nanobot：把个人 AI 助理装进一个 pip 包
网页版聊天 AI 有个老毛病：今天聊过的，明天就忘。换个新窗口，它就当没认识过你。
编程 agent 能干实事了，但它们只围着代码转。让 Claude Code 每天早上八点整理一份新闻摘要发到你微信里，它做不到，那不是它的工作。
缺的其实是一个角色：跑在你自己的电脑上，记得住事，连得上微信，到点自己干活。这类东西现在有个统一的名字，叫个人 AI agent。今天介绍的 nanobot，是这个赛道上最轻的一个。
一个 pip 包里的 AI 助理
nanobot 是港大数据智能实验室（HKUDS）2026 年 2 月开源的项目，就是做出 LightRAG 的那个团队。Python 写的，MIT 协议，到现在攒了 4.8 万 star。官方给它的定位是"超轻量、自托管的个人 AI agent 框架"，社区叫得更直接：超轻量版 OpenClaw。
装完之后，它长这样：浏览器里打开一个 WebUI，左边是话题列表，中间一个输入框，看起来和普通聊天页面没什么两样。差别藏在侧栏那几行字里：Apps、Skills、Automations、Channels。
这几个词对应它和网页聊天 AI 的真正区别：
- Channels（渠道）：可以接 Telegram、Discord、Slack、微信、飞书、邮件。你在微信里发一句"帮我查下明天天气"，回答从微信回来。
- Tools（工具）：读写文件、跑 shell 命令、联网搜索、抓网页、生成图片，还能通过 MCP 协议挂第三方工具。
- Automations（自动化）：定时任务。每天推题、每周汇总、到点提醒，都是它自己跑。
- 记忆：它有一个长期记忆文件，聊过的重要事情会被整理进去。下次开新话题，它还认识你。
模型随便换。只要是 OpenAI 兼容的 API 都能接，国产模型、本地 Ollama、vLLM 都行，还能配备用模型，主力挂了自动切。这一点对国内用户挺实际：模型是自己的选择，框架不绑你。
我自己在一台 Debian 服务器上跑了一套。它每天中午准时给我推 5 道题，答错的记进错题本，周日重新考。这套流程搭好之后就没再管过。
它是怎么干活的
nanobot 的核心小到有点反直觉：一个 agent loop。
消息从渠道进来，交给大模型；模型判断要不要用工具，要就调，工具结果喂回去；直到给出最终回答。记忆和技能不常驻上下文，用到才取。核心代码刻意保持小而可读，这是它敢自称 ultra-lightweight 的底气。
记忆的实现更朴素：不用向量数据库，不做 RAG，就是几个 Markdown 文本文件。对话攒到一定量，一个叫 Dream 的后台任务会把旧对话压缩归档，把值得长期记住的事实提炼进 MEMORY.md。项目讨论区里有句话：Claude Code 也是这么干的，纯文本加 grep，够用了。
这种设计的好处是你可以直接打开记忆文件，看它记了什么，改它记错的东西。代价是没有语义检索，记忆多了之后靠文件组织能力。对一个单用户的个人助理来说，是笔划算的买卖。
和主流 agent 工具比一比
把市面上的 agent 工具摊开，其实是三类东西加一个特例。
编程 agent：Claude Code、Codex CLI、Gemini CLI 都属于这类。它们很强，但强在代码：会话围着仓库转，任务结束就散。它们不做定时任务，不接微信，也不打算记住你上周说过什么。拿它们当个人助理，是用错了工具。
工作流平台：Dify、n8n、Coze。可视化拖拽搭流程，适合固定的业务自动化，比如"收到表单就发邮件"。但流程是死的，改需求要回画布上重新拖。它们是流水线，不是助理。
开发框架：LangChain、OpenAI Agents SDK。什么都能搭，但记忆、定时、渠道、部署全要自己写。适合造轮子的人，不适合想要现成轮子的人。
特例是 OpenClaw。这个 39 万 star 的项目（前身叫 Clawdbot）和 nanobot 定位几乎重合：自托管、跑在自己设备上、接一堆聊天渠道、有记忆有技能。区别在体量和路线：OpenClaw 用 TypeScript 写，渠道更多（WhatsApp、iMessage 都能接），有 iOS 和 Android 原生 App，社区生态大得多；nanobot 用 Python 写，核心小、代码好读，WebUI、记忆、定时任务开箱即用，部署只要一个 pip 包。
| nanobot | OpenClaw | 编程 agent | 工作流平台 | |
|---|---|---|---|---|
| 定位 | 个人 AI 助理 | 个人 AI 助理 | 写代码 | 流程自动化 |
| 常驻运行 | ✓ | ✓ | ✗ | ✓ |
| 长期记忆 | ✓ 内置 | ✓ | ✗ | 自己搭 |
| 定时任务 | ✓ 内置 | ✓ | ✗ | ✓ |
| 聊天渠道 | 微信/飞书/TG 等 | 20+ 含 WhatsApp/iMessage | 无 | 通知为主 |
| 上手成本 | 一条命令 | 一条命令 | 一条命令 | 要搭平台 |
一句话总结：编程 agent 陪你干活，工作流平台替你跑流程，nanobot 和 OpenClaw 替你值班。想要轻、想读源码、主要用微信和 Telegram，nanobot 顺手；要最全的渠道和手机 App，选 OpenClaw。
三步装起来
前提只有一个：Python 3.11 以上。
第一步，装。 macOS 和 Linux 一条命令：
curl -fsSL https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.sh | sh
Windows PowerShell 用这条：
irm https://raw.githubusercontent.com/HKUDS/nanobot/main/scripts/install.ps1 | iex
习惯用包管理器的话，uv tool install nanobot-ai 或者 pip install nanobot-ai 效果一样。装完敲 nanobot --version 确认。
第二步，配模型。 运行：
nanobot webui
浏览器会自动打开 http://127.0.0.1:8765。进 Settings → Models，选一个供应商，填 API key，选模型。全程点鼠标，不用碰配置文件。
第三步，让它常驻。 确认能正常对话之后：
nanobot gateway --background
这一步之后，关掉终端它也在跑。定时任务、聊天渠道、长期记忆都靠这个常驻进程。想更省心可以配成 systemd 服务、Docker，或者用官方提供的 Render 一键部署，文档里都有现成方案。
最后接上你常用的聊天软件，在 Channels 里配一下就行。WebUI 也值得常开，它的 Automations 日历能看到每个定时任务哪天跑过、哪天要跑：
写在最后
大模型的能力在趋同，用哪家的模型，体验差距在缩小。真正拉开差距的是模型外面那层运行时：谁帮你管记忆、管工具、管时间、管渠道。
这层东西以前要么在云厂商手里，要么藏在一个需要自己写代码的框架里。nanobot 把它压进了一个 pip 包，还开源了。
至于要不要让一个 24 小时在线的助理住进自己的电脑，每个人的答案不一样。但至少现在，试一下的成本是一条命令。
