nanoclaw
nanoclaw 是一款轻量级、高安全的 AI 助手框架,旨在让用户在完全掌控代码的前提下,安全地运行基于 Anthropic Agents SDK 的智能体。它解决了现有同类工具(如 OpenClaw)代码库过于庞大、依赖复杂且仅在应用层进行权限控制的安全隐患。nanoclaw 通过将每个 AI 智能体隔离在独立的 Linux 容器中运行,实现了操作系统级别的文件系统隔离,确保即使智能体执行命令也不会危及宿主机的安全。
该项目特别适合重视隐私安全、希望深度定制 AI 工作流的开发者及极客用户。其核心理念是“小到足以被理解”,整个项目仅由单个进程和少量源文件组成,摒弃了微服务架构和繁琐的配置中心。用户无需面对复杂的安装向导或监控面板,只需通过 Claude Code 即可自动完成环境搭建、依赖安装及服务配置。
nanoclaw 的独特亮点在于其"AI 原生”的交互方式:功能扩展不靠堆砌代码,而是通过类似 /add-telegram 的技能指令,让 AI 直接修改用户的代码分支以实现个性化需求。它支持连接 WhatsApp、Slack、Gmail 等多种通讯与邮件服务,具备记忆能力和定时任务功能,让用户能轻松打造专属的、安全可控的自动化智能助理。
使用场景
独立开发者李明希望构建一个能自动监控 GitHub 议题并同步通知到 Slack 和 Gmail 的 AI 助手,同时确保代码执行绝对安全。
没有 nanoclaw 时
- 安全风险高:传统方案如 OpenClaw 代码庞大且复杂,所有进程共享内存,一旦 AI 代理被恶意诱导,可能直接危及主机文件系统。
- 部署门槛高:需要手动配置数十个依赖项和复杂的权限白名单,排查环境问题耗费大量开发时间。
- 定制困难:想要增加对特定消息平台的支持或修改逻辑,往往需要在庞大的代码库中小心翼翼地操作,极易引入新 Bug。
- 缺乏隔离:AI 执行的 Bash 命令直接在宿主机运行,误操作可能导致本地开发环境崩溃或敏感数据泄露。
使用 nanoclaw 后
- 容器级隔离:nanoclaw 将每个 AI 代理运行在独立的 Linux 容器中,即使代理执行了危险命令,也仅局限于容器内部,主机安然无恙。
- 极简启动:只需运行
claude并输入/setup,nanoclaw 便自动完成依赖安装、认证及容器配置,几分钟内即可投入使用。 - 代码即配置:李明可以直接让 Claude Code 修改 nanoclaw 精简的源代码来添加 Slack 通知逻辑,无需学习复杂的配置文件语法。
- 按需定制:通过调用
/add-gmail等技能指令,nanoclaw 能动态扩展功能,生成的代码干净且完全贴合李明的具体业务需求。
nanoclaw 通过容器隔离技术与极简架构,让个人开发者能在零安全顾虑下,快速构建完全量身定制的 AI 自动化工作流。
运行环境要求
- macOS
- Linux
- Windows (via WSL2)
未说明
未说明

快速开始
一个能够在各自容器中安全运行智能体的 AI 助手。轻量级,易于理解,并且完全可根据您的需求进行定制。
nanoclaw.dev •
文档 •
中文 •
日语 •
•
我为何构建 NanoClaw
OpenClaw 是一个令人印象深刻的项目,但如果将复杂的、我不了解的软件赋予对我生活的完全访问权限,我根本无法安心使用。OpenClaw 拥有近五十万行代码、53 个配置文件和 70 多个依赖项。其安全性仅停留在应用层(白名单、配对码),而非真正的操作系统级别隔离。所有内容都在一个共享内存的 Node 进程中运行。
NanoClaw 提供了相同的核心功能,但代码库小到足以让人完全理解:只有一个进程和少量文件。Claude 智能体运行在各自的 Linux 容器中,具备文件系统隔离,而不仅仅是通过权限检查来限制访问。
快速开始
gh repo fork qwibitai/nanoclaw --clone
cd nanoclaw
claude
不使用 GitHub CLI 的方法
- 在 GitHub 上叉出 qwibitai/nanoclaw(点击“Fork”按钮)
git clone https://github.com/<your-username>/nanoclaw.gitcd nanoclawclaude
然后运行 /setup。Claude Code 会处理一切:依赖项、身份验证、容器设置和服务配置。
注意:以
/开头的命令(如/setup、/add-whatsapp)是 Claude Code 技能。请在claudeCLI 提示符内输入,而不是在常规终端中。如果您尚未安装 Claude Code,请前往 claude.com/product/claude-code 获取。
