内建而非外挂；同时开放 Python SDK 和 OpenAI 兼容 API，方便集成。部署上既可以跑在本机桌面，也可以作为常驻服务部署到服务器，官方有专门的部署文档。没有技术背景的用户，仓库里有一份「无技术背景起步」指南，装完打开 WebUI 配模型就能聊。

二、核心优势

第一，自托管即完全自主。数据、记忆、工具全在自己机器上，不接商业平台也没有账号体系依赖，隐私敏感场景的首选形态。

第二，渠道通吃。WebUI、API、终端加一堆 IM 平台，同一个智能体在你所有聊天工具里待命，微信、飞书、Telegram 都能直接对话。

第三，文件与工具内建。读文档、跑命令、搜网页不用自己写工具层，MCP 还能进一步扩展，开箱可用度高于多数「框架级」项目。

第四，模型自由。任何 OpenAI 兼容 API、本地模型服务器都行，配 fallback 模型，不绑定单一供应商。

第五，轻到能读懂。官方反复强调小核心和可读内部结构，想改想学都不被巨型抽象层劝退——这对想理解智能体原理的开发者是稀缺品质。

三、适用场景

个人 AI 助手：常驻自己服务器或本机，微信、Telegram 里随时使唤。隐私敏感场景：日记、财务、内部资料总结，数据不出境不出机。文档处理流水线：批量读 PDF 和 Office 文档做摘要、提取。定时自动化：每天汇总、定期巡检，用会话目标加 cron 表达。多智能体实验：委派机制适合验证分工协作模式。学习智能体原理：代码量可控、文档成体系，是理想的研读对象。

四、安装教程

需要 Python 3.11 以上，另需一个模型供应商的 API 或本地模型服务（nanobot 本身不提供模型账号）。macOS 或 Linux 推荐安装脚本：

curl -fsSL https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.sh | sh

Windows 用 PowerShell：

irm https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.ps1 | iex

安装器会建独立虚拟环境（~/.nanobot/venv），桌面环境装完自动打开 WebUI 引导配模型。想先预览安装计划、不改动环境：

curl -fsSL https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.sh | sh -s -- --dry-run

老手也可以直接用 uv 或 pip 装稳定版。日常更新：WebUI 内一键，或重跑原安装途径。

常见报错：其一，提示 Python 版本过低——升级到 3.11 以上，或让安装器建独立环境。其二，装完命令找不到——安装器会打印把 ~/.nanobot/venv/bin 加进 PATH 的命令，按提示操作。其三，WebUI 打不开——确认安装输出的本地地址和端口，SSH 或 headless 环境会自动走终端配置流程。其四，模型无响应——检查供应商配置与 key，文档有各供应商的接入说明和 fallback 配置方法。

五、使用示例

个人助理场景：部署到自己的 VPS，Telegram 里绑定渠道。早上对它说「总结一下这周订阅的这几个 GitHub 仓库的 release」，它调用网页工具逐个抓取 release 页面，汇总成一段话回在聊天里。顺手转发一份 PDF 财报过去，它读完给出要点清单——文件工具直接解析，不用你先转文本。

自动化场景：设一个每日任务「每天早上八点汇总 HN 热榜前十条的标题和链接，发到飞书」。到点触发，结果准时出现在飞书对话框。长期使用中它记得你的偏好：你说过「链接不要带追踪参数」，之后所有输出都自动遵守——这类偏好进长期记忆，不用每次交代。

六、常见问题

问：需要 GPU 吗？答：不需要。模型可以走任何 OpenAI 兼容 API；要用本地模型才需要硬件，nanobot 本身不绑定算力。

问：和 LangChain 这类框架怎么选？答：定位不同。LangChain 是开发框架，nanobot 是开箱可用的自托管智能体产品；想快速拥有个人助手选它，想深度定制智能体 internals 再选框架。

问：数据存在哪？答：全部在本机或你的服务器，包括记忆和会话；迁移就是搬 ~/.nanobot 目录，官方更新文档有备份步骤。

问：能接微信吗？答：可以，官方聊天渠道指南里有微信接入方式，同时支持飞书、Telegram、Discord、Slack、邮件等。

七、总结

nanobot 把「拥有自己的智能体」的成本压到了一个安装脚本加一个模型 key：渠道全覆盖、文件工具内建、记忆分层、可自托管、核心小到能读懂。对隐私敏感的用户和想深度参与智能体行为的玩家，它提供了商业平台给不了的自主权；HKUDS 的文档质量让上手路径相当平缓。需要留意它仍是年轻项目（v0.3.x），生产使用建议关注更新日志并做好备份；另外模型费用或本地算力需要自行解决。如果你受够了把生活和工作数据喂给平台，又不想从零攒框架，它是目前最省事的自托管答案。