基于nanobot改造的轻量级 AI 助手框架，支持多租户隔离部署、多平台渠道接入、工具调用、定时任务和 Web 实时通信。
在线体验地址，可以直接注册一个账号即可使用。 http://117.133.60.219:3080
🔔：simple_web分支是简单的单用户的Web界面。如果单用户的页面测试使用，可以使用simple_web分支。
🔔：nanobot014分支是nanobot的0.1.4版本 🔔：当前的main分支是nanobot的0.1.4 post v3版本
对原项目nanobot部分文件进行了修改，如果需要对nanobot进行更新，只需要保持这些文件不变即可。
- 改造 nanobot/providers/litellm_provider.py：
- 新增一个模式：当检测到环境变量 NANOBOT_LLM_PROXY_URL 时，所有 LLM 请求发往该 Proxy
- 不需要 api_key，改用 X-Container-Token（一个一次性 token，仅用于标识容器身份，不含任何 LLM 密钥信息）
- 改造 nanobot/config/schema.py：增加is_proxy_mode的配置
- nanobot/web 新增Web目录
- nanobot/agent/tools下的web.py新增get_wechat_article使用文件xng_search.py
- nanobot/cli/commands.py 新增if config.is_proxy_mode检测
- nanobot/channels/manager.py 启动web端管理
- 新增platform作为控制容器的网关，每个用户单独创建容器进行管理
- frontend前端页面进行显示
UPDATE:
- 首次支持plugins，多个Agent联合使用，更聪明，使用的是 ~/.nanobot/plugins/ or /plugins/中的Plugins
- 支持文件管理，用户的文件上传和AI文件使用处理后下载
- 前端的输入优化，支持VLLM模型
- 多租户部署（Docker Compose）
- 单用户本地运行
- 整体架构
- Agent 系统
- 工具系统
- Provider 系统
- Session 系统
- 消息总线
- Channel 系统
- Web Channel 与 WebSocket
- Cron 与 Heartbeat
- 配置系统
- CLI 命令
- 前端
- 文件索引
多个用户的聊天页面和它们独自隔离的容器环境
交互式创建skills
管理自己的skills
每个用户的容器隔离独立联网
生成PPT的skill测试
支持插件的安装和使用
帮助页面
Agent browser skill使用
参考标准的claude的skill私有市场，可以添加企业内的skill市场
https://github.com/mrlm-xyz/demo-claude-marketplace
指定调用skill功能
多租户模式下，每个用户拥有独立的 nanobot 容器，数据完全隔离。用户无需管理 API Key，只需注册登录即可使用。
浏览器 ──► frontend:3000 ──(JS请求)──► gateway（platform项目):8080 ──► 用户容器(nanobot)
↕ ↓
postgres:5432 gateway/llm/v1
(用户/配额) (注入API Key)
↓
实际 LLM 提供商
- Frontend：Next.js Web 界面，用户注册、登录、聊天
- Gateway：平台网关，负责认证、用户容器管理、LLM 代理、配额控制
- 用户容器：每个用户一个独立的 nanobot 实例，自动创建，数据隔离
- PostgreSQL：存储用户账户、容器元数据、用量记录
- Docker & Docker Compose
- 至少一个 LLM 提供商的 API Key
在项目根目录创建 .env 文件，填入你的 API Key 和配置：
# .env — docker compose 自动读取此文件
# ========== 必填：至少配置一个 LLM 提供商 ==========
# 阿里 DashScope（通义千问系列）
DASHSCOPE_API_KEY=sk-xxxxxxxxxxxx
# Anthropic（Claude 系列）
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxx
# OpenAI（GPT 系列）
OPENAI_API_KEY=sk-xxxxxxxxxxxx
# DeepSeek
DEEPSEEK_API_KEY=sk-xxxxxxxxxxxx
# OpenRouter（支持路由到任意模型，作为兜底）
OPENROUTER_API_KEY=sk-or-xxxxxxxxxxxx
# AiHubMix
AIHUBMIX_API_KEY=sk-xxxxxxxxxxxx
# ========== 可选配置 ==========
# 默认模型（新用户容器使用此模型）
DEFAULT_MODEL=dashscope/qwen3-coder-plus
# JWT 密钥（生产环境务必修改）
JWT_SECRET=your-secure-random-string配置对应的 API Key 后，用户可以使用以下模型：
| 提供商 | 模型示例 | .env 变量 |
|---|---|---|
| DashScope | dashscope/qwen3-coder-plus, dashscope/qwen-turbo |
