Was ist nanobot?
nanobot vom HKUDS-Labor der University of Hong Kong ist ein kleines, gut lesbares, selbst gehostetes Agenten-Framework in Python. Ein einziges Gateway verantwortet Ausführung, Sitzungen, Tools, Gedächtnis und Sicherheitsrichtlinien, und WebUI, natives Terminal-UI und Chat-Kanäle verbinden sich damit. Zu den Kanälen gehören Telegram, Discord, Slack, WeChat, Feishu, Email, Mattermost, Teams und Linear. Es arbeitet mit Dateien (auch PDF, Word, Excel und PowerPoint), Shell, Websuche, MCP, Cron-Zeitplänen, Bilderzeugung und Delegation an Sub-Agenten. Das Langzeitgedächtnis wird über einen Prozess konsolidiert, den es Dream nennt.
Das im Februar 2026 angelegte Repo hat etwa 49.700 GitHub-Sterne und steht unter MIT-Lizenz. Version 0.4.0 erschien am 28. Oktober 2026, und das PyPI-Paket nanobot-ai kam in den letzten sieben Tagen auf etwa 19.900 Downloads. Es braucht Python 3.11+ und einen Modellanbieter oder lokalen Modellserver; ein eigenes Modellkonto bringt es nicht mit. Außerdem bietet es ein Python-SDK und eine OpenAI-kompatible API.
Lohnt sich nanobot?
nanobots Argument ist die Größe. Es kann vieles von dem, was OpenClaw kann, darunter dauerhaftes Gedächtnis, geplante Aufgaben, Erreichbarkeit über Chat-Apps und MCP, aus einem Python-Kern heraus, der klein genug zum Lesen ist. Für Entwickler, die einen ständig laufenden Agenten wollen, den sie prüfen oder forken können, zählt das mehr als OpenClaws längere Kanalliste. Das Python-SDK und die OpenAI-kompatible API machen es zudem leicht, es aus bestehendem Code aufzurufen, was OpenClaws TypeScript-Gateway weniger direkt erlaubt.
Die Voreinstellungen sind vernünftig. Die Datei-Aufgabe beim ersten Start nutzt Rechte nur für den Arbeitsordner, temporäre Chats bleiben aus Verlauf und Gedächtnis heraus, und das README warnt, dass Zugriff auf die WebUI die Administration der Agenten-Instanz bedeutet. Es weist auch darauf hin, dass die Freigabe eines privaten Absenders auf einer Chat-Plattform nicht immer den Gruppenzugriff einschränkt. Das sind die richtigen Warnungen. Es bleiben aber Warnungen: Pairing und Gruppenrichtlinien muss der Betreiber weiterhin Kanal für Kanal einrichten.
Die Sicherheitsgeschichte ist kurz, aber nicht sauber. Fünf GitHub Advisories wurden veröffentlicht, zwei kritische und drei hohe, alle zwischen März und Mai 2026. Darunter sind eine Umgehung der Autorisierung über eingeschleuste Absender-IDs, Cross-Site-WebSocket-Hijacking in der WhatsApp-Bridge und ein Path Traversal, der über Dateinamen von WhatsApp-Dokumenten beliebige Dateischreibvorgänge erlaubte. Alle steckten im Code, der zu den Chat-Apps zeigt, also in dem Teil, den ein persönlicher Agent zwangsläufig nach außen öffnet.
Das Projekt bewegt sich sehr schnell. Das News-Log im README zeigt Ende Oktober 2026 fast täglich eine Release-Notiz, und es gibt etwa 870 offene Issues und Pull Requests. Deshalb sind Source- und Stable-Track getrennt dokumentiert. Teams, die Stillstand wollen, sollten ein PyPI-Release pinnen und vor jedem Upgrade die Update-Anleitung lesen.
Wo es sich lohnt
Ein Python-Entwickler mit einem Heimserver
Einen privaten Assistenten auf Telegram betreiben, der Vorlieben behält und nächtliche Jobs ausführt
uv tool install nanobot-ai, Telegram verbinden und Cron-Automatisierungen hinzufügen; das Gedächtnis liegt in einfachen Dateien wie USER.md und memory/MEMORY.md, die sich lesen und bearbeiten lassen. Die Software ist kostenlos; das Modell liefert ein lokaler Modellserver oder ein API-Schlüssel.
Eine Beratung mit zwei Personen auf Slack
Einen Agenten Kundenberichte zusammenfassen und montags eine Übersicht posten lassen
Die eingebauten Datei-Tools lesen die .docx-, .xlsx- und .pptx-Dateien, und eine geplante Automatisierung postet in Slack. Den Arbeitsbereich auf den Kundenordner beschränken und die Gruppenzugriffsrichtlinie des Kanals prüfen, bevor der Bot eingeladen wird.