理念
小到足以理解。 一个进程、几份源文件,没有微服务。如果您想彻底理解 NanoClaw 的整个代码库,只需让 Claude Code 带您逐行解读即可。
通过隔离确保安全。 智能体运行在 Linux 容器中(macOS 上为 Apple Container 或 Docker),它们只能看到被显式挂载的内容。即使提供 Bash 访问权限也十分安全,因为命令是在容器内部执行,而非在您的主机上。
专为个人用户打造。 NanoClaw 并非一个庞大的框架,而是能够精准适配每位用户需求的软件。它不会变得臃肿,而是设计成可定制的形态。您可以自行创建分支,并让 Claude Code 根据您的需求对其进行修改。
定制即代码变更。 无需繁琐的配置管理。想要不同的行为?直接修改代码即可。由于代码库足够小,因此可以放心地进行更改。
原生 AI 驱动。
- 无安装向导;Claude Code 将引导您完成设置。
- 无监控仪表盘;只需询问 Claude 当前状态即可。
- 无调试工具;描述问题后,Claude 即可为您修复。
技能优先于功能。 不再向核心代码库添加新功能(例如对 Telegram 的支持),而是由贡献者提交类似 /add-telegram 的 [Claude Code 技能],这些技能可以直接应用于您的分支。最终您将获得干净的代码,恰好满足您的需求。
最佳平台,最佳模型。 NanoClaw 基于 Claude Agent SDK 构建,这意味着您直接运行的是 Claude Code。Claude Code 功能强大,其编码与问题解决能力使其能够灵活修改和扩展 NanoClaw,从而为每位用户量身定制解决方案。
支持的功能
- 多渠道消息传递:您可以通过 WhatsApp、Telegram、Discord、Slack 或 Gmail 与助手交流。使用
/add-whatsapp或/add-telegram等技能添加更多渠道,也可同时运行多个渠道。 - 隔离的群组上下文:每个群组拥有独立的
CLAUDE.md记忆、隔离的文件系统,并运行在专属容器沙盒中,仅挂载该群组的文件系统。 - 主通道:您的私人通道(自对话),用于管理员控制;所有群组完全隔离。
- 定时任务:定期运行的作业,可触发 Claude 并向您发送消息。
- 网络访问:从互联网搜索并获取内容。
- 容器隔离:智能体运行在 Docker(macOS/Linux)、Docker Sandboxes(微型 VM 隔离)或 Apple Container(macOS)中,实现沙盒化。
- 凭证安全:智能体绝不会持有原始 API 密钥。出站请求会通过 OneCLI 的 Agent Vault 路由,该工具会在请求时注入凭证,并对每个智能体实施策略和速率限制。
- 智能体集群:启动由专业智能体组成的团队,协作完成复杂任务。
- 可选集成:通过技能添加 Gmail(
/add-gmail)等功能。
使用方法
使用触发词(默认为 @Andy)与您的助手对话:
@Andy 每工作日上午 9 点发送一次销售流程概览(可访问我的 Obsidian 库文件夹)
@Andy 每周五回顾过去一周的 Git 历史,若发现偏离则更新 README
@Andy 每周一上午 8 点,从 Hacker News 和 TechCrunch 搜集 AI 发展新闻,并向我发送简报
在主通道(您的自对话)中,您可以管理群组和任务:
@Andy 列出所有群组中的定时任务
@Andy 暂停周一的简报任务
@Andy 加入“家庭聊天”群组
自定义
NanoClaw 不使用配置文件。要进行更改,只需告诉 Claude Code 您的需求:
- “把触发词改成 @Bob”
- “以后回复时请更简短直接”
- “早上好时加入一句自定义问候语”
- “每周存储一次对话摘要”
或者运行 /customize 进行引导式修改。
由于代码库足够小,Claude 可以安全地对其进行修改。
贡献
不要添加功能,而是添加技能。
如果您想增加对 Telegram 的支持,不要直接向核心代码库提交 PR。相反,先 Fork NanoClaw,在分支上完成代码修改,然后提交 PR。我们会基于您的 PR 创建一个 skill/telegram 分支,其他用户可以将其合并到自己的分支中。
这样,用户只需在自己的分支上运行 /add-telegram,就能获得干净的代码,精确满足自身需求,而不会使系统变得臃肿以支持所有可能的用例。
技能征集
我们希望看到的技能:
通讯渠道
/add-signal- 添加 Signal 作为通信渠道
需求
- macOS、Linux 或 Windows(通过 WSL2)
- Node.js 20+
- Claude Code
