AI Agent框架对比笔记

2026-02-22 AI AI Agent OpenClaw NanoBot CountBot 字数统计: 2323字阅读时长: 5分

AI Agent 框架对比笔记

一、项目概览

项目	Star数	代码行数	语言	定位
PicoClaw	12,000+	Go	超轻量个人AI助手
ZeroClaw	活跃更新	Rust	AI助手基础设施
NanoBot	活跃更新	~11,200行	Python	超轻量OpenClaw
CountBot	新项目	~426,700行	Python+Vue	中文优先AI Agent
OpenClaw	活跃更新	~205,200行	TypeScript	企业级个人助手

二、核心架构对比

1. Agent Loop (核心循环)

NanoBot - 简洁同步

while iteration < max_iterations:
    response = await provider.chat(messages, tools)
    if response.has_tool_calls:
        for tool_call in response.tool_calls:
            result = await tools.execute(tool_call.name, args)
            messages.append(tool_result)
    else:
        break

CountBot - 增强异步流式

while iteration < max_iterations:
    async for chunk in provider.chat_stream(messages, tools):
        if chunk.is_content:
            yield chunk.content  # 实时推送
        if chunk.is_tool_call:
            tool_calls_buffer.append(chunk.tool_call)
    
    # 带重试的工具执行
    for tool_call in tool_calls_buffer:
        for attempt in range(max_retries):
            try:
                result = await tools.execute(tool_name, args)
                break
            except Exception:
                await asyncio.sleep(retry_delay)

OpenClaw - Pi框架 + 多级重试

// 32-160次重试迭代，带Auth Profile轮换
const maxRetries = resolveMaxRunRetryIterations(profileCount);
for (let attempt = 0; attempt < maxRetries; attempt++) {
  try {
    const result = await runEmbeddedAttempt({
      messages,
      tools,
      thinkingLevel,
      sandbox
    });
    return result;
  } catch (error) {
    if (isFailoverError(error)) {
      await markAuthProfileFailure(profile);
      continue; // 切换到下一个Auth Profile
    }
  }
}

2. Agent Loop 核心原理

ReAct = Reasoning + Acting（推理 + 行动）

Reasoning (推理): 思考要做什么
    ↓
Acting (行动): 执行工具完成
    ↓
Observation (观察): 查看结果
    ↓
回到 Reasoning (继续推理)

循环流程:

┌─────────────────────────────────────────┐
│         Agent Loop (循环)              │
├─────────────────────────────────────────┤
│  1. 接收用户消息                        │
│  2. 构建上下文 (历史/记忆/技能)          │
│  3. 调用 LLM 生成回复                   │
│  4. 解析 LLM 响应                      │
│     ├─ 有工具调用? → 执行工具            │
│     └─ 无工具调用? → 返回答案            │
│  5. 将工具结果反馈给 LLM                │
│  6. 回到步骤 3，继续循环 (直到完成)       │
└─────────────────────────────────────────┘

三、详细对比

1. Context Builder (上下文构建)

特性	NanoBot	CountBot	OpenClaw
系统提示	基础身份	12种性格系统	Bootstrap Files
Bootstrap	5个文件	无	7个文件
记忆上下文	MEMORY.md	智能记忆总结	Memory Search
技能加载	渐进式	自动加载	动态加载
自定义性格	❌	✅ 完全自定义	✅ AGENTS.md自定义

Bootstrap文件对比:

# NanoBot
- AGENTS.md
- SOUL.md
- USER.md
- TOOLS.md
- IDENTITY.md

# OpenClaw
- AGENTS.md
- SOUL.md
- USER.md
- TOOLS.md
- IDENTITY.md
- SKILLS.md
- MEMORY.md

2. Memory System (记忆系统)

特性	NanoBot	CountBot	OpenClaw
存储方式	双文件	行式存储	SQLite + Search
记忆格式	Markdown	`日期\|来源\|内容`	结构化 + 向量
总结方式	LLM工具调用	自动触发 + LLM	智能总结 + 搜索
搜索方式	grep HISTORY.md	关键词搜索	向量搜索 + 关键词

CountBot 行式存储示例:

2026-02-22|web-chat|用户询问天气API方案；决定使用OpenWeatherMap；缓存策略选Redis
2026-02-22|telegram|用户要求每天早上9点发送日报；已创建cron任务

3. Channels (渠道支持)

渠道	NanoBot	CountBot	OpenClaw
Telegram	✅	✅	✅
Discord	✅	❌	✅ 深度集成
WhatsApp	✅	❌	✅
Slack	✅	❌	✅
Feishu	✅	✅	❌
DingTalk	✅	✅	❌
QQ	✅	✅	❌
Signal	❌	❌	✅
iMessage	❌	❌	✅
Web UI	❌	✅ Vue 3	✅ WebChat
总计	9	6	15+

4. Tools (工具系统)

工具类型	NanoBot	CountBot	OpenClaw
文件操作	4个	4个	✅
Shell	✅	✅	✅ PTY支持
Web	2个	1个	✅ browser-tool
浏览器	❌	❌	✅ Puppeteer集成
Canvas	❌	❌	✅ 可视化工作区
Cron	✅	✅	✅
Discord Actions	❌	❌	✅ 消息/频道/版主
Sessions	❌	❌	✅ 会话管理
Subagents	✅	✅	✅ 深度嵌套
Terminal	❌	❌	✅ 终端集成
总计	~8	13	74+

