本项目完整教程、代码和数据资料已分享至会员群

加入会员群

部署流程图

部署流程图

什么是Nanobot

Nanobot是一款轻量级的本地个人AI代理，作为同类工具OpenClaw 的替代方案，它最大的特点是体积缩小了98%，却保留了核心的代理功能。我们可以把它部署在自己的电脑上，连接常用的应用程序，而且因为体积小，代码结构清晰，方便我们查看和修改。
它的核心能力有三个：一是状态记忆，能在本地构建我们的交互历史图谱，比如今天在做Python数据分析项目，一周后它还能记得这个项目的情况；二是模型无关，不绑定特定的模型提供商，可以用OpenAI、Anthropic的模型，也能用自己硬件上运行的本地模型；三是即时UI，可以在我们常用的消息应用里使用，不用学习新的界面。Nanobot功能图

本项目完整教程资料

下载资料(17页)
侧边栏 · 本地AI代理速览

Nanobot核心特性

本地AI代理（如Nanobot）在个人设备上运行，保护隐私的同时高效执行任务。体积小巧（比同类小98%），支持云端或本地模型，具有状态记忆，可通过Telegram交互。适用于数据分析、自动化任务，尤其适合对数据安全要求高的场景。部署简单，代码开源可定制。

部署前的准备

在开始部署之前，我们需要准备几样东西：电脑上安装Python 3.11或更高版本（支持Mac、Windows、Linux系统）；一个模型提供商的API密钥，比如OpenRouter、OpenAI、Anthropic的，或者通过Ollama设置本地模型；一个Telegram账号，我们用它作为交互界面，因为设置起来最简单。

分步部署本地研究代理

我们来构建一个能在Telegram里运行、可以搜索网络、记得我们兴趣的代理。部署步骤图

安装Nanobot

现在安装Python工具常用的方式是用pip或uv，这样能和系统Python隔离开。如果没有这些工具，标准的pip也可以。打开终端运行：

# 在你的环境中运行
pip install nanoagent-ai
# 或者如果你喜欢用uv
uv tool install nanoagent-ai

安装成功后，会看到类似这样的提示：

Successfully installed nanoagent-0.5.2

获取接口令牌

设置交互界面的步骤：打开Telegram，搜索@BotFather，输入/createbot，按照提示操作，复制BotFather给你的令牌。接下来获取你的用户ID，确保机器人只接受你的命令，在Telegram里搜索@userinfobot，点击开始，复制用户ID。

初始化配置

运行nanoagent init来初始化你的代理，会看到类似这样的提示：

配置代理

运行下面的命令，在providers部分添加你想用的模型提供商的API密钥：

nano ~/.nanoagent/config.json

编辑文件，把API密钥添加到你选择的提供商：

编辑Telegram部分，添加你之前获取的令牌和用户ID，这样只有你能给代理发送指令。

修改agents部分，反映你选择的提供商：

在终端测试你的代理：

设置网关服务

完成Telegram集成，在终端运行下面的命令：

nanoagent gateway

你现在应该看到Telegram已启用，就像我的消息显示的这样：

前往Telegram测试一下：

扩展代理功能：联网与本地模型

现在设置完成了，是时候让你的代理更实用了。大多数模型的信息只到训练数据的截止日期，我们可以通过连接网络让它更实用。
Nanobot支持模型上下文协议（MCP），可以给代理添加网络搜索或数据库查询等功能。我们来添加Brave搜索服务器，让代理能访问互联网：

  1. 从Brave获取API密钥
  2. 用密钥更新配置
"tools": {
 "web": {
 "search": {
 "apiKey": "",
 "maxResults": 5
 }
 },
 "exec": {
 "timeout": 60
 },
 "restrictToWorkspace": false
 }

最受欢迎的见解

  1. Python员工数据人力流失预测：ADASYN采样CatBoost算法、LASSO特征选择与动态不平衡处理及多模型对比研究
  2. R分布式滞后非线性模型DLNM分析某城市空气污染与健康数据：多维度可视化优化滞后效应解读
  3. Python古代文物成分分析与鉴别研究：灰色关联度、岭回归、K-means聚类、决策树分析
  4. Python TensorFlow OpenCV的卷积神经网络CNN人脸识别系统构建与应用实践
  5. Python用Transformer、SARIMAX、RNN、LSTM、Prophet时间序列预测对比分析用电量、零售销售、公共安全、交通事故数据
  6. MATLAB贝叶斯超参数优化LSTM预测设备寿命应用——以航空发动机退化数据为例
  7. Python谷歌商店Google Play APP评分预测：LASSO、多元线性回归、岭回归模型对比研究
  8. Python+AI提示词糖尿病预测模型融合构建：伯努利朴素贝叶斯、逻辑回归、决策树、随机森林、支持向量机SVM应用

重启你的网关。
现在在Telegram里，问一个类似“苹果股票现在的价格是多少？”的问题。在终端里，你可以看到它实际上在搜索网络：

2026-02-13 10:14:48.753 | INFO | nanoagent.agent.loop:_process_message:164 - 处理来自telegram:7045522516的消息：苹果股票现在的价格是多少
2026-02-13 10:14:59.726 | INFO | nanoagent.agent.loop:_process_message:246 - 工具调用：web_search({"query": "AAPL stock price Yahoo Finance", "count": 5})
......(省略了后续工具调用和日志代码)

最后图示