Nanobot-Tutorial: Die schlanke OpenClaw-Alternative
Entdecke Nanobot, die leichte OpenClaw-Alternative. Erstelle in unter 10 Minuten einen sicheren, prüfbaren Python-KI-Agenten mit dieser vollständigen Anleitung.
Nanobot ist ein schlanker persönlicher KI-Assistent und eine Alternative zu OpenClaw. Er ist 98% kleiner als OpenClaw und liefert dennoch die gleiche Kernfunktionalität eines Agenten. Genau wie OpenClaw kann er lokal auf deinem Rechner laufen, sich mit deinen Lieblings-Apps verbinden und ist dank der geringen Größe leicht im Code zu prüfen.
Nanobot verbindet deine bevorzugten Closed- und Open-Source-Modelle, um einen lokalen Coding-Agenten auszuführen. Sobald du Nachrichten über Telegram, WhatsApp oder das Terminal sendest, reagiert der Agent, indem er Befehle auf deinem Rechner ausführt, zum Beispiel Logs liest, Skripte startet und Dateien durchsucht.
In diesem Tutorial zeige ich dir, wie du Nanobot von Grund auf einrichtest und in wenigen Minuten einen funktionsfähigen KI-Agenten baust. Außerdem gehe ich auf Stolperfallen ein, die du bei dieser Technik kennen solltest.
Was ist Nanobot?
Nanobot ist eine OpenClaw-Alternative, die rasant an Popularität gewonnen hat und zum Zeitpunkt dieses Artikels über 21.000 GitHub-Sterne verzeichnet. Wie OpenClaw unterstützt es gängige Messaging-Plattformen wie Discord, Slack und Telegram.
Genau wie der OpenClaw-Agent kann auch dein Nanobot-Agent bei Moltbook in den Social-Media-Partychat einsteigen, wie wir in unserem Einstieg in Moltbook-Tutorial zeigen.
Nanobot: zentrale Fähigkeiten
Trotz seiner Größe deckt Nanobot drei Kernanforderungen an einen leistungsfähigen Agenten ab:
Zustandsbehafteter Speicher: Nanobot baut lokal einen Graphen deiner Historie auf. Das heißt: Wenn du heute an einem Python-Datenanalyseprojekt arbeitest, weiß er das auch noch in einer Woche.
Modellagnostisch: Du bist nicht an einen bestimmten Anbieter gebunden. Du kannst OpenAI, Anthropic oder sogar lokale Modelle auf eigener Hardware nutzen.
Sofort-UI: Nanobot läuft in deinen bevorzugten Messenger-Apps – du nutzt weiter die Oberflächen, die du gewohnt bist.
Voraussetzungen für Nanobot
Für dieses Tutorial brauchst du Folgendes:
Python 3.11 oder höher auf deinem Rechner (Mac, Windows oder Linux) installiert.
Einen API-Schlüssel von einem Anbieter wie OpenRouter, OpenAI oder Anthropic – oder ein lokales Modell via Ollama.
Ein Telegram-Konto (ich nutze Telegram als Oberfläche, weil es am schnellsten eingerichtet ist).
Nanobot Schritt für Schritt: Ein "Research Agent"
Lass uns einen Agenten bauen, der in deinem Telegram lebt, das Web durchsuchen kann und sich deine Interessen merkt.
Schritt 1: Nanobot installieren
Am saubersten installierst du Python-Tools heute mit pip oder uv – so bleiben sie vom System-Python getrennt. Falls du beides nicht hast, funktioniert das klassische pip ebenfalls.
Öffne dein Terminal und führe aus:
# run inside your env
pip install nanobot-ai
# OR if you prefer uv
uv tool install nanobot-aiBereitgestellt von
Nach der Installation siehst du eine Meldung wie diese:
Ermittele als Nächstes deine User-ID, damit der Bot nur Befehle von dir akzeptiert. Suche in Telegram nach @userinfobot und klicke auf Start. Kopiere die User-ID.
