15 KiB
1 复制 .nanobot目录
2 初始化运行环境
2.1 个人 Telegram Bot
nanobot onboard --config ~/.nanobot-personal/config.json
--workspace ~/.nanobot-personal/workspace
2.2 工作 Slack Bot
nanobot onboard --config ~/.nanobot-work/config.json
--workspace ~/.nanobot-work/workspace
3启动Agent
nanobot gateway --config ~/.nanobot-personal/config.json --port 18796 nanobot gateway --config ~/.nanobot-work/config.json
4 创建不同的系统服务
两个服务都已成功启动并运行! ✅
| 服务 | 配置 | 端口 | 状态 |
|---|---|---|---|
| nanobot-gateway | /home/ubuntu/.nanobot/config.json | 18790 | ✅ active |
| nanobot-gateway2 | /home/ubuntu/.nanobot2/config.json | 18796 | ✅ active |
注意: 当前手动运行的 nanobot 进程(PID 444830)需要停止,因为 systemd 服务已经在运行。需要我帮你停止手动进程吗?
创建新服务的时候,一定一定需要告诉nanobot,新服务的名称,否则很有可能就把前面的nanobot服务名称给替换掉了@@@@@@@@!!!!!!!
两个服务文件内容:
nanobot-gateway.service (端口 18790)
[Unit]
Description=Nanobot Gateway Service (Port 18790)
After=network.target
[Service]
Type=simple
User=ubuntu
Group=ubuntu
WorkingDirectory=/home/ubuntu/.nanobot/workspace
Environment="HOME=/home/ubuntu"
Environment="PATH=/home/ubuntu/.local/bin:/usr/local/bin:/usr/bin:/bin"
Environment="UV_PYTHON=/home/ubuntu/.local/share/uv/tools/nanobot-ai/bin/python3"
ExecStart=/home/ubuntu/.local/bin/nanobot gateway --config /home/ubuntu/.nanobot/config.json --port 18790
Restart=always
RestartSec=5
StandardOutput=journal
StandardError=journal
[Install]
WantedBy=multi-user.target
nanobot-gateway2.service (端口 18796)
[Unit]
Description=Nanobot Gateway Service 2 (Port 18796)
After=network.target
[Service]
Type=simple
User=ubuntu
Group=ubuntu
WorkingDirectory=/home/ubuntu/.nanobot2/workspace
Environment="HOME=/home/ubuntu"
Environment="PATH=/home/ubuntu/.local/bin:/usr/local/bin:/usr/bin:/bin"
Environment="UV_PYTHON=/home/ubuntu/.local/share/uv/tools/nanobot-ai/bin/python3"
ExecStart=/home/ubuntu/.local/bin/nanobot gateway --config /home/ubuntu/.nanobot2/config.json --port 18796
Restart=always
RestartSec=5
StandardOutput=journal
StandardError=journal
[Install]
WantedBy=multi-user.target
服务管理命令:
nanobot-gateway (端口 18790 - 当前这个我)
# 启动
sudo systemctl start nanobot-gateway
# 重启
sudo systemctl restart nanobot-gateway
# 停止
sudo systemctl stop nanobot-gateway
# 查看状态
sudo systemctl status nanobot-gateway
# 开机启动
sudo systemctl enable nanobot-gateway
nanobot-gateway2 (端口 18796)
# 启动
sudo systemctl start nanobot-gateway2
# 重启
sudo systemctl restart nanobot-gateway2
# 停止
sudo systemctl stop nanobot-gateway2
# 查看状态
sudo systemctl status nanobot-gateway2
# 开机启动
sudo systemctl enable nanobot-gateway2
常用快捷命令:
# 同时重启两个
sudo systemctl restart nanobot-gateway nanobot-gateway2
# 同时查看状态
sudo systemctl status nanobot-gateway nanobot-gateway2
# 查看日志
sudo journalctl -u nanobot-gateway -f
sudo journalctl -u nanobot-gateway2 -f
我的运行环境 ✅
- 工作目录:
/home/ubuntu/.nanobot2/workspace - 配置文件:
~/.nanobot2/config.json - 配置中的 workspace:
/home/ubuntu/.nanobot2/workspace
确实是在 .nanobot2 环境下运行。
当前 nanobot 进程
| PID | 命令 | 说明 |
|---|---|---|
| 1550 | nanobot gateway |
另一个 gateway 实例(无 --config 参数) |
| 443106 | nanobot gateway --config ~/.nanobot2/config.json --port 18796 |
我(当前会话) |
关于 onboard 实例
没有找到 nanobot onboard 进程。可能:
- 之前运行过但已退出
- 或者记混了(可能是 PID 1550 那个 gateway 实例?)
需要我帮你清理 PID 1550 的那个 gateway 实例吗?或者你想确认一下 onboard 进程的状态?
🔄 Nanobot 克隆部署方案
当前架构分析
/home/ubuntu/.nanobot/
├── config.json # 核心配置(API Key、渠道设置)
├── workspace/
│ ├── memory/ # 长期记忆(共享/独立?)
