4000行代码打造个人AI助手 openBot ，比Claude轻99%，却一样好用！
- 免费干货
- 1小时前
- 4热度
- 0评论
今天我们来聊聊整个轻量级的"openBot"的项目架构到底是如何实现的。
Github传送门：https://github.com/HKUDS/nanobot
nanobot 是一个超轻量级（约4000行代码）的个人AI助手，灵感来自 Clawdbot，但体积小了99%。它是一个基于 ReAct (Reasoning + Acting) 模式的智能代理系统。
🏗️ 核心架构图
┌─────────────────────────────────────────────────────────────────┐
│ 用户交互层 (Channels) │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ CLI │ │ Telegram │ │ WhatsApp │ (可扩展更多渠道) │
│ └────┬─────┘ └────┬─────┘ └────┬─────┘ │
└───────┼─────────────┼─────────────┼───────────────────────────────┘
│ │ │
└─────────────┴─────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 消息总线 (Message Bus) │
│ 解耦渠道和核心代理，实现异步消息传递 │
│ - Inbound Queue: 用户消息 → Agent │
│ - Outbound Queue: Agent响应 → 用户 │
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 核心代理引擎 (Agent Loop) │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ ContextBuilder│◄───│ MemoryStore │ │ SkillsLoader │ │
│ │ (上下文构建) │ │ (记忆系统) │ │ (技能系统) │ │
│ └──────┬───────┘ └──────────────┘ └──────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ LLM Provider │ │
│ │ (OpenRouter/Anthropic/OpenAI/Gemini等) │ │
│ └─────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ Tool Registry │ │
│ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │
│ │ │read_file│ │write_file│ │edit_file│ │ list_dir│ │ │
│ │ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │ │
│ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │
│ │ │ exec │ │web_search│ │web_fetch│ │ message │ │ │
│ │ └─────────┘ └─────────┘ └─────────┘ └─────────┘ │ │
│ │ ┌─────────────────────────────────────────────────┐ │ │
│ │ │ spawn (子代理工具) │ │ │
│ │ │ SubagentManager (后台任务管理) │ │ │
│ │ └─────────────────────────────────────────────────┘ │ │
│ └─────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────────┐
│ 支撑服务层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ CronService │ │HeartbeatSvc │ │SessionManager│ │
│ │ (定时任务) │ │ (心跳服务) │ │ (会话管理) │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────────┘
🔑 核心组件详解
1. 消息总线 (Message Bus) - bus/queue.py
- 作用
: 解耦消息渠道和代理核心 - 机制
: 使用 asyncio.Queue实现异步消息传递 - 特点
: -
入队 ( inbound): 各渠道将用户消息放入队列 -
出队 ( outbound): Agent处理后将响应发回给用户 -
支持订阅模式，不同渠道订阅自己的消息 -
2. Agent 循环 (Agent Loop) - agent/loop.py
这是整个系统的核心引擎，采用 ReAct 模式:
用户消息 → 构建上下文 → 调用LLM → 解析响应 ↓ ┌─────────────────┐ │ 需要工具调用? │ └────────┬────────┘ │ ┌─────────────────┼─────────────────┐ ▼ ▼ ▼ 是(有工具调用) 否(直接回复) 达到最大迭代 │ │ │ ▼ ▼ ▼ 执行工具调用 ──→ 将结果返回LLM ──→ 继续循环 返回最终结果核心流程:
-
接收消息 → 获取/创建会话 -
构建上下文（历史记录 + 系统提示 + 记忆 + 技能） -
调用 LLM，获取响应 -
如果响应包含工具调用 → 执行工具 → 将结果返回LLM → 继续循环 -
如果没有工具调用 → 返回最终结果给用户 -
3. 上下文构建器 (ContextBuilder) - agent/context.py
构建发送给LLM的完整上下文，包括：
- Bootstrap 文件
: AGENTS.md,SOUL.md,USER.md,TOOLS.md,IDENTITY.md - 记忆系统
: 长期记忆 + 近期记忆 - 技能系统
: 已加载的技能说明 -
4. 工具系统 (Tools) - agent/tools/
工具 功能 文件 read_file读取文件内容 filesystem.py write_file写入文件 filesystem.py edit_file编辑文件（搜索替换） filesystem.py list_dir列出目录内容 filesystem.py exec执行shell命令 shell.py web_search网络搜索（Brave API） web.py web_fetch获取网页内容 web.py message发送消息到聊天渠道 message.py spawn创建子代理执行后台任务 spawn.py 5. 子代理系统 (Subagent) - agent/subagent.py
- 作用
: 执行耗时的后台任务，不阻塞主代理 - 机制
: 创建独立的 asyncio.Task运行子代理 - 特点
: -
子代理有独立的工具集（没有 message和spawn工具） -
完成后通过系统消息通知主代理 -
主代理收到通知后决定如何告知用户 -
6. 记忆系统 (Memory) - agent/memory.py
- 长期记忆
: MEMORY.md- 持久化的重要信息 - 每日笔记
: YYYY-MM-DD.md- 按日期组织的短期记忆 - 自动加载
: 最近7天的记忆会自动加载到上下文中 -
7. 技能系统 (Skills) - agent/skills.py
- 位置
: ~/.nanobot/workspace/skills/或内置nanobot/skills/ - 格式
: 每个技能是一个目录，包含 SKILL.md - 加载策略
: -
始终加载的技能：完整内容放入上下文 -
可选技能：只显示摘要，需要时通过 read_file读取 -
8. 定时任务 (Cron) - cron/service.py
- 支持类型
: at
: 指定时间执行一次 every
: 每隔一段时间执行 cron
: Cron表达式 - 持久化
: 任务存储在JSON文件中 -
🔄 消息处理完整流程
┌─────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ 用户 │────►│ Channel │────►│ MessageBus │────►│ AgentLoop │ │ 输入 │ │ (Telegram等)│ │ (inbound) │ │ _process_ │ └─────────┘ └─────────────┘ └─────────────┘ └──────┬──────┘ │ ┌──────────────────────────────────────────┘ ▼ ┌─────────────────────┐ │ SessionManager │ │ 获取/创建会话历史 │ └─────────────────────┘ │ ▼ ┌─────────────────────┐ │ ContextBuilder │ │ 构建完整系统提示 │ │ (bootstrap+记忆+技能)│ └─────────────────────┘ │ ▼ ┌─────────────────────┐ │ LLM Provider │ │ 调用大语言模型 │ └─────────────────────┘ │ ┌─────────┴──────────┐ ▼ ▼ ┌─────────┐ ┌─────────┐ │ 工具调用 │ │ 直接回复 │ └────┬────┘ └────┬────┘ │ │ ▼ ▼ ┌─────────┐ ┌─────────────┐ │ToolRegistry│ │ 保存到会话 │ │执行工具 │ │ 返回给用户 │ └────┬────┘ └──────┬──────┘ │ │ └──────────┬───────────┘ ▼ ┌─────────────────────┐ │ 工具结果返回LLM │ │ 继续下一轮推理 │ └─────────────────────┘💡 设计亮点
- 超轻量级
: 核心功能仅约4000行代码，易于理解和修改 - 模块化设计
: 渠道、代理、工具完全解耦，易于扩展 - ReAct 模式
: 推理-行动循环让Agent能够处理复杂任务 - 子代理系统
: 后台任务不阻塞主交互 - 渐进式技能加载
: 按需加载技能，控制上下文长度 - 多记忆层级
: 长期记忆 + 短期记忆，让Agent有"记忆" - 多LLM支持
: 通过 LiteLLM 支持多种模型提供商 - 这个项目非常适合作为个人AI助手，也可以作为学习Agent架构的优秀范例！
如果你对这个项目感兴趣完全可以clone下来封装到自己的项目中
转自：https://mp.weixin.qq.com/s/qKTOQ5QCkd8S9dpHpdMg3g
EdgeOne
ESA