Schritt 3: Initialisieren
Führe nanobot onboard aus, um deinen Bot zu initialisieren. Du solltest eine ähnliche Meldung sehen:
✓ Created config at /Users/derrickmwiti/.nanobot/config.json
✓ Created workspace at /Users/derrickmwiti/.nanobot/workspace
Created AGENTS.md
Created SOUL.md
Created USER.md
Created memory/MEMORY.md
Created memory/HISTORY.md
🐈 nanobot is ready!
Next steps:
1. Add your API key to ~/.nanobot/config.json
Get one at: https://openrouter.ai/keys
2. Chat: nanobot agent -m"Hello!"
Want Telegram/WhatsApp? See: https://github.com/HKUDS/nanobot#-chat-appsBereitgestellt von
Schritt 4: Konfiguration
Führe den folgenden Befehl aus und füge im Abschnitt providers den API-Schlüssel des gewünschten Modellanbieters hinzu:
Bearbeite die Datei und ergänze beim gewählten Provider den API-Schlüssel:
{"workspace":"./workspace","providers":{// Option 1: OpenAI"openai":{"apiKey":"sk-YOUR-OPENAI-KEY-HERE","model":"gpt-4o"},// Option 2: Anthropic (Claude)"anthropic":{"apiKey":"sk-ant-YOUR-CLAUDE-KEY-HERE","model":"claude-3-5-sonnet-20240620"},// Option 3: Google Gemini"google":{"apiKey":"AIza-YOUR-GOOGLE-KEY-HERE","model":"gemini-1.5-pro"},// Option 4: OpenRouter (Best for flexibility)"openrouter":{"apiKey":"sk-or-YOUR-OPENROUTER-KEY-HERE","model":"nousresearch/hermes-3-llama-3.1-405b"},// Option 5: Local (Ollama or vLLM)"local":{"apiBase":"http://localhost:11434/v1","apiKey":"ollama","model":"llama3"}},"channels":{"telegram":{"enabled":true,"token":"YOUR_TELEGRAM_BOT_TOKEN","allowFrom":["YOUR_NUMERIC_USER_ID"]}}}Bereitgestellt von
Bearbeite den Telegram-Abschnitt und trage den Token sowie die User-ID ein, die du zuvor erhalten hast. So stellst du sicher, dass nur du deinem Agenten Anweisungen senden kannst.
"telegram":{"enabled":true,"token":"","allowFrom":[""],"proxy":null}Bereitgestellt von
Passe den agents-Abschnitt an deinen gewählten Provider an:
"agents":{"defaults":{"workspace":"~/.nanobot/workspace","model":"openai/gpt-5","maxTokens":8192,"temperature":0.7,"maxToolIterations":20,"memoryWindow":50}}Bereitgestellt von
Teste deinen Agenten im Terminal:
nanobot agent -m"Hello"
🐈 nanobot
Hi there! How can I help you today? Bereitgestellt von
Schritt 5: Gateway einrichten
Um die Telegram-Integration abzuschließen, führe im Terminal folgenden Befehl aus:
Jetzt sollte Telegram aktiviert sein – wie in meinen Meldungen unten zu sehen:
🐈 Starting nanobot gateway on port 18790...
2026-02-13 09:59:35.405 | INFO | nanobot.channels.manager:_init_channels:46 - Telegram channel enabled
✓ Channels enabled: telegram
✓ Heartbeat: every 30m
2026-02-13 09:59:35.406 | INFO | nanobot.cron.service:start:154 - Cron service started with 0jobs2026-02-13 09:59:35.406 | INFO | nanobot.heartbeat.service:start:81 - Heartbeat started (every 1800s)2026-02-13 09:59:35.406 | INFO | nanobot.agent.loop:run:116 - Agent loop started
2026-02-13 09:59:35.406 | INFO | nanobot.channels.manager:start_all:159 - Starting telegram channel...
