基于 Nanobot 构建轻量级 QQ AI 机器人及搜索模块优化实践

启动网关即可运行：

python3.11 -m nanobot gateway

看到 机器人「xxx」启动成功！ 提示即表示就绪。

搜索模块优化实践

在实战中发现，nanobot 默认使用 Brave Search API，虽然提供额度但注册流程繁琐。为了更灵活地控制成本，可以通过策略模式重构搜索后端，支持 Tavily、Brave 或 DuckDuckGo。

架构设计

采用抽象基类定义统一接口，具体搜索引擎作为实现类：

class SearchBackend(ABC):
    @abstractmethod
    async def search(self, query: str, max_results: int) -> list[dict]:
        pass

class DuckDuckGoBackend(SearchBackend):
    """免费搜索，无需 API Key"""
    async def search(self, query: str, max_results: int) -> list[dict]:
        # 解析 HTML 页面获取结果
        url = f"https://html.duckduckgo.com/html/?q={quote(query)}"
        # ... 实现细节

配置方式

修改配置文件指定引擎类型：

{
  "tools": {
    "web": {
      "search": {
        "engine": "tavily", 
        "apiKey": "你的 API Key"
      }
    }
  }
}

三种引擎对比如下：

通过这种方式，可以根据实际需求灵活切换，既保证了搜索质量，又降低了使用门槛。

总结

Nanobot 是一个非常适合个人开发者的 AI Agent 框架。其优势在于代码量小、易于理解修改，且部署简单，支持多平台接入。它非常适合用于个人 AI 助手、学习 AI Agent 原理或快速原型验证。当然，如果是企业级生产环境或需要复杂工作流的场景，可能还需要进一步评估。

如果你也想拥有一个 24 小时在线的 AI 助手，不妨试试这个轻量级方案。官方仓库地址：https://github.com/HKUDS/nanobot