DASHSCOPE_API_KEY |
| Anthropic | claude-sonnet-4-5, claude-opus-4-5 |
ANTHROPIC_API_KEY |
| OpenAI | gpt-4o, gpt-4o-mini, o3-mini |
OPENAI_API_KEY |
| DeepSeek | deepseek/deepseek-chat, deepseek/deepseek-reasoner |
DEEPSEEK_API_KEY |
| AiHubMix | aihubmix/模型名 |
AIHUBMIX_API_KEY |
| OpenRouter | openrouter/任意模型（兜底） |
OPENROUTER_API_KEY |
Gateway 根据模型名自动匹配提供商并注入对应的 API Key，用户容器内不存储任何密钥。
方式1:一键部署或者一键测试脚本
python prepare.py 使用uv准备python环境，检查是否安装docker，检查docker镜像是否下载，然后自动下载
python deploy_docker.py --build-only 构建nanobot user的 docker镜像
python start_local.py 一键测试，在本地运行。最好提前配置好python环境，和docker环境，会使用docker启动postgres数据库和创建用户的容器
本地开发环境已启动
PostgreSQL http://127.0.0.1:5432 (Docker 容器)
Nanobot Web http://127.0.0.1:18080 (PID 37944)
Platform Gateway http://127.0.0.1:8080 (已有实例)
Frontend Dev http://127.0.0.1:3080 (已有实例)
python deploy_docker.py --host=192.168.1.xxx 一键部署到服务器，可以仔细查看下配置信息，host为本机或者服务器的ip地址
python deploy_docker.py --rebuild gateway 可以重新build镜像，如果修改了platform的代码
python deploy_docker.py --rebuild frontend 可以重新build镜像，如果修改前端的代码
启动后使用check_status.py检查服务是否正常
python check_status.py
方式2:手动启动
# 1. 构建 nanobot 基础镜像（用户容器使用）
docker build -t nanobot:latest .
# 2. 构建并启动所有服务
docker compose up -d --build
# 查看日志
docker compose logs -f注意：
frontend构建时需要指定 Gateway 的访问地址。默认为http://localhost:8080。 如果从其他机器访问，需修改docker-compose.yml中的NEXT_PUBLIC_API_URL：frontend: build: context: ./frontend args: NEXT_PUBLIC_API_URL: http://你的服务器IP:8080
- 打开浏览器访问
http://localhost:3080 - 注册账号并登录
- 开始聊天 — Gateway 会自动为你创建隔离的 nanobot 容器
| 服务 | 端口 | 说明 |
|---|---|---|
| Frontend | 3000 | Web 界面 |
| Gateway | 8080 | API 网关（浏览器直接请求） |
| PostgreSQL | 5432 | 内部，不对外暴露 |
| 数据 | 存储方式 |
|---|---|
| 用户账户、配额、容器元数据 | PostgreSQL（pgdata volume） |
| 用户工作区和会话 | Docker named volumes（nanobot-workspace-{id}, nanobot-sessions-{id}） |
- API Key 仅存在于 Gateway 环境变量中，用户容器内无任何密钥
- 用户容器运行在
internal网络，无法直接访问互联网或 LLM API - LLM 请求通过容器 token 认证后由 Gateway 代理转发
- 每日 token 配额控制（free: 100K, basic: 1M, pro: 10M）
# 查看所有容器（包括用户容器）
docker ps -a --filter "name=nanobot"
# 查看某个用户容器的日志
docker logs -f nanobot-user-xxxxxxxx
# 重建 gateway（修改后端代码后）
docker compose build --no-cache gateway && docker compose up -d
# 重建 frontend（修改前端代码或 API 地址后）
docker compose build --no-cache frontend && docker compose up -d
# 完全重置（删除所有数据）
docker compose down -v
docker rm -f $(docker ps -a --filter "name=nanobot-user-" -q) 2>/dev/null适合个人使用或者测试，无需 Docker，直接在本机运行。