2026-02-13 09:59:35.406 | INFO | nanobot.channels.manager:_dispatch_outbound:187 - Outbound dispatcher started
2026-02-13 09:59:35.411 | INFO | nanobot.channels.telegram:start:140 - Starting Telegram bot (polling mode)...
2026-02-13 09:59:39.245 | INFO | nanobot.channels.telegram:start:148 - Telegram bot @mwitibananabot connected
2026-02-13 09:59:39.417 | DEBUG | nanobot.channels.telegram:start:152 - Telegram bot commands registeredBereitgestellt von
Wechsle zu Telegram und teste es:
Wie du mit Anthropic's Claude Code Softwareentwicklungs-Workflows verbesserst – praxisnah mit der Supabase-Python-Bibliothek – erfährst du in unserem Claude Code Tutorial.
Nanobot ausbauen: Der "Multi-Tool"-Agent
Jetzt, da die Einrichtung steht, machen wir deinen Agenten vielseitiger. Die meisten Modelle kennen nur Informationen bis zum Stichtag ihrer Trainingsdaten. Wir erhöhen die Nützlichkeit, indem wir ihn mit dem Internet verbinden.
Nanobot unterstützt das Model Context Protocol (MCP) und erweitert so die Fähigkeiten deines Agenten, etwa um Websuche oder Datenbankabfragen. Fügen wir den Brave Search Server hinzu, damit dein Agent aufs Internet zugreifen kann:
"tools":{"web":{"search":{"apiKey":"","maxResults":5}},"exec":{"timeout":60},"restrictToWorkspace":false}Bereitgestellt von
Starte dein Gateway neu.
Stelle nun in Telegram eine Frage wie „What is the current price of the Apple Stock?“. Im Terminal siehst du, dass es tatsächlich das Web durchsucht:
2026-02-13 10:14:48.753 | INFO | nanobot.agent.loop:_process_message:164 - Processing message from telegram:7045522516: What is the current price of the Apple Stock
2026-02-13 10:14:59.726 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_search({"query":"AAPL stock price Yahoo Finance", "count":5})2026-02-13 10:15:22.066 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://finance.yahoo.com/quote/AAPL/", "extractMode":"text", "maxChars":20000})2026-02-13 10:15:26.886 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://www.google.com/finance/quote/AAPL:NASDAQ", "extractMode":"text", "maxChars":20000})2026-02-13 10:15:51.361 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://query1.finance.yahoo.com/v7/finance/quote?symbols=AAPL", "extractMode":"text", "maxChars":20000})2026-02-13 10:15:52.018 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://query2.finance.yahoo.com/v10/finance/quoteSummary/AAPL?modules=price", "extractMode":"text", "maxChars":20000})2026-02-13 10:16:07.071 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://www.marketwatch.com/investing/stock/aapl", "extractMode":"text", "maxChars":20000})2026-02-13 10:16:07.406 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://finviz.com/quote.ashx?t=AAPL", "extractMode":"text", "maxChars":20000})2026-02-13 10:16:35.897 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://financialmodelingprep.com/api/v3/quote/AAPL?apikey=demo", "extractMode":"text", "maxChars":20000})2026-02-13 10:16:36.919 | INFO | nanobot.agent.loop:_process_message:246 - Tool call: web_fetch({"url":"https://stooq.com/q/l/?s=aapl.us&i=5", "extractMode":"text", "maxChars":20000})2026-02-13 10:17:14.870 | INFO | nanobot.agent.loop:_process_message:266 - Response to telegram:7045522516: Reflection:
- JS-heavy sites (Yahoo/Google) hid the live quote; Yahoo's JSON APIs blocked (401).
- Finviz returned a pr...Bereitgestellt von
Lokal und privat: Nanobot offline betreiben
Wie OpenClaw ist einer der größten Pluspunkte von Nanobot die Privatsphäre. Du kannst es nutzen, ohne Daten an einen Cloud-Anbieter zu senden. Da Nanobot vllm und OpenAI-kompatible Endpunkte unterstützt, kannst du es auf einen lokalen Model-Runner wie Ollama zeigen.