- Apple Container(macOS)或 Docker(macOS/Linux)
架构
通道 --> SQLite --> 轮询循环 --> 容器(Claude Agent SDK)--> 响应
单个 Node.js 进程。通道通过技能添加,并在启动时自动注册——编排器会连接所有已提供凭据的通道。代理在具有文件系统隔离的独立 Linux 容器中执行,仅可访问挂载的目录。每个组都有消息队列,并配备并发控制机制。进程间通信通过文件系统实现。
有关完整架构详情,请参阅文档网站。
关键文件:
src/index.ts- 编排器:状态管理、消息循环、代理调用src/channels/registry.ts- 通道注册表(启动时自动注册)src/ipc.ts- IPC 监视与任务处理src/router.ts- 消息格式化与出站路由src/group-queue.ts- 带全局并发限制的组级队列src/container-runner.ts- 启动流式代理容器src/task-scheduler.ts- 执行计划任务src/db.ts- SQLite 操作(消息、群组、会话、状态)groups/*/CLAUDE.md- 每个群组的记忆
常见问题解答
为什么使用 Docker?
Docker 提供跨平台支持(macOS、Linux 甚至 Windows 通过 WSL2),并且拥有成熟的生态系统。在 macOS 上,您也可以选择切换到 Apple Container,通过 /convert-to-apple-container 实现更轻量级的原生运行时。为进一步增强隔离性,Docker Sandboxes 可以将每个容器运行在微型虚拟机中。
我可以在 Linux 或 Windows 上运行吗?
可以。Docker 是默认运行时,适用于 macOS、Linux 和 Windows(通过 WSL2)。只需运行 /setup 即可。
这安全吗?
代理运行在容器中,而非受应用层权限检查保护。它们只能访问明确挂载的目录。凭据永远不会进入容器——出站 API 请求会通过 OneCLI 的 Agent Vault 路由,该工具会在代理级别注入身份验证,并支持速率限制和访问策略。尽管如此,您仍需审查所运行的内容,但代码库足够小,您可以自行检查。完整的安全模型请参阅安全文档。
为什么没有配置文件?
我们不希望出现配置膨胀。每位用户都应自定义 NanoClaw,使代码完全符合其需求,而不是去配置一个通用系统。如果您更喜欢使用配置文件,可以让 Claude 来添加它们。
我可以使用第三方或开源模型吗?
可以。NanoClaw 支持任何兼容 Claude API 的模型端点。您可以在 .env 文件中设置以下环境变量:
ANTHROPIC_BASE_URL=https://your-api-endpoint.com
ANTHROPIC_AUTH_TOKEN=your-token-here
这样您就可以使用:
- 通过 Ollama 并借助 API 代理运行本地模型
- 在 Together AI、Fireworks 等平台上托管的开源模型
- 具有 Anthropic 兼容 API 的自定义模型部署
注意:为获得最佳兼容性,模型必须支持 Anthropic API 格式。
如何调试问题?
请教 Claude Code。“调度器为什么不运行?”“最近的日志里写了什么?”“为什么这条消息没有得到响应?”这就是支撑 NanoClaw 的 AI 原生方法。
为什么我的设置无法正常工作?
如果在设置过程中遇到问题,Claude 会尝试动态修复。若仍无效,请运行 claude,然后运行 /debug。如果 Claude 发现的问题可能影响其他用户,请提交 PR 修改 setup SKILL.md。
哪些更改会被合并到代码库中?
只有安全修复、错误修复以及明确的改进才会被接受并纳入基础配置。仅此而已。
其他内容(新功能、操作系统兼容性、硬件支持、增强功能)应作为技能贡献。这样做可以使基础系统保持最小化,并让每位用户都能根据自身需求定制安装,而无需继承不需要的功能。
社区
有问题?有想法?加入 Discord。
更改记录
有关破坏性变更,请参阅 CHANGELOG.md,或访问文档网站上的完整发布历史。
许可证
MIT
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
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
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
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