摘要：nanobot 是一个极简主义的 AI Agent 框架，它用不到 4000 行代码，构建了一个包含 多端接入 (Channel)、消息总线 (Bus)、ReAct 循环、多层记忆 (Memory) 以及 技能扩展 (Skills) 的完整系统。本文将从源码视角，剖析其核心设计理念，帮助开发者理解现代 AI Agent 的底层运作机制。

一、 项目概览

1.1 为什么关注 nanobot？

在 AI Agent 爆发的今天，像 OpenClaw 这样的大型项目虽然功能强大，但往往代码复杂，难以快速上手理解核心逻辑。nanobot 则提供了一个完美的“解剖样本”——它剥离了复杂的业务逻辑，只保留了 Agent 最核心的骨架。

理解了 nanobot，你就理解了大多数基于 ReAct 范式的 AI 助理是如何工作的。

仓库代码：https://github.com/HKUDS/nanobot

1.2 源码结构图解

nanobot 的项目结构非常扁平，核心模块一目了然：

nanobot/
├── agent/                # [核心] 智能体大脑
│   ├── loop.py           #    ReAct 主循环 (引擎心脏)
│   ├── context.py        #    上下文组装 (Prompt 构建)
│   ├── memory.py         #    记忆系统 (三层存储)
│   ├── skills.py         #    技能管理
│   └── tools/            #    工具箱 (Shell, Web, File 等)
├── bus/                  # [通信] 消息总线
│   ├── queue.py          #    异步消息队列 (核心解耦机制)
│   └── events.py         #    事件定义
├── channels/             # [触角] 多平台接入
│   ├── base.py           #    标准接口定义
│   ├── manager.py        #    渠道管理器
│   └── feishu/           #    具体实现 (如飞书、微信等)
├── config/               # [配置] Pydantic 配置管理
├── session/              # [存储] 会话持久化 (JSONL)
└── cli/                  # [入口] 命令行启动器

二、 核心架构设计

nanobot 采用了一种经典的 分层架构，确保了各个模块的高内聚和低耦合。

graph TD User((用户)) <--> Channels["Access Layer: Channels (飞书/微信/CLI)"] %% 消息总线子图 subgraph "Message Bus (异步解耦)" InQueue["Inbound Queue"] OutQueue["Outbound Queue"] end Channels --> InQueue OutQueue --> Channels %% Agent核心引擎子图 subgraph "Agent Core (核心引擎)" Loop["Agent Loop<br/>(ReAct 循环)"] Context["Context Builder"] Mem["Memory System"] Skills["Skill Registry"] end InQueue --> Loop Loop --> OutQueue Loop <--> Context Context <--> Mem Loop <--> Skills %% 基础设施子图 subgraph "Infrastructure" LLM["LLM Provider"] Storage["File System"] end Loop <--> LLM Mem <--> Storage

架构分层解析

1. 接入层 (Access)：负责与外部世界交互，无论是飞书消息还是命令行输入，都统一封装为标准 Message 对象。
2. 总线层 (Bus)：全异步的消息高速公路，通过双向队列隔离了“通信”与“思考”。
3. 核心层 (Agent Core)：系统的“大脑”，负责调度 LLM、管理记忆、执行工具。
4. 基建层 (Infrastructure)：提供模型能力 (Provider) 和数据持久化能力。

设计哲学：如何让不可控的 LLM 稳定输出结构化数据？nanobot 给出的答案是——利用 Function Calling 协议，而不是依赖 Prompt 指令。

3.1 痛点：Prompt 的局限性

通常我们要求 LLM 输出 JSON 时，会使用如下 Prompt：

"请返回 JSON 格式，包含 action 和 reason 字段..."

但 LLM 经常会“自作聪明”地添加 Markdown 代码块，或者在 JSON 前后废话，导致解析失败。即使使用 JSON Mode，也难以严格约束字段类型（Schema）。

3.2 解决方案：幽灵工具

nanobot 引入了 “虚拟工具” 的概念。这是一种不注册到执行列表，但发送给 LLM 的工具定义。

工作流程：

1. 定义 Schema：构造一个 Function Definition，描述你想要的 JSON 结构。
2. 欺骗 LLM：在 API 调用时传入这个 Tool，让 LLM 以为它需要调用这个函数。
3. 截获参数：当 LLM 返回 tool_calls 时，直接读取其 arguments 参数——这就是经过严格校验的结构化数据。
4. 跳过执行：Agent 并不真的执行这个 Tool，而是直接使用数据。