Installiere Ollama und starte ollama
Aktualisiere den Provider-Abschnitt in deiner config.json (siehe das Beispiel „local" in Schritt 4 oben).
Sieh dir unser Tutorial zu OpenClaw mit Ollama an, um zu lernen, wie du einen komplett lokalen KI-Datenanalysten mit OpenClaw und Ollama baust, der mehrstufige Workflows orchestriert, Datensätze analysiert und visuelle Reports erstellt – ohne deine Daten in die Cloud zu schicken.
Häufige Stolperfallen und Troubleshooting mit Nanobot
Auch bei einem einfachen Tool wie Nanobot kann etwas schiefgehen. Hier sind typische Probleme – und wie du sie löst.
Connection refused-Fehler
Wenn du Nanobot auf einem Server startest, aber lokale Modelle ansprechen willst, erhältst du einen Connection refused-Fehler. Ursache: Der Online-Server kann nicht auf deinen lokalen Rechner zugreifen.
Abhilfe: Stelle sicher, dass die Open-Source-Modelle ebenfalls auf demselben Server laufen – oder nutze z. B. ngrok, um die Verbindung zu überbrücken.
Limits des Kontextfensters
Lokale Modelle haben oft kleinere Speicherkapazitäten (Kontextfenster). Auch Cloud-Modelle sind begrenzt. Da Nanobot sein Gedächtnis als einfache Dateien speichert, „resettest" du sein Gehirn am besten, indem du die Speicherdateien im Ordner ./workspace manuell löschst.
Alternativ wechselst du zu einem Modell mit größerem Kontextfenster, etwa gemini-1.5-pro oder Claude Opus 4.6.
Fazit
Nanobot zeigt: Leistungsstarke Software muss nicht groß sein. Es bietet die gleichen Kernfunktionen wie OpenClaw und ist dennoch drastisch kleiner. Sicherheitsseitig bestehen jedoch die gleichen Risiken. Richte Nanobot daher am besten in einer Sandbox ein, um katastrophale Folgen wie das Löschen deiner gesamten Festplatte zu verhindern.
Wenn du mehr über den Umgang mit KI-Tools lernen willst, empfehle ich dir unseren Guide zu den besten kostenlosen KI-Tools. Für umfassendere KI-Coding-Kompetenzen probiere unseren Kurs AI-Assisted Coding for Developers, um die Kompetenzen zu entwickeln, die KI-Assistenten zu verlässlichen Partnern in deinem Entwicklungs-Workflow machen.
Außerdem erfährst du in unserem Kurs Developing LLM Applications with LangChain, wie du KI-gestützte Anwendungen mit LLMs, Prompts, Chains und Agenten in LangChain baust.
Nanobot FAQs
How is Nanobot different from OpenClaw?⌄
Die Kernfunktionalität ist identisch. Nanobot ist die kleinere Alternative – dadurch kannst du den Code leichter lesen und anpassen.
My Nanobot agent is online but ignoring my messages. Why?⌄
Fast immer liegt es an der Einstellung allowFrom. Sobald du hier irgendeinen Wert einträgst (auch nur einen Platzhalter), schaltet Nanobot in den „Whitelist-Modus" und ignoriert strikt alle User-IDs, die nicht in dieser Liste stehen.
Does Nanobot have a web UI?⌄
Nein. Nanobot nutzt die Oberflächen deiner bevorzugten Messenger-Apps oder das Terminal.
Lerne die wichtigsten Arten von KI-Agenten kennen, wie sie mit ihrer Umgebung interagieren und wie sie in verschiedenen Branchen eingesetzt werden. Verstehe einfache reflexive, modellbasierte, zielbasierte, nutzenbasierte, lernende Agenten und mehr.