Ein Backend Engineer, der einem internen Tool einen Agenten hinzufügt
Einen dauerhaften Agenten mit Tools und Gedächtnis aus einem bestehenden Dienst aufrufen
Das Python-SDK im Prozess nutzen oder einen OpenAI-Client auf nanobots OpenAI-kompatible API richten. Kosten sind Modell-Tokens; eine PyPI-Version pinnen, da sich der Source-Track fast täglich ändert.
Bevor du dich festlegst
- Einrichtung
- Führe das Installationsskript aus (curl oder PowerShell), das ~/.nanobot/venv anlegt und die WebUI zur Modelleinrichtung öffnet; oder uv tool install nanobot-ai bzw. pip install nanobot-ai, dann nanobot webui. Python 3.11+. Die erste Antwort kommt nach wenigen Minuten, sobald ein Anbieterschlüssel eingegeben ist.
- Integrationen
- Telegram, Discord, Slack, WeChat, Feishu, Email, Mattermost, Teams und Linear; MCP-Server und Presets; OpenAI-kompatible und lokale Modellanbieter mit Fallbacks; Tracing mit Langfuse; Python-SDK und OpenAI-kompatible API.
- Daten und Datenschutz
- Sitzungen, Gedächtnis und Dateien bleiben auf deinem Rechner; Prompts gehen an den konfigurierten Modellanbieter. Zwischen März und Mai 2026 wurden fünf GitHub Security Advisories veröffentlicht (zwei kritische, drei hohe). MIT-Lizenz.
- Kosten im großen Maßstab
- Keine kostenpflichtige Edition. Kosten sind die Modellnutzung plus ein kleiner, ständig laufender Rechner oder eine VM für das Gateway.
- Grenzen
- Schnell wechselnder Source-Track und etwa 870 offene Issues und Pull Requests. Zugriff auf die WebUI gewährt volle Administrationsrechte. Gruppenrichtlinien pro Plattform müssen getrennt konfiguriert werden.
Was gut ist
- Kleiner Python-Kern, den man praktisch lesen und forken kann
- Python-SDK und OpenAI-kompatible API
- Rechte nur für den Arbeitsordner im Standard-Ablauf beim ersten Start
- WebUI, natives TUI und 9 oder mehr Chat-Kanäle
Was nicht
- Zwei kritische und drei hohe Advisories in den ersten Monaten
- Fast tägliche Änderungen; für Stabilität ein Release pinnen
- Regeln für Gruppenzugriff müssen pro Kanal gesetzt werden
- Weniger Kanäle und Apps als OpenClaw
Am besten für
Python-Entwickler, die einen selbst gehosteten persönlichen oder Team-Agenten wollen, den sie lesen, erweitern und aus eigenem Code aufrufen können.
Alternativen zu nanobot
nanobot: häufige Fragen
- Lohnt sich nanobot?
- nanobot ist der persönliche Agent der Wahl, wenn du den Code lesen willst, dem du vertraust: kleiner und leichter nachzuvollziehen als OpenClaw, mit einer jüngeren und holprigeren Sicherheitsbilanz. Wir bewerten es mit 4.0 von 5.
- Was kostet nanobot?
- Kostenlos und Open Source (MIT). Du zahlst deinen Modellanbieter oder betreibst ein lokales Modell.
- Welche Nachteile hat nanobot?
- Zwei kritische und drei hohe Advisories in den ersten Monaten; Fast tägliche Änderungen; für Stabilität ein Release pinnen; Regeln für Gruppenzugriff müssen pro Kanal gesetzt werden; Weniger Kanäle und Apps als OpenClaw.
- Für wen eignet sich nanobot?
- Python-Entwickler, die einen selbst gehosteten persönlichen oder Team-Agenten wollen, den sie lesen, erweitern und aus eigenem Code aufrufen können.
- Was kostet nanobot für ein Team oder im Produktivbetrieb?
- Keine kostenpflichtige Edition. Kosten sind die Modellnutzung plus ein kleiner, ständig laufender Rechner oder eine VM für das Gateway.
- Ist nanobot sicher für Firmendaten?
- Sitzungen, Gedächtnis und Dateien bleiben auf deinem Rechner; Prompts gehen an den konfigurierten Modellanbieter. Zwischen März und Mai 2026 wurden fünf GitHub Security Advisories veröffentlicht (zwei kritische, drei hohe). MIT-Lizenz.
- Was sind die besten Alternativen zu nanobot?
- Die nächsten Alternativen, die wir getestet haben, sind OpenClaw, Hermes Agent, OpenBot und goose.
Antworten geprüft am 31. Okt. 2026.