面对动辄数十万行代码的全栈 AI 助手，二次开发的门槛极高。香港大学开源的 NanoBot 以仅 4000 行代码实现了核心功能，极致轻量化且易于扩展，为开发者提供了高效的 AI Agent 落地新方案。
智能速览
核心代码仅 4000 行，体积较 OpenClaw 缩减 99%
采用分层解耦架构，内置 Agent Loop 与上下文构建器
支持多平台接入，兼容 Telegram、飞书及主流 LLM
提供源码、uv 及 PyPI 多种安装方式，一键部署
内置文件系统、Shell 执行、Web 搜索等核心工具
精华内容
NanoBot 的设计理念在于“做减法”，通过精简架构实现高性能与低资源占用的平衡，为开发者提供更灵活的改造空间。
极致代码精简
相比 OpenClaw 高达 43 万行的庞大代码量，NanoBot 将核心逻辑压缩至约 4000 行，体积缩减 99%。
这种极致的轻量化设计不仅显著降低了资源占用，提升了响应速度，更让开发者能够快速理解源码逻辑，大幅降低了二次开发和深度魔改的门槛。
分层解耦架构
项目采用分层解耦设计，涵盖交互层、核心层、能力层及支撑层。核心的 Agent Loop 位于 agent/loop.py，负责协调 LLM 调用与工具执行，默认迭代上限设为 20 次以防死循环。
Context Builder 则负责组装提示词上下文，整个架构清晰易懂，无复杂模块嵌套，便于科研与生产环境的快速适配。
全场景功能覆盖
虽然代码量极简，但功能并未阉割。内置技能涵盖了 GitHub 操作、天气查询、Tmux 终端管理、定时任务及文本摘要等场景。
通过 LiteLLM 统一对接主流大模型，并兼容 Telegram、Discord、WhatsApp 及飞书等通讯平台，真正实现了小体积下的全能助手体验。
NanoBot 用极少的代码量展示了 AI Agent 的核心实现逻辑，无论是用于个人构建智能助手，还是作为学习 Agent 架构的教材，都具有极高的实用价值。对于追求轻量化和可定制性的开发者而言，这是一个不容错过的优质开源项目。