编辑 ~/.nanobot/config.json，只需配置模型和对应 provider 的 key：
{
"agents": {
"defaults": {
"model": "dashscope/qwen3-coder-plus"
}
},
"providers": {
"dashscope": {
"apiKey": "sk-xxxx",
"apiBase": "https://dashscope.aliyuncs.com/compatible-mode/v1"
}
}
}# 单条消息测试
nanobot agent -m 'hello'
# 交互式聊天
nanobot agent
# Web 界面（后端 + 数据库+ 管理容器的API端 + 前端）
nanobot web # 后端，默认端口 18080
docker run -d \
--name postgres \
-e POSTGRES_USER=nanobot \
-e POSTGRES_PASSWORD=nanobot \
-e POSTGRES_DB=nanobot_platform \
-v pgdata:/var/lib/postgresql/data \
-p 5432:5432 \
postgres:16-alpine
cd platform
export PLATFORM_DATABASE_URL="postgresql+asyncpg://nanobot:nanobot@localhost:5432/nanobot_platform"
python -m app.main
cd frontend && npm run dev # 前端，默认端口 3000rm ~/.nanobot/sessions/cli_direct.jsonl
┌─────────────────┐
│ Chat Channels │
│ Telegram/Discord │
│ Feishu/Slack/QQ │
│ Email/DingTalk │
│ WhatsApp/Mochat │
│ Web(WS) │
└────────┬─────────┘
│ _handle_message()
▼
┌──────────────────────────┐
│ MessageBus (inbound) │
│ asyncio.Queue │
└────────────┬─────────────┘
│ consume_inbound()
▼
┌──────────────────────────┐
│ AgentLoop │
│ ┌────────────────────┐ │
│ │ ContextBuilder │ │
│ │ (system prompt + │ │
│ │ memory + skills │ │
│ │ + history) │ │
│ └────────┬───────────┘ │
│ ▼ │
│ ┌────────────────────┐ │
│ │ LiteLLMProvider │ │
│ │ (12+ providers) │ │
│ └────────┬───────────┘ │
│ ▼ │
│ ┌────────────────────┐ │
│ │ Tool Execution │ │
│ │ read/write/exec/ │ │
│ │ web/message/spawn │ │
│ └────────────────────┘ │
└────────────┬─────────────┘
│ publish_outbound()
▼
┌──────────────────────────┐
│ MessageBus (outbound) │
└────────────┬─────────────┘
│ _dispatch_outbound()
▼
┌──────────────────────────┐
│ ChannelManager │
│ route by msg.channel │
└────────────┬─────────────┘
│ channel.send(msg)
▼
┌───────────────┐
│ 用户收到回复 │
└───────────────┘
辅助服务：
CronService ──────► agent.process_direct() ──► 回复投递
HeartbeatService ──► agent.process_direct() ──► HEARTBEAT.md 任务
SubagentManager ──► 后台子任务 ──► 结果通过 bus 通知主 agent
SessionManager ◄──► JSONL 文件 (~/.nanobot/sessions/)
运行模式：
| 模式 | 启动方式 | 说明 |
|---|---|---|
| 多租户 | docker compose up -d |
Gateway + Frontend + PostgreSQL，每用户独立容器 |
| Web | nanobot web |
单用户 Web 界面，含 WebSocket 支持 |
| Gateway | nanobot gateway |
完整模式：AgentLoop + 所有 Channel + Cron + Heartbeat |
| Agent | nanobot agent |
独立 CLI 交互，不走 MessageBus |
