Das bahnbrechende OpenClaw hat große Sprachmodelle von einfachen Dialogwerkzeugen in „digitale Mitarbeiter“ verwandelt, die kontinuierliche Online-Interaktion, plattformübergreifende Zusammenarbeit, Werkzeugaufrufe und Aufgabenausführung ermöglichen. Die massive Codebasis von über 400.000 Zeilen hat jedoch viele Entwickler davon abgehalten, sie zu erlernen und weiterzuentwickeln.

In diesem ZusammenhangDas HKU Data Intelligence Lab (HKUDS) hat nanobot, einen leichten persönlichen KI-Assistenten, als Open Source veröffentlicht.Die Agentenfunktion ist auf weniger als 4.000 Zeilen reinen Python-Code komprimiert, wodurch die Komplexität um etwa 991 TP3T deutlich reduziert wird, während die Kernfunktionalität erhalten bleibt. Dieses „Subtraktions“-Design hat es in der Open-Source-Community zu einem Erfolg gemacht und ihm aktuell 41.100 Sterne auf GitHub eingebracht.

Nanobot hat trotz seines leichten Designs keine Einbußen bei der Praktikabilität hinnehmen müssen; im Gegenteil, seine Funktionalität wurde durch kontinuierliche Weiterentwicklungen stetig ausgebaut. Die neueste Version unterstützt das Lesen von Office-Dokumenten, SSE-Streaming-Ausgabe mit OpenAI-kompatiblen APIs, verbesserte Zuverlässigkeit im Mehrsitzungsbetrieb sowie sitzungsübergreifenden Speicher und stabilen Betrieb über mehrere Kanäle.

Die integrierte WebUI wird derweil kontinuierlich verbessert und bietet nun Mehrsprachenumschaltung, Dunkelmodus und Echtzeit-Chatfunktionen sowie die Möglichkeit zur gleichzeitigen Interaktion mehrerer Sitzungen über WebSocket. Auf Modell- und Ökosystemebenenanobot unterstützt mehrere Modellschnittstellen wie Kimi K2.6 und MiniMax und ist mit lokalen Inferenzlösungen wie LM Studio kompatibel.Es führt außerdem Mechanismen zur Laufzeit-Tool-Aufrufung (SelfTool) und zur automatischen Fähigkeitserkennung (Dream) ein, die es Agenten ermöglichen, ihre Fähigkeitsgrenzen dynamisch zu erweitern.

Darüber hinaus wurde das Projekt hinsichtlich technischer Details kontinuierlich optimiert, unter anderem durch Kontextkomprimierung, atomare Sitzungsschreib- und automatische Reparaturmechanismen, Aufteilung langer Nachrichten (Telegram), Schutz vor E-Mail-Schleifen und eine strengere Sandbox-Ausführungsumgebung. Diese Verbesserungen erhöhen die Stabilität und Verfügbarkeit des Systems in realen Produktionsumgebungen deutlich. In Kombination mit MCP (Model Context Protocol) können Entwickler zudem externe Tools und Services flexibel integrieren, um komplexere automatisierte Prozesse zu erstellen.

Noch wichtiger ist jedoch, dass die Entwicklungsbarriere für Nanobots weiter gesenkt wird – derzeitDer Tutorial-Bereich von HyperAI enthält jetzt „Nanobot: Ein ultraleichter persönlicher KI-Assistent“.Sobald die Umgebung eingerichtet ist, wird das GLM-4.7-Flash-Modell lokal mit vLLM bereitgestellt. Wenn Sie interessiert sind, testen Sie diesen schlanken KI-Agenten mit HyperAI – er ist einfach zu bedienen!

Online ausführen:

https://go.hyper.ai/WUdJj

Das Tutorial umfasst Folgendes:

• Lokale Modellbereitstellungskonfiguration
• Lark-Integrationsschritte
• Grundlegende Nutzung und Tests

Weitere Online-Tutorials:

https://hyper.ai/notebooks

Besuchen Sie unsere offizielle Website für weitere Informationen:

https://hyper.ai

Demolauf

1. Nachdem Sie die Homepage von hyper.ai aufgerufen haben, wählen Sie die Seite „Tutorials“ aus oder klicken Sie auf „Weitere Tutorials anzeigen“, wählen Sie „Nanobot: Ultraleichter persönlicher KI-Assistent“ aus und klicken Sie auf „Dieses Tutorial ausführen“.

2. Nachdem die Seite weitergeleitet wurde, klicken Sie oben rechts auf „Klonen“, um das Tutorial in Ihren eigenen Container zu klonen.

Hinweis: Sie können die Sprache oben rechts auf der Seite ändern. Derzeit sind Chinesisch und Englisch verfügbar. Dieses Tutorial zeigt die Schritte auf Englisch.

3. Wählen Sie die Images „NVIDIA RTX PRO6000“ und „vLLM“ aus und klicken Sie auf „Auftragsausführung fortsetzen“.

HyperAI bietet Neukunden einen Registrierungsbonus: Für nur $1 erhalten Sie 20 Stunden RTX 5090 Rechenleistung (ursprünglich $7), und die Ressourcen sind unbegrenzt gültig.

4. Warten Sie, bis die Ressourcen zugewiesen wurden. Sobald sich der Status auf „Wird ausgeführt“ ändert, klicken Sie auf „Arbeitsbereich öffnen“, um den Jupyter-Arbeitsbereich zu betreten.

Effektanzeige

Nach der Weiterleitung klicken Sie auf die README-Datei auf der linken Seite und folgen den Anweisungen in der Datei, um die Befehlszeile zu konfigurieren, zu testen und die entsprechende Anwendung (Lark) zu integrieren.

Über das Team

Nanobot wurde im Februar dieses Jahres von HKUDS offiziell als Open Source veröffentlicht. Teamleiter ist Huang Chao, Assistenzprofessor und Doktorvater an der Universität Hongkong. Seine Forschungsschwerpunkte umfassen KI-Agenten im großen Maßstab, Sprachmodelle und maschinelles Lernen mit Graphen. Seine Forschungsergebnisse wurden über 17.000 Mal auf Google Scholar zitiert.

Neben Nanobot haben Professor Huang Chao und sein Team auch mehrere andere einflussreiche Open-Source-Projekte veröffentlicht, darunter LightRAG und CLI-Anything. Die Open-Source-Plattform HKUDS auf GitHub hat über 240.000 GitHub-Sterne gesammelt und zählt damit zu den Top 50 weltweit. Sie war außerdem mehr als 100 Mal in den GitHub-Trends vertreten.