nonebot2
NoneBot2 是一款基于 Python 编写的跨平台异步聊天机器人框架,旨在帮助开发者轻松构建功能强大的智能机器人。它主要解决了在不同即时通讯平台(如 QQ、微信、Telegram 等)上重复开发机器人底层对接逻辑的痛点,让创作者能够专注于业务逻辑与插件功能的实现。
这款工具非常适合具备一定 Python 基础的开发者使用,无论是想为社群打造自动化管理助手,还是希望探索人机交互场景的技术爱好者,都能从中受益。NoneBot2 的核心亮点在于其“异步”架构,能够高效处理高并发消息请求,确保机器人在繁忙时段依然响应迅速;同时,它深度支持 OneBot 标准,实现了“一次编写,多端运行”的便捷体验。配合其模块化的插件系统设计,用户可以灵活扩展功能,社区中丰富的现成插件也能进一步降低开发门槛。如果你渴望用代码赋予聊天窗口更多智慧与趣味,NoneBot2 将是一个稳定且高效的选择。
使用场景
某高校计算机社团希望为成员打造一个能同时响应 QQ 群、Telegram 和 Discord 消息的自动化助手,用于日常签到、技术问答及活动通知。
没有 nonebot2 时
- 多平台适配成本极高:开发者需分别研究各平台的 API 文档,为每个渠道编写独立的接收与发送逻辑,代码重复率高达 80%。
- 并发处理能力薄弱:传统同步框架在面对群组高频消息轰炸时容易阻塞,导致机器人响应延迟甚至掉线。
- 功能扩展维护困难:每新增一个功能(如天气查询),都需要在所有平台的代码分支中重复修改,极易引入 Bug。
- 缺乏统一生态支持:社区插件无法通用,开发者必须从零造轮子实现基础指令解析和权限管理。
使用 nonebot2 后
- 一次开发,多端运行:基于 OneBot 等标准协议,只需编写一套核心逻辑,即可通过适配器无缝部署到 QQ、TG 等多个平台。
- 异步架构保障流畅:原生支持 Python Async/Await 语法,轻松应对高并发消息场景,确保指令毫秒级响应。
- 插件化热加载机制:功能以独立插件形式存在,新增“每日早报”功能仅需放置一个新文件,无需重启主程序或修改核心代码。
- 享受丰富生态红利:直接调用社区成熟的插件库(如管理员权限控制、敏感词过滤),将开发重心聚焦于业务创新。
nonebot2 通过统一的异步架构与插件生态,将跨平台机器人开发从繁琐的底层对接中解放出来,让开发者专注于创造真正的智能交互价值。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
NoneBot
✨ 跨平台 Python 异步机器人框架 ✨
简介
NoneBot2 是一个现代、跨平台、可扩展的 Python 聊天机器人框架,它基于 Python 的类型注解和异步特性,能够为你的需求实现提供便捷灵活的支持。
特色
异步优先:基于 Python 的异步特性,即使是
非常大量的消息,也能吞吐自如易于开发:配合 NB-CLI 脚手架,代码编写上手简单,没有过多的冗余代码,可以让开发者专注于业务逻辑
生而可靠:100% 类型注解覆盖,配合编辑器的类型推导功能,能将绝大多数的 Bug 杜绝在编辑器中 (编辑器支持)
社区丰富:社区用户众多,直接和间接用户超过十万人,每天都有大量的活跃用户 (社区资源)
海纳百川:一个框架,支持多个聊天软件平台,可自定义通信协议
协议名称 状态 注释 OneBot(仓库,协议) ✅ 支持 QQ、TG、微信公众号、KOOK 等平台 Telegram(仓库,协议) ✅ 飞书(仓库,协议) ✅ GitHub(仓库,协议) ✅ GitHub APP & OAuth APP QQ(仓库,协议) ✅ QQ 官方接口调整较多 Console(仓库) ✅ 控制台交互 Red(仓库,协议) ✅ QQNT 协议 Satori(仓库,协议) ✅ 支持 Onebot、TG、飞书、微信公众号、Koishi 等 Discord(仓库,协议) ✅ Discord Bot 协议 DoDo(仓库,协议) ✅ DoDo Bot 协议 Kritor(仓库,协议) ✅ Kritor (OnebotX) 协议,QQNT 机器人接口标准 Mirai(仓库,协议) ✅ QQ 协议 Milky(仓库,协议) ✅ QQNT 机器人应用接口标准 钉钉(仓库,协议) 🤗 寻找 Maintainer(暂不可用) 开黑啦(仓库,协议) ↗️ 