核心处理引擎，实现 ReAct 模式的工具调用循环。
两种执行方式：
| 方法 | 模式 | 用途 |
|---|---|---|
run() |
长驻 | 从 bus.inbound 持续消费消息，处理后发到 bus.outbound |
process_direct() |
单次 | CLI/Cron 直接调用，同步返回结果 |
消息处理流程 (_process_message)：
1. 获取/创建 Session (SessionManager.get_or_create)
2. ContextBuilder.build_messages() 组装上下文
3. 循环（最多 max_iterations=20 次）:
├─ 调用 LLM (provider.chat)
├─ 有 tool_calls → 执行工具 → 追加结果 → 继续循环
└─ 无 tool_calls → 获得最终回复 → 跳出
4. 保存 user + assistant 消息到 Session
5. 返回 OutboundMessage
上下文组装 (ContextBuilder, nanobot/agent/context.py)：
System Prompt = 核心身份 + 行为准则 + 运行时信息
+ Bootstrap 文件 (AGENTS.md, SOUL.md, USER.md, ...)
+ 长期记忆 (memory/MEMORY.md)
+ 今日笔记 (memory/YYYY-MM-DD.md)
+ Always-on Skills (全文嵌入)
+ Skills 摘要 (XML 列表，agent 按需 read_file 加载)
+ Channel/ChatID 上下文
支持多模态：媒体文件（图片）会被 base64 编码为 OpenAI vision 格式。
基于文件的两层记忆：
| 层级 | 文件 | 说明 |
|---|---|---|
| 长期 | {workspace}/memory/MEMORY.md |
持久化事实、偏好 |
| 每日 | {workspace}/memory/YYYY-MM-DD.md |
按日期记录，支持追加 |
get_memory_context() 返回合并的记忆上下文，嵌入 system prompt。
Markdown 格式的指令文件，教 agent 特定能力。
加载优先级： 用户目录 ({workspace}/skills/) > 内置目录 (nanobot/skills/)
渐进加载模式：
always=true的技能 → 全文嵌入 system prompt- 其余技能 → XML 摘要列出名称和描述，agent 需要时通过
read_file按需加载
需求检查： 技能 frontmatter 可声明依赖（bins: CLI 工具, env: 环境变量），未满足时标为 available="false"。
内置技能： github, weather, summarize, tmux, skill-creator, cron
通过 spawn 工具启动后台任务：
- 独立上下文（不共享主 agent 对话历史）
- 受限工具集（无
message、spawn，防止级联） - 最多 15 次迭代
- 完成后发布
channel="system"消息到 bus → 主 agent 接收处理后转发给用户
class Tool(ABC):
name: str # 工具名
description: str # 功能描述
parameters: dict # JSON Schema 参数定义
async execute(**kwargs) -> str # 执行工具
to_schema() -> dict # 转为 OpenAI function calling 格式内置参数校验：支持类型、枚举、范围、必填字段、嵌套对象等 JSON Schema 校验。
动态注册/注销，get_definitions() 生成 OpenAI 函数定义。execute() 先校验参数再执行，出错返回错误字符串（不抛异常）。
| 工具 | 文件 | 参数 | 说明 |
|---|---|---|---|
read_file |
tools/filesystem.py |
path |
读取文件，支持 workspace 限制 |
write_file |
tools/filesystem.py |
path, content |
写入文件，自动创建目录 |
edit_file |
tools/filesystem.py |
path, old_text, new_text |
搜索替换；old_text 出现 >1 次时拒绝执行（防歧义） |
list_dir |
tools/filesystem.py |
path |
列出目录内容 |
exec |
tools/shell.py |
command, working_dir |
执行 shell 命令。安全拦截：拒绝 rm -rf/format/dd/关机等危险操作。超时 60s，输出截断 10000 字符 |
web_search |
tools/web.py |
query, count |
Brave Search API 搜索 |
web_fetch |
tools/web.py |
url, extractMode, maxChars |
抓取网页，readability-lxml 提取正文，支持 HTML→Markdown |
message |
tools/message.py |