代码示意：

# 定义一个并不存在的工具，仅用于约束输出格式
VIRTUAL_TOOL_SCHEMA = [{
    "type": "function",
    "function": {
        "name": "submit_decision",
        "parameters": {
            "type": "object",
            "properties": {
                "decision": {"type": "string", "enum": ["ignore", "reply"]},
                "reason": {"type": "string"}
            },
            "required": ["decision", "reason"]
        }
    }
}]

# 调用 LLM
response = await llm.chat(messages, tools=VIRTUAL_TOOL_SCHEMA)

# 直接获取结构化结果，无需正则解析
result = response.tool_calls[0].arguments 
# result = {"decision": "reply", "reason": "User is asking for help"}

这种模式在 nanobot 的 记忆归档 和 心跳检测 模块中被广泛使用，极大地提高了系统的稳定性。

四、 核心模块深度拆解

4.1 Message Bus：45 行代码的解耦艺术

nanobot 的总线设计极度精简，却实现了完美的异步解耦。

• Inbound Queue：所有 Channel 接收到的消息，经过标准化封装后，扔进这个队列。
• Outbound Queue：Agent 思考产生的回复，扔进这个队列，由 Channel Manager 派发回对应的渠道。

sequenceDiagram participant User participant FeishuChannel participant Bus participant Agent User->>FeishuChannel: 发送消息 "你好" FeishuChannel->>Bus: put(InboundMessage) Note over FeishuChannel, Agent: Channel 此时可以继续处理其他请求，无需等待 loop 异步监听 Agent->>Bus: get(InboundQueue) Bus-->>Agent: 收到消息 end Agent->>Agent: 思考 (ReAct Loop) Agent->>Bus: put(OutboundMessage) loop 异步监听 FeishuChannel->>Bus: get(OutboundQueue) Bus-->>FeishuChannel: 获取回复 end FeishuChannel->>User: 回复消息

4.2 Agent Loop：ReAct 引擎

agent/loop.py 是整个系统的主循环。它并不复杂，本质上是一个状态机：

1. Observe (观察)：获取当前上下文（Context）。
2. Reason (推理)：将上下文和工具列表发送给 LLM。
3. Act (行动)：
   • 如果 LLM 决定调用工具：执行工具 -> 获得结果 -> 将结果追加到上下文 -> 回到步骤 2。
   • 如果 LLM 决定回复用户：生成最终文本 -> 结束循环。

4.3 Memory：三层记忆体系

为了解决 LLM 上下文窗口限制（Context Window）的问题，nanobot 设计了一套精巧的 三层记忆模型。

第一层：Session (原始会话)

• 形式：.jsonl 文件。
• 内容：原汁原味的对话日志，包含所有的 Tool Call 和详细参数。
• 作用：作为“短期记忆”的物理载体，用于保持对话的连贯性。
• 策略：永不删除，但为了节省 Token，超长工具输出会被截断，图片会被替换为占位符。

第二层：History (事件日志)

• 形式：HISTORY.md。
• 内容：带时间戳的关键事件摘要。

  [2024-03-20 10:00] 用户询问了 nanobot 的部署方式。

• 作用：作为“中长期记忆”，供 Agent 在需要时通过 grep 工具主动搜索查阅。
• 特点：只追加 (Append Only)。

第三层：Memory (认知快照)

• 形式：MEMORY.md。
• 内容：去时间化的事实性知识。

  用户偏好使用 Python 语言。
项目的部署环境是 Ubuntu 22.04。

• 作用：作为“长期记忆”，全量注入 System Prompt，让 Agent 始终“记得”这些关键信息。
• 特点：全量覆写 (Rewrite)。每次记忆整理时，LLM 会重新生成一份完整的认知快照覆盖旧文件。

五、 总结

nanobot 并没有发明新的算法，它的高明之处在于工程实现的克制与优雅：

1. 极简的接口设计：让接入一个新的 IM 渠道变得异常简单。
2. 巧妙的 Prompt 工程：利用虚拟工具解决了结构化输出的难题。
3. 务实的记忆管理：通过分层存储，在 Token 消耗和记忆持久性之间找到了平衡。

对于想要从零构建 AI Agent 的开发者来说，nanobot 绝对是教科书级别的最佳实践。