Erforsche Pythons match-case: eine Anleitung zu seiner Syntax, Anwendungen in Data Science und ML sowie eine vergleichende Analyse mit dem traditionellen switch-case.
Lerne mehr über abstrakte Klassen in Python, wozu sie gut sind und wie du mit dem Modul „abc“ einheitliche Schnittstellen sicherstellen kannst. Enthält praktische Beispiele und bewährte Methoden für eine effektive Umsetzung.
Nanobot ist ein schlanker persönlicher KI-Assistent und eine Alternative zu OpenClaw. Er ist 98% kleiner als OpenClaw und liefert dennoch die gleiche Kernfunktionalität eines Agenten. Genau wie OpenClaw kann er lokal auf deinem Rechner laufen, sich mit deinen Lieblings-Apps verbinden und ist dank der geringen Größe leicht im Code zu prüfen.
Nanobot verbindet deine bevorzugten Closed- und Open-Source-Modelle, um einen lokalen Coding-Agenten auszuführen. Sobald du Nachrichten über Telegram, WhatsApp oder das Terminal sendest, reagiert der Agent, indem er Befehle auf deinem Rechner ausführt, zum Beispiel Logs liest, Skripte startet und Dateien durchsucht.
In diesem Tutorial zeige ich dir, wie du Nanobot von Grund auf einrichtest und in wenigen Minuten einen funktionsfähigen KI-Agenten baust. Außerdem gehe ich auf Stolperfallen ein, die du bei dieser Technik kennen solltest.
Was ist Nanobot?
Nanobot ist eine OpenClaw-Alternative, die rasant an Popularität gewonnen hat und zum Zeitpunkt dieses Artikels über 21.000 GitHub-Sterne verzeichnet. Wie OpenClaw unterstützt es gängige Messaging-Plattformen wie Discord, Slack und Telegram.
Genau wie der OpenClaw-Agent kann auch dein Nanobot-Agent bei Moltbook in den Social-Media-Partychat einsteigen, wie wir in unserem Einstieg in Moltbook-Tutorial zeigen.
Nanobot: zentrale Fähigkeiten
Trotz seiner Größe deckt Nanobot drei Kernanforderungen an einen leistungsfähigen Agenten ab:
Voraussetzungen für Nanobot
Für dieses Tutorial brauchst du Folgendes:
Nanobot Schritt für Schritt: Ein "Research Agent"
Lass uns einen Agenten bauen, der in deinem Telegram lebt, das Web durchsuchen kann und sich deine Interessen merkt.
Schritt 1: Nanobot installieren
Am saubersten installierst du Python-Tools heute mit
pipoderuv– so bleiben sie vom System-Python getrennt. Falls du beides nicht hast, funktioniert das klassischepipebenfalls.Öffne dein Terminal und führe aus:
Nach der Installation siehst du eine Meldung wie diese:
Schritt 2: Deinen Interface-Token holen
So richtest du die Oberfläche ein:
/newbotund folge den AnweisungenSchritt 3: Initialisieren
Führe
nanobot onboardaus, um deinen Bot zu initialisieren. Du solltest eine ähnliche Meldung sehen:Schritt 4: Konfiguration
Führe den folgenden Befehl aus und füge im Abschnitt providers den API-Schlüssel des gewünschten Modellanbieters hinzu:
Bearbeite die Datei und ergänze beim gewählten Provider den API-Schlüssel:
Bearbeite den Telegram-Abschnitt und trage den Token sowie die User-ID ein, die du zuvor erhalten hast. So stellst du sicher, dass nur du deinem Agenten Anweisungen senden kannst.
Passe den agents-Abschnitt an deinen gewählten Provider an:
Teste deinen Agenten im Terminal:
Schritt 5: Gateway einrichten
Um die Telegram-Integration abzuschließen, führe im Terminal folgenden Befehl aus:
Jetzt sollte Telegram aktiviert sein – wie in meinen Meldungen unten zu sehen:
Wechsle zu Telegram und teste es:
Wie du mit Anthropic's Claude Code Softwareentwicklungs-Workflows verbesserst – praxisnah mit der Supabase-Python-Bibliothek – erfährst du in unserem Claude Code Tutorial.