│ │ ├── MEMORY.md
│ │ └── HISTORY.md
│ ├── skills/ # 技能(可共享)
│ └── nanobot.sock # 运行时通讯(必须独立)
└── .current-session # 会话状态(必须独立)
方案对比
| 方案 | 实现难度 | 成本 | 适用场景 |
|---|---|---|---|
| A. 完整克隆 | ⭐⭐ | 2x服务器 | 完全独立,互不干扰 |
| B. 共享配置+独立数据 | ⭐⭐⭐ | 1.5x | 配置统一,任务分流 |
| C. 容器化多实例 | ⭐⭐⭐⭐ | 1x | 单服务器多实例 |
| D. 主从架构 | ⭐⭐⭐⭐⭐ | 1.5x | 一主多从,集中管理 |
推荐方案:C. 容器化多实例
为什么推荐这个?
# docker-compose.yml
version: '3.8'
services:
nanobot-main:
image: nanobot:latest
volumes:
- ./config-main.json:/root/.nanobot/config.json
- ./workspace-main:/root/.nanobot/workspace
environment:
- NANOBOT_INSTANCE_ID=main
- NANOBOT_ROLE=general # 通用任务
nanobot-worker-1:
image: nanobot:latest
volumes:
- ./config-worker.json:/root/.nanobot/config.json # 共享API配置
- ./workspace-worker1:/root/.nanobot/workspace # 独立工作区
environment:
- NANOBOT_INSTANCE_ID=worker1
- NANOBOT_ROLE=crawler # 专门抓数据
nanobot-worker-2:
image: nanobot:latest
volumes:
- ./config-worker.json:/root/.nanobot/config.json
- ./workspace-worker2:/root/.nanobot/workspace
environment:
- NANOBOT_INSTANCE_ID=worker2
- NANOBOT_ROLE=processor # 专门处理数据
优势:
- ✅ 共享Docker镜像,节省空间
- ✅ API Key集中管理,更新方便
- ✅ 工作区独立,避免冲突
- ✅ 可按角色分工
关键冲突点及解决方案
| 冲突点 | 问题 | 解决方案 |
|---|---|---|
| MEMORY.md | 多个实例同时写 | 使用外部数据库(redis/postgres)替代文件 |
| HISTORY.md | 日志混乱 | 实例ID前缀区分 |
| 技能状态 | 技能配置冲突 | 技能只读,运行时状态存实例目录 |
| 定时任务 | 重复执行 | 集中调度或分布式锁 |
| API限流 | 多实例超限 | 请求队列+速率限制 |
简易实现:单服务器多实例
如果现在就想在同一台服务器运行多个nanobot:
# 实例1:主控
export NANOBOT_HOME=/home/ubuntu/.nanobot-main
mkdir -p $NANOBOT_HOME/workspace
cp ~/.nanobot/config.json $NANOBOT_HOME/
cp -r ~/.nanobot/workspace/skills $NANOBOT_HOME/workspace/
nanobot --workspace $NANOBOT_HOME/workspace --config $NANOBOT_HOME/config.json
# 实例2:任务处理
export NANOBOT_HOME=/home/ubuntu/.nanobot-worker
mkdir -p $NANOBOT_HOME/workspace
# 共享config,独立workspace
cp ~/.nanobot/config.json $NANOBOT_HOME/
# 只复制必要技能
cp -r ~/.nanobot/workspace/skills/markitdown-converter $NANOBOT_HOME/workspace/skills/
nanobot --workspace $NANOBOT_HOME/workspace
更深层的考虑:Nanobot的本质限制
┌─────────────────────────────────────────────────────────┐
│ 当前nanobot是"有状态"的(Stateful) │
│ - 内存中有当前会话上下文 │
│ - 文件系统存储长期记忆 │
│ - 单实例设计,非分布式 │
├─────────────────────────────────────────────────────────┤
│ 如果需要真正的"水平扩展",需要: │
│ 1. 状态外置(Redis/DB) │
│ 2. 无会话设计(每个请求独立) │
│ 3. 或者:每个克隆独立服务不同用户/任务 │
└─────────────────────────────────────────────────────────┘
实用建议
对于"完善技能费时间"的问题,更好的策略可能是:
- 技能即代码 - 所有技能放在Git仓库,多实例共享
- 配置即代码 - config.json也版本控制
- 任务队列 - 用一个nanobot做调度,其他做执行
- 技能市场 - 不需要每个实例都装所有技能
蔡叔叔的具体需求是:
- 想同时处理更多任务?
- 想备份/迁移到另一台服务器?
- 还是想分工(有的专门抓数据,有的专门处理)?
我可以针对具体场景设计更精确的部署方案!🐈
✅ Docker化方案已完成!