content, channel, chat_id |
向指定渠道发消息（通过 bus） |
spawn |
tools/spawn.py |
task, label |
启动后台子代理，立即返回 |
cron |
tools/cron.py |
action, message, every_seconds, cron_expr, job_id |
管理定时任务 CRUD |
class LLMProvider(ABC):
async def chat(messages, tools, model, max_tokens, temperature) -> LLMResponse
@dataclass
class LLMResponse:
content: str | None
tool_calls: list[ToolCallRequest]
finish_reason: str
usage: dict
reasoning_content: str | None # 支持 DeepSeek-R1/Kimi 思维链数据驱动的声明式注册表。每个 provider 是一个 ProviderSpec 数据类，包含关键字匹配、LiteLLM 前缀、环境变量配置、模型参数覆写等。
| Provider | 类型 | 关键字 | 说明 |
|---|---|---|---|
openrouter |
网关 | openrouter | 通过 sk-or- key 前缀自动检测 |
aihubmix |
网关 | aihubmix | 去除模型前缀后重新加前缀 |
anthropic |
标准 | anthropic, claude | |
openai |
标准 | openai, gpt | |
deepseek |
标准 | deepseek | |
gemini |
标准 | gemini | |
zhipu |
标准 | zhipu, glm | 智谱 AI |
dashscope |
标准 | qwen, dashscope | 阿里通义千问 |
moonshot |
标准 | moonshot, kimi | Kimi K2.5 temperature 覆写 |
minimax |
标准 | minimax | |
vllm |
本地 | vllm | 任意 OpenAI 兼容本地服务 |
groq |
辅助 | groq | 主要用于 Whisper 语音转文字 |
通过 LiteLLM 统一调用所有 provider：
- 模型解析 (
_resolve_model)： 网关模式加前缀，标准模式自动匹配 provider 前缀 - 调用：
litellm.acompletion()+ 模型级参数覆写 - 响应解析： 提取 content、tool_calls、reasoning_content、usage
- 错误处理： 优雅降级，出错返回包含错误信息的 LLMResponse
JSONL 文件，位于 ~/.nanobot/sessions/：
{"_type": "metadata", "created_at": "...", "updated_at": "...", "metadata": {}}
{"role": "user", "content": "你好", "timestamp": "2024-01-01T12:00:00"}
{"role": "assistant", "content": "你好！有什么...", "timestamp": "2024-01-01T12:00:01"}"{channel}:{chat_id}"，例如：
| Key | 含义 |
|---|---|
telegram:12345 |
Telegram 用户 |
web:default |
Web 默认会话 |
web:1707123456789 |
Web 时间戳会话 |
cron:abc123 |
定时任务 |
cli:default |
CLI 交互 |
| 方法 | 说明 |
|---|---|
get_or_create(key) |
缓存优先 → 磁盘读取 → 新建 |
save(session) |
全量写入 JSONL |
delete(key) |
删除缓存和文件 |
list_sessions() |
扫描所有 .jsonl，仅读 metadata 行，按 updated_at 倒序 |
get_history(max_messages=50) |
返回最近 N 条消息（LLM 格式） |
@dataclass
class InboundMessage: # 渠道 → Agent
channel, sender_id, chat_id, content, timestamp, media, metadata
session_key: str # property: "{channel}:{chat_id}"
@dataclass
class OutboundMessage: # Agent → 渠道
channel, chat_id, content, reply_to, media, metadata两个 asyncio.Queue 实现解耦：
Channel ──publish_inbound()──► [inbound] ──consume_inbound()──► AgentLoop
AgentLoop ──publish_outbound()──► [outbound] ──consume_outbound()──► ChannelManager