由社区贡献 Ntchat(仓库) ↗️ 微信协议,由社区贡献 MineCraft(仓库) ↗️ 由社区贡献 Walle-Q(仓库) ↗️ QQ 协议,由社区贡献 Villa(仓库) ❌ 米游社大别野 Bot 协议,官方已下线 Rocket.Chat(仓库,协议) ↗️ Rocket.Chat Bot 协议,由社区贡献 Tailchat(仓库,协议) ↗️ Tailchat 开放平台 Bot 协议,由社区贡献 Mail(仓库) ↗️ 邮件收发协议,由社区贡献 黑盒语音(仓库,协议) ↗️ 黑盒语音机器人协议,由社区贡献 微信公众平台(仓库,协议) ↗️ 微信公众平台协议,由社区贡献 Gewechat(仓库,协议) ❌ Gewechat 微信协议,Gewechat不再维护及可用 EFChat(仓库,协议) ↗️ 恒五聊平台协议,由社区贡献 VoceChat (仓库,协议) ↗️ VoceChat 平台协议,由社区贡献 B站直播间(仓库,Web API 协议,开放平台协议) ↗️ B站直播间(Web API/开放平台)协议,由社区贡献 坚实后盾:支持多种 web 框架,可自定义替换、组合
驱动框架 类型 FastAPI 服务端 Quart(异步 Flask) 服务端 aiohttp 客户端 httpx 客户端 websockets 客户端
更多:概览
什么不是 NoneBot2
NoneBot2 并不是某个特定平台或协议的具体实现,它仅负责与现有的协议适配器进行通信,并处理接收到的事件。因此,“NoneBot 是否支持某平台的某某功能?”这类问题与 NoneBot2 无关。请查阅相应平台的功能文档,或联系该平台的协议适配开发者以获取答案。
NoneBot2 也并非 NoneBot1 的替代品。事实上,这两个版本目前都在积极维护中。不过,如果你希望尝试新功能,或者需要支持更多平台,那么可以考虑使用 NoneBot2。
NoneBot2 和 NoneBot1 的区别,就像 VisualStudio Code 和 VisualStudio 一样
即刻开始
完整 文档可以在 这里 查看。
懒得看文档?下面是快速安装指南:
安装 pipx
python -m pip install --user pipx python -m pipx ensurepath安装脚手架
pipx install nb-cli使用脚手架创建项目
nb create运行项目
nb run
社区资源
常见问题
教程/实际项目/经验分享
插件
此外,NoneBot2 还提供了丰富的官方及第三方现成插件供用户使用:
NoneBot-Plugin-Docs:可将离线文档集成到本地项目中(再也不用担心文档打不开啦!)
在项目目录下执行:
nb plugin install nonebot_plugin_docs或者尝试以下镜像:
其他插件请查看 商店
许可证
NoneBot 采用 MIT 许可证进行开源
本软件按“原样”提供,不提供任何明示或暗示的担保,包括但不限于适销性、特定用途适用性及非侵权性的担保。在任何情况下,作者或版权所有者均不对任何索赔、损害或其他责任负责,无论其是基于合同、侵权行为或其他原因而产生,且与本软件或其使用有关。
贡献
请参考 贡献指南
鸣谢
赞助者
感谢以下产品对 NoneBot 项目提供的赞助:
感谢以下赞助者对 NoneBot 项目提供的资金支持:
开发者
感谢以下开发者对 NoneBot2 作出的贡献:
版本历史
v2.5.02026/04/01v2.4.42025/10/29v2.4.32025/08/07v2.4.22025/03/12v2.4.12024/12/25v2.4.02024/10/31v2.3.32024/08/18v2.3.22024/07/06v2.3.12024/05/20v2.3.02024/05/01v2.2.12024/02/24v2.2.02024/02/09v2.1.32023/12/25v2.1.22023/10/31v2.1.12023/10/01v2.1.02023/09/10v2.0.12023/07/23v2.0.02023/06/01v2.0.0rc42023/04/01v2.0.0rc32023/01/22相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
