为什么 nanobot 能主动给你发消息？本文带你拆解 gateway 命令背后的“自动化双雄”：CronService 与 HeartbeatService，看它们如何让 AI 从“被动响应”转变为“主动服务”。
为什么 nanobot 能同时支持 Telegram、飞书、WhatsApp 等十几种渠道？本文带你拆解其 Gateway 架构，看它如何通过统一的 Channel 接口和消息分发机制，实现跨平台的优雅集成。
这篇文章深入解析了 nanobot 的子智能体（Subagents）系统，揭秘其如何通过 `spawn` 工具和 `SubagentManager` 实现复杂任务的并行处理。文章详细拆解了主智能体召唤“分身”的底层流程、子智能体专注任务的独立运行机制，以及二者如何巧妙地通过 MessageBus（消息总线）注入系统消息实现跨时空协作与结果汇总。同时，还为开发者提供了实用的异步执行调试技巧，展示了 nanobot 以极简架构实现强大并发协作能力的精妙设计。
本文带你拆解其 Skills 系统，看它如何通过简单的 Markdown 文件教 AI 使用新工具，以及“按需加载”机制如何节省宝贵的上下文窗口。
本文深入拆解 Agent 框架 nanobot 的核心记忆系统。不同于传统向量数据库方案，nanobot 采用独特的纯 Markdown 驱动设计，通过 MEMORY.md（事实库）与 HISTORY.md（日志库）构建两层架构，配合 AI 主动更新与异步固化机制，实现了透明、轻量且可控的个人 Agent 长期记忆。文章详细解析了记忆的“自我固化”流程，并对比了 Markdown 方案与主流向量数据库（如 mem0）的优劣，为开发者探索个人 AI 助手的高效记忆构建思路提供了务实的极简主义参考。
为什么 nanobot 的 Agent 感觉更有“人味”？本文带你深入 ContextBuilder 的源码，揭秘如何通过 Markdown 文件（SOUL.md, USER.md）和运行时上下文注入，构建AI 助手系统提示词
为什么 nanobot 能轻松接入 Telegram、飞书等多个渠道？本文带你拆解核心命令 agent，并深入研究其背后的极简消息总线（MessageBus）与智能体循环（AgentLoop）设计。