所有渠道的抽象基类：
class BaseChannel(ABC):
name: str
async def start() # 连接并持续监听
async def stop() # 清理资源
async def send(msg) # 发送出站消息
def is_allowed(sender_id) # 检查 allow_from 权限
async def _handle_message(...) # 权限检查 + 发布到 bus.inbound_init_channels()：根据配置惰性导入并初始化各渠道（缺少 SDK 不会崩溃）start_all()：启动出站分发协程 + 并行启动所有渠道_dispatch_outbound()：从 bus.outbound 消费，按msg.channel路由到对应渠道的send()stop_all()：取消分发任务，逐个停止渠道
| 渠道 | 文件 | 协议 |
|---|---|---|
| Telegram | channels/telegram.py |
python-telegram-bot SDK, 支持语音转文字 (Groq Whisper) |
channels/whatsapp.py |
WebSocket 连接 Node.js bridge | |
| Discord | channels/discord.py |
Gateway WebSocket + REST API |
| Feishu | channels/feishu.py |
lark-oapi SDK WebSocket |
| DingTalk | channels/dingtalk.py |
dingtalk-stream SDK |
channels/email.py |
IMAP 轮询 + SMTP 发送 | |
| Slack | channels/slack.py |
Socket Mode + Web API |
channels/qq.py |
qq-botpy SDK | |
| Mochat | channels/mochat.py |
Socket.IO + HTTP 轮询 |
| Web | channels/web.py |
FastAPI + WebSocket |
Web 前端像其他渠道一样工作：提交任务 → 关闭浏览器 → 稍后回来查看结果。
Session 的 JSONL 文件已经持久化了所有消息，不需要额外的"离线队列"。用户重连时，前端从 session history 获取完整对话即可。
nanobot web
├── AgentLoop (消费 MessageBus)
├── CronService + HeartbeatService
└── ChannelManager
├── TelegramChannel, DiscordChannel, ...
└── WebChannel
├── FastAPI HTTP 服务器 (sessions, status, cron 端点)
└── WebSocket /ws/{session_id} (实时推送)
发送消息：
浏览器
→ WebSocket {"type":"message","content":"..."}
→ WebChannel._handle_message()
→ bus.publish_inbound()
→ AgentLoop 处理（可能调用工具、多轮迭代）
→ bus.publish_outbound()
→ ChannelManager._dispatch_outbound()
→ WebChannel.send()
→ WebSocket {"type":"message","role":"assistant","content":"..."}
离线重连：
浏览器重新打开
→ WebSocket 自动重连（指数退避 1s→2s→4s→...→30s）
→ 前端 GET /api/sessions/{key}
→ 获取完整对话历史（包括离线期间到达的回复）
→ 渲染到界面
客户端 → 服务端：
{"type": "message", "content": "你好"}
{"type": "ping"}服务端 → 客户端：
{"type": "message", "role": "assistant", "content": "你好！有什么可以帮助你的？"}
{"type": "status", "status": "thinking"}
{"type": "pong"}基于 asyncio 的定时调度器。存储：~/.nanobot/cron/jobs.json
调度类型：
| 类型 | 字段 | 说明 |
|---|---|---|
at |
at_ms |
一次性，指定时间戳（执行后自动禁用/删除） |
every |
every_ms |
间隔执行（now + every_ms） |
cron |
expr |
Cron 表达式（使用 croniter 计算下次执行） |
每 30 分钟唤醒 agent，读取 {workspace}/HEARTBEAT.md：
- 文件为空/仅包含标题 → 跳过
- 有实质内容 → 发送给 agent 处理
位置：~/.nanobot/config.json（camelCase JSON）
{
"agents": {
"defaults": {
"workspace": "~/.nanobot/workspace",
"model": "dashscope/qwen3-coder-plus",