Nanobot ausbauen: Der "Multi-Tool"-Agent
Jetzt, da die Einrichtung steht, machen wir deinen Agenten vielseitiger. Die meisten Modelle kennen nur Informationen bis zum Stichtag ihrer Trainingsdaten. Wir erhöhen die Nützlichkeit, indem wir ihn mit dem Internet verbinden.
Nanobot unterstützt das Model Context Protocol (MCP) und erweitert so die Fähigkeiten deines Agenten, etwa um Websuche oder Datenbankabfragen. Fügen wir den Brave Search Server hinzu, damit dein Agent aufs Internet zugreifen kann:
Starte dein Gateway neu.
Stelle nun in Telegram eine Frage wie „What is the current price of the Apple Stock?“. Im Terminal siehst du, dass es tatsächlich das Web durchsucht:
Lokal und privat: Nanobot offline betreiben
Wie OpenClaw ist einer der größten Pluspunkte von Nanobot die Privatsphäre. Du kannst es nutzen, ohne Daten an einen Cloud-Anbieter zu senden. Da Nanobot
vllmund OpenAI-kompatible Endpunkte unterstützt, kannst du es auf einen lokalen Model-Runner wie Ollama zeigen.ollamaSieh dir unser Tutorial zu OpenClaw mit Ollama an, um zu lernen, wie du einen komplett lokalen KI-Datenanalysten mit OpenClaw und Ollama baust, der mehrstufige Workflows orchestriert, Datensätze analysiert und visuelle Reports erstellt – ohne deine Daten in die Cloud zu schicken.
Häufige Stolperfallen und Troubleshooting mit Nanobot
Auch bei einem einfachen Tool wie Nanobot kann etwas schiefgehen. Hier sind typische Probleme – und wie du sie löst.
Connection refused-Fehler
Wenn du Nanobot auf einem Server startest, aber lokale Modelle ansprechen willst, erhältst du einen Connection refused-Fehler. Ursache: Der Online-Server kann nicht auf deinen lokalen Rechner zugreifen.
Abhilfe: Stelle sicher, dass die Open-Source-Modelle ebenfalls auf demselben Server laufen – oder nutze z. B.
ngrok, um die Verbindung zu überbrücken.Limits des Kontextfensters
Lokale Modelle haben oft kleinere Speicherkapazitäten (Kontextfenster). Auch Cloud-Modelle sind begrenzt. Da Nanobot sein Gedächtnis als einfache Dateien speichert, „resettest" du sein Gehirn am besten, indem du die Speicherdateien im Ordner
./workspacemanuell löschst.Alternativ wechselst du zu einem Modell mit größerem Kontextfenster, etwa gemini-1.5-pro oder Claude Opus 4.6.
Fazit
Nanobot zeigt: Leistungsstarke Software muss nicht groß sein. Es bietet die gleichen Kernfunktionen wie OpenClaw und ist dennoch drastisch kleiner. Sicherheitsseitig bestehen jedoch die gleichen Risiken. Richte Nanobot daher am besten in einer Sandbox ein, um katastrophale Folgen wie das Löschen deiner gesamten Festplatte zu verhindern.
Wenn du mehr über den Umgang mit KI-Tools lernen willst, empfehle ich dir unseren Guide zu den besten kostenlosen KI-Tools. Für umfassendere KI-Coding-Kompetenzen probiere unseren Kurs AI-Assisted Coding for Developers, um die Kompetenzen zu entwickeln, die KI-Assistenten zu verlässlichen Partnern in deinem Entwicklungs-Workflow machen.
Außerdem erfährst du in unserem Kurs Developing LLM Applications with LangChain, wie du KI-gestützte Anwendungen mit LLMs, Prompts, Chains und Agenten in LangChain baust.