📦 打包文件
/home/ubuntu/nanobot-docker-20260320.tar.gz (404KB)
📂 包含内容
| 文件/目录 | 说明 | 来源 |
|---|---|---|
Dockerfile |
Nanobot镜像定义 | 新建 |
docker-compose.yml |
3实例编排配置 | 新建 |
migrate-data.sh |
数据迁移脚本 | 新建 |
README.md |
使用文档 | 新建 |
data/config-*.json |
配置文件 | 从当前系统复制 |
data/skills/ |
10个技能 | 从当前系统复制 |
data/memory-*/ |
记忆文件 | 从当前系统复制 |
🎯 架构设计
┌─────────────────────────────────────────────────────────┐
│ Docker Host │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ nanobot-main │ │ worker-it │ │ worker-xhs │ │
│ │ (主实例) │ │ (IT资讯) │ │ (小红书) │ │
│ │ │ │ │ │ │ │
│ │ • 日常对话 │ │ • 网页抓取 │ │ • 小红书 │ │
│ │ • 邮件发送 │ │ • AI处理 │ │ • 图片生成 │ │
│ │ • 通用任务 │ │ • 定时发布 │ │ • 搜索监控 │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │ │ │ │
│ └──────────────────┼──────────────────┘ │
│ ▼ │
│ ┌──────────────┐ │
│ │ 共享skills │ │
│ │ (10个技能) │ │
│ └──────────────┘ │
└─────────────────────────────────────────────────────────┘
🚀 使用方法
# 1. 解压到其他服务器
tar -xzf nanobot-docker-20260320.tar.gz
cd nanobot-docker
# 2. 安装Docker和Docker Compose
# (如果目标服务器没有)
# 3. 构建镜像
docker-compose build
# 4. 启动所有实例
docker-compose up -d
# 5. 查看状态
docker-compose ps
💡 关键特性
| 特性 | 说明 |
|---|---|
| 数据持久化 | 容器删除不影响 data/ 目录数据 |
| 技能共享 | 10个技能共享,节省空间 |
| 配置独立 | 每个实例可配置不同的API Key |
| 记忆隔离 | 每个实例有独立的MEMORY.md |
| 横向扩展 | 可复制service定义添加更多实例 |
⚠️ 注意事项
- API Key - 配置文件包含敏感信息,传输时注意加密
- Cookie - 小红书Cookie需要定期更新
- IT项目 - worker-it挂载了
/home/ubuntu/nanocode,需要确保路径存在
📊 下一步操作建议
如果你想立即在其他服务器部署:
# 复制tar包到新服务器
scp nanobot-docker-20260320.tar.gz user@new-server:/home/user/
# 在新服务器上
tar -xzf nanobot-docker-20260320.tar.gz
cd nanobot-docker
docker-compose up -d
如果你想在当前服务器测试Docker:
cd /tmp/nanobot-docker
docker-compose up -d nanobot-main # 只启动主实例
docker exec -it nanobot-main nanobot --version
蔡叔叔,这个包可以直接复制到任何有Docker的服务器运行!需要我帮你做其他调整吗? 🐈
📊 内存使用情况分析
当前状态
| 指标 | 数值 | 状态 |
|---|---|---|
| 总内存 | 1.9 GB (2GB) | - |
| 已使用 | 510 MB | ✅ 正常 |
| 缓存/缓冲 | 1.3 GB | ✅ 充足 |
| 实际可用 | 1.2 GB | ✅ 够用 |
| 空闲内存 | 133 MB | ⚠️ 偏低 |
内存占用TOP进程
| 进程 | 内存占用 | 说明 |
|---|---|---|
| nanobot | 275 MB (13.6%) | 主力AI助手 |
| systemd-journald | 242 MB (11.9%) | 系统日志 |
| node server | 60 MB (2.9%) | wanandroid项目 |
| 其他系统进程 | ~200 MB | 系统服务 |
评估结论
┌─────────────────────────────────────────┐
│ 当前状态:✅ 内存基本够用 │
│ │
│ 剩余可用:~1.2GB(含缓存) │
│ │
│ 风险:⚠️ 无Swap,内存压力时可能OOM │
└─────────────────────────────────────────┘
容器化后的内存预估
如果部署刚才的Docker方案:
| 场景 | 预估内存 | 可行性 |
|---|---|---|
| 当前单实例 | 510 MB | ✅ 没问题 |
| Docker + 1实例 | +100 MB开销 | ✅ 可以 |
| Docker + 3实例 | 510×3 + 100 = 1.6GB | ⚠️ 紧张 |
| Docker + 3实例 + 缓存 | ~1.8GB | ❌ 可能OOM |
💡 建议
| 方案 | 说明 |
|---|---|
| 现状维持 | 当前够用,不做容器化 |
| 升级内存 | 加到4GB后再容器化 |
| 精简部署 | 只部署1-2个Docker实例 |
| 使用Swap | 添加2GB Swap作为缓冲 |
蔡叔叔,现在的内存做日常任务够用,但跑多个Docker实例会比较紧张。建议先不加容器,或者升级服务器内存到4GB后再部署。 🐈