"maxTokens": 8192,
"temperature": 0.7,
"maxToolIterations": 20
}
},
"channels": {
"telegram": { "enabled": true, "token": "..." },
"web": { "enabled": false, "host": "0.0.0.0", "port": 18080 }
},
"providers": {
"dashscope": {
"apiKey": "sk-...",
"apiBase": "https://dashscope.aliyuncs.com/compatible-mode/v1"
}
},
"tools": {
"web": { "search": { "apiKey": "..." } },
"exec": { "timeout": 60 },
"restrictToWorkspace": false
}
}通过 .env 文件和 docker-compose.yml 的环境变量配置，详见 1.3 配置 .env 文件。
| 命令 | 说明 |
|---|---|
nanobot onboard |
初始化配置和工作区（创建 config.json + 模板文件） |
nanobot gateway -p 18790 |
启动完整网关 |
nanobot web -p 18080 |
启动 Web 界面（gateway + 自动启用 Web Channel） |
nanobot agent -m "..." |
单条消息模式 |
nanobot agent |
交互式 REPL（prompt_toolkit，支持历史、粘贴、Markdown 渲染） |
nanobot status |
显示配置、工作区、API Key 状态 |
nanobot channels status |
显示渠道启用状态 |
nanobot channels login |
WhatsApp QR 码连接 |
nanobot cron list|add|remove|enable|run |
定时任务管理 |
Next.js 应用，暗色主题，位于 frontend/ 目录。
| 技术 | 用途 |
|---|---|
| Next.js | React 框架 |
| Tailwind CSS | 样式 |
| shadcn/ui | UI 组件库 |
| Zustand | 状态管理 |
| react-markdown | Markdown 渲染 |
| lucide-react | 图标 |
| 路由 | 功能 |
|---|---|
/ |
聊天页面：左侧会话列表 + 右侧聊天区 + WebSocket 实时通信 |
/login |
用户登录 |
/register |
用户注册 |
/status |
系统状态面板：配置、Provider、Channel、Cron 状态 |
/cron |
定时任务管理：CRUD 表格 + 添加表单 |
nanobot/
├── Dockerfile # nanobot 基础镜像（用户容器使用）
├── docker-compose.yml # 多租户部署编排
├── .env # API Key 配置（不提交到 git）
│
├── platform/ # 多租户网关
│ ├── Dockerfile # Gateway 镜像
│ ├── pyproject.toml # Python 依赖
│ └── app/
│ ├── main.py # FastAPI 应用入口
│ ├── config.py # 平台配置（环境变量）
│ ├── auth/service.py # 认证服务（JWT + bcrypt）
│ ├── container/manager.py # 用户容器生命周期管理
│ ├── llm_proxy/service.py # LLM 代理（Key 注入 + 配额）
│ ├── db/models.py # 数据库模型
│ └── routes/ # API 路由
│ ├── auth.py # 注册/登录/刷新 token
│ ├── proxy.py # HTTP/WebSocket 代理到用户容器
│ ├── llm.py # LLM 代理端点
│ └── admin.py # 管理接口
│
├── frontend/ # Web 前端
│ ├── Dockerfile # Frontend 镜像
│ ├── .dockerignore # 排除 .env.local 等开发文件
│ └── app/ # Next.js 页面
│
├── nanobot/ # 核心 Agent 框架
│ ├── agent/ # AgentLoop + 上下文 + 记忆 + 技能
│ │ └── tools/ # 内置工具
│ ├── bus/ # 消息总线
│ ├── channels/ # 渠道接入（10 个渠道）
│ ├── cli/commands.py # CLI 命令
│ ├── config/ # 配置加载
│ ├── cron/ # 定时任务
│ ├── heartbeat/ # 心跳服务
│ ├── providers/ # LLM Provider 层
│ ├── session/ # 会话管理
│ └── web/server.py # Web 服务器
│
└── bridge/ # WhatsApp Node.js 桥接
如有问题，请联系作者：
