想要一个自己的 AI 助手,面前通常摆着两条路:用托管服务,省心但对话、文件、偏好都存在别人家里;用开源框架自建,数据是自己的了,可重量级框架的抽象层层叠叠,想改一处行为得先读懂半个系统。港大数据智能实验室 HKUDS 的 nanobot 给出了第三条路:一个超轻量、开箱即用的自托管个人 AI agent——核心小到读得懂,能力又齐到真能当日常助手用。
本文按"是什么、什么哲学、能干什么、怎么上手"介绍它,项目信息经搜索引擎核实,截至 2026 年 11 月。
1、nanobot 是什么
nanobot 是 HKUDS(港大数据智能实验室,知名 RAG 框架 LightRAG 的同门团队)开源的个人 AI agent 框架:Python 实现、MIT 协议、自托管运行。它的使用形态覆盖三种入口——浏览器里的 WebUI、终端命令行,以及各类聊天应用的 channel 接入;对开发者还提供 API。同一个 agent,在哪个入口都是同一份记忆与工具,WebUI 上聊到一半,换个终端接着说。
定位一句话:它不是给企业搭平台的框架,而是给个人搭助手的框架——装在自己机器上,替你操作文件、记住偏好、跑自动化任务。
2、Own your stack 哲学
项目主页的口号是"Own your stack"(拥有你的技术栈),展开是四个动作:检视、定制、自托管、扩展。背后的判断是:agent 会越来越深地嵌入个人工作流,黑盒化的代价会越来越高——助手替你读写文件、记住你说过的偏好,这些行为你理应看得见、改得动。
落到工程上就是"小核心"路线:不依赖巨型框架,核心代码量控制在一读就懂的规模,MCP、记忆、部署、自动化这些能力以内置模块而非外部依赖的形式存在。想理解它怎么决策,读源码就行;想改它的行为,改的就是你自己部署的那份代码。这与"组装重型框架"的主流路线是两种审美,也各有受众。
3、核心能力清单
从官方仓库与文档站(nanobot.wiki)归纳,内置能力如下:
| 能力 | 说明 |
|---|---|
| 工具调用 | 内置工具集,可直接操作文件等本机资源 |
| MCP 集成 | 接入 MCP 生态,现成 Server 即插即用 |
| 持久记忆 | 跨会话记住用户偏好与上下文 |
| 记忆整理 | 名为 Dream 的固化机制,定期整理沉淀记忆 |
| 自动化 | 长时任务与定时工作流 |
| 多 agent | 内置多 agent 协作的工作流支持 |
表里两行值得展开。MCP 集成意味着工具生态不需要从零造:社区目录里的 Server 配置即用,接法与 MCP 的标准配置完全同构。持久记忆加 Dream 固化是个人助手的关键差异点——聊天式产品的记忆只活在一个会话里,而 nanobot 的记忆跨会话沉淀,还能在"做梦"时整理归并,越用越懂你。
整体结构一目了然:
图中多个入口汇入一个小核心,能力以模块挂载——这就是"轻量但不残缺"的形态。
4、自托管的意义
自托管不只是情怀,它划定了三件托管服务给不了的事:数据不出机器,对话与文件操作留在本地盘;行为可审计,每一步工具调用都可以翻看;定制无上限,从提示词到记忆策略到工具集,全部代码在你手里。对要处理私人笔记、工作文档的个人用户,这三条是选择自托管的实际理由,而非洁癖。
当然,硬币的另一面也要讲:自托管意味着自己负责运行——模型密钥自己配、进程自己保活、更新自己跟。nanobot 把门槛压到了"个人可负担"的量级,但"自己的助手自己运维"这件事本身不会消失。
5、上手与生态
安装与配置以官方文档站为准,仓库在 GitHub,MIT 协议可放心商用改造。生态侧的观察:HKUDS 组织下还有 LightRAG 等知名项目,社区对 nanobot 的第三方评测与上手教程已经出现——一个开源项目的周边内容密度,通常是它活跃度的可靠信号。
给一个起步路径:先在 WebUI 里跑通基本对话,配一个文件类工具感受它的操作能力,再按官方文档接入第一个 MCP Server——三步之后,"个人助手"就从概念变成了你机器上跑着的东西。
6、总结
回顾全文:nanobot 是 HKUDS 出品的超轻量自托管个人 AI agent,Python 与 MIT 让它可读可改,WebUI、终端、聊天 channel 多入口覆盖日常使用;内置工具、MCP、持久记忆与 Dream 固化、自动化与多 agent,小核心承载了完整能力。对于想要"自己的助手"又不想被重型框架绑架的开发者,建议把它当作了解 agent 内部构造的活教材来用——源码读得懂的 agent,才是真正属于你的 agent。