5. Security (安全机制)

特性	NanoBot	CountBot	OpenClaw
工作空间限制	✅	✅	✅
沙箱	❌	❌	✅ 完整沙箱
危险命令检测	基础	详细模式	✅ 策略管道
命令白名单	❌	✅	✅
审计日志	❌	✅	✅
API密钥加密	❌	✅ Fernet	✅ OAuth轮换
远程认证	❌	渐进式安全	✅ 配对认证
限流	❌	令牌桶	✅
Auth Profiles	❌	❌	✅ 多配置轮换
Failover	❌	❌	✅ 自动故障转移

四、技术栈对比

组件	NanoBot	CountBot	OpenClaw
Web框架	❌	✅ FastAPI	✅ Express
数据库	SQLite	SQLite + PG	✅ SQLite
ORM	❌	✅ SQLAlchemy	❌
前端	❌	✅ Vue 3	✅ React
WebSocket	✅	✅	✅
配置管理	Pydantic Settings	✅ Pydantic v2	✅
日志	Loguru	Loguru	✅
LLM统一接口	LiteLLM	LiteLLM	✅ @mariozechner/pi-ai
定时任务	Croniter	Croniter	✅
浏览器自动化	❌	❌	✅ Puppeteer
沙箱	❌	❌	✅ Docker/Podman
插件系统	❌	❌	✅ 完整SDK

五、部署方式对比

方式	NanoBot	CountBot	OpenClaw
CLI	✅ `nanobot agent`	✅ `python start_app.py`	✅ `openclaw agent`
Docker	✅ Compose	✅	✅ Dockerfile
桌面应用	❌	✅ `start_desktop.py`	✅ 原生应用
Web UI	❌	✅ `http://localhost:8000`	✅ WebChat
Daemon服务	❌	❌	✅ systemd/launchd
图形化配置	❌	✅ Web界面	✅ 向导
远程访问	❌	自动密码保护	✅ 配对认证

六、性能对比

指标	NanoBot	CountBot	OpenClaw
内存占用	>100MB	~200MB	~300MB
启动时间	~30s	~5s	~3s
代码复杂度	低	中	高
响应延迟	中等	低	极低
并发处理	异步	异步+队列	异步+Lane队列
缓存支持	❌	❌	✅ Context缓存

七、适用场景

场景	NanoBot	CountBot	OpenClaw
学习Agent原理	✅	❌	❌
快速原型开发	✅	❌	❌
中文个人助手	❌	✅	❌
生产Web应用	❌	✅	✅
多渠道国际化	✅	❌	✅
国内企业应用	❌	✅	❌
边缘设备部署	✅	❌	❌
需要图形界面	❌	✅	✅
浏览器自动化	❌	❌	✅
Discord深度集成	❌	❌	✅
企业级部署	❌	❌	✅
插件开发	❌	❌	✅

八、核心差异总结

NanoBot 的优势

极简设计: ~11K行代码，易于理解和修改
研究友好: 代码清晰，适合学习Agent原理
MCP支持: Model Context Protocol
多渠道: 9个渠道，国际化支持好
轻量级: 内存占用低，适合个人使用

CountBot 的优势

中文优先: 12种性格系统，深度适配国产大模型
生产级: 完整的Web UI、数据库、审计日志
智能记忆: 自动总结+关键词搜索
流式响应: WebSocket实时推送工具进度
安全完善: 多层安全机制，API密钥加密
技能丰富: 10种内置技能，开箱即用
图形化配置: 无需编辑配置文件

OpenClaw 的优势

企业级功能: 74个工具，15+渠道
浏览器自动化: 内置Puppeteer
Canvas可视化: 可视化工作区
多级重试: 32-160次重试，Auth Profile轮换
沙箱隔离: 完整的Docker/Podman沙箱
插件生态: 完整的插件SDK
原生应用: macOS/iOS/Android原生体验
Thinking Levels: 流式思考输出
深度Discord集成: 消息/频道/版主操作
Failover机制: 自动故障转移

九、选择建议

需求	推荐方案
学习研究	NanoBot
中文个人助手	CountBot
生产Web应用	CountBot
企业级部署	OpenClaw
Discord深度集成	OpenClaw
浏览器自动化	OpenClaw
简单易用	NanoBot/CountBot
功能最全	OpenClaw
快速原型	NanoBot
多渠道国际化	NanoBot/OpenClaw

十、总结

代码规模

最轻量: NanoBot (~11K行)
中等: OpenClaw (~205K行)
最完整: CountBot (~426K行)

功能特性

研究学习: NanoBot
中文友好: CountBot
企业级: OpenClaw

技术选择

Python生态: NanoBot, CountBot
TypeScript生态: OpenClaw
Go生态: PicoClaw
Rust生态: ZeroClaw

最终推荐

初学者/研究者: NanoBot
中文用户: CountBot
企业/技术用户: OpenClaw

happymove

python geek

AI Agent框架对比笔记

AI Agent 框架对比笔记

一、项目概览

二、核心架构对比

1. Agent Loop (核心循环)

NanoBot - 简洁同步

CountBot - 增强异步流式

OpenClaw - Pi框架 + 多级重试

2. Agent Loop 核心原理

三、详细对比

1. Context Builder (上下文构建)

2. Memory System (记忆系统)

3. Channels (渠道支持)

4. Tools (工具系统)

5. Security (安全机制)

四、技术栈对比

五、部署方式对比

六、性能对比

七、适用场景

八、核心差异总结

NanoBot 的优势

CountBot 的优势

OpenClaw 的优势

九、选择建议

十、总结

代码规模

功能特性

技术选择

最终推荐