大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



经过上一周的学习，我已经对nanobot的主体部分有了了解，本周我计划对nanobot框架中的其他部分进行学习，并针对其提供的经典skills–weather（天气）和memory（记忆）进行学习，为开发适配我们项目的skills打下基础，然后实现OpenClaw在本地的部署，最后完成项目的模块划分。

1. 核心框架层（上篇博客已介绍）

这是 Nanobot 的灵魂，包含所有 Agent 通用的底层抽象和核心引擎，所有其他模块都围绕它定义的规范展开。

2. 桥接适配层（bridge/）—— 核心与外部的「翻译官」

它的核心任务是翻译：把核心框架的抽象接口，转化为具体外部服务能理解的请求，同时把外部服务的响应 / 事件，转化为核心框架能处理的格式。

典型场景：

• LLM 适配：核心框架只需要调用统一的 llm.generate() 接口，bridge 层可以实现 OpenAI、Anthropic、本地模型（如 Llama）等不同提供商的适配，更换模型时核心框架完全不用修改。
• 外部业务系统桥接：针对 MarketClaw 营销助手，bridge 层可以适配电商平台 API、CRM 系统、社交媒体平台，把 Agent 的营销决策（如发送优惠券、推送消息）转化为这些平台的实际操作，同时把用户下单、咨询等事件转化为核心框架能处理的事件。
• 工具调用适配：比如 weather 插件用 curl 调用 wttr.in，底层就是 bridge 层处理了 HTTP 请求和响应解析，核心框架只需要调用统一的工具接口。

3. 测试保障层（tests/）—— 全链路质量「守门员」

它负责验证整个系统的正确性，保证修改代码后不会破坏现有功能。

测试类型：

• 单元测试：单独测试核心框架的模块（如记忆系统、事件总线）
• 集成测试：测试核心框架和桥接层的交互，比如 Agent 调用桥接层的工具是否正常
• 端到端测试：测试整个场景（比如 case 里的营销 Agent）的完整流程

它和其他层的关系：覆盖核心框架、桥接层、场景实例，是整个系统稳定运行的保障。

4.完整交互流程示例（以本次项目 MarketClaw 为例）

在整体学习完成后，我对我们本次项目有了更明确的认识，我用一个 “查询热点商品，自动生成营销图文与 PPT 文档” 的场景，看各层怎么协作：

1. 用户发起业务请求：需要抓取全网热点商品数据，产出配套营销图文宣传素材与汇报 PPT
2. 桥接层翻译：bridge 层接收用户指令，统一转为框架标准事件格式，通过内部事件总线完成消息分发
3. 核心框架处理：Agent 大脑调取 MEMORY.md 长期记忆，读取项目营销定位与风格规范，调用数据爬取、内容生成插件，完成热点商品筛选、卖点提炼、内容排版规划
4. 桥接层执行：调用图文渲染、PPT 生成第三方工具接口，自动完成配图、文案编辑、页面排版，批量输出完整营销物料
5. 日志记录：本次商品查询与内容生成全流程写入 HISTORY.md，优质营销模板、商品筛选规则等关键信息沉淀至长期记忆文件
6. 测试验证：自动化测试校验数据准确性、图文格式、PPT 兼容性，保障营销生产功能稳定可靠

这是 Nanobot 框架中标准的天气技能（Skill）配置文件，是一个无需 API 密钥、开箱即用的 Nanobot 天气插件，核心作用是让机器人通过命令行调用免费接口，获取当前天气、天气预报、天气图片、结构化数据，仅依赖系统自带的curl工具。

1.顶部配置块（Nanobot 插件核心规则）

name: weather description: Get current weather and forecasts (no API key required). homepage: https://wttr.in/:help metadata: {"nanobot":{"emoji":"🌤️","requires":{"bins":["curl"]}}}

这是插件的身份证，Nanobot 框架靠这段代码识别、加载、运行插件：

1.name: weather插件名称，框架调用的唯一标识（输入 weather 即可触发）

2.description插件功能描述：获取当前天气和预报，无需 API 密钥

3.homepage官方帮助文档地址，查看完整用法

4.metadata（框架专属元数据）emoji":"🌤️：插件图标requires":{"bins":["curl"]}：依赖声明，系统必须安装 curl 命令才能运行

2.wttr.in 服务 Bash 代码解释

curl -s "wttr.in/London?format=3" curl -s "wttr.in/London?format=%l:+%c+%t+%h+%w" curl -s "wttr.in/London?T" curl -s "wttr.in/Berlin.png" -o /tmp/weather.png

这部分所有 Bash 代码均依托curl -s命令调用 wttr.in 免费天气服务，是系统自带的网络请求工具，用于发起 HTTP 请求获取天气数据，-s参数代表静默模式，执行时不会显示请求进度、加载状态等冗余信息，仅输出纯净的天气结果；所有命令通过修改 URL 中的目标城市、参数配置、后缀格式，实现不同场景的天气查询需求。

1.curl -s "wttr.in/London?format=3"是极简单行查询命令，URL 中的 London 为指定查询城市，可自由替换为其他城市，?format=3是服务预设的固定参数，作用是输出仅包含城市名、天气图标、温度的精简结果；

2.curl -s "wttr.in/London?format=%l:+%c+%t+%h+%w"是自定义格式查询命令，通过format=参数拼接专属占位符，可按需组合展示天气信息，输出定制化的天气数据；

3.curl -s "wttr.in/London?T"用于获取完整天气预报，?T参数的核心作用是关闭终端颜色代码，输出纯文本格式的多日完整预报内容；

4.curl -s "wttr.in/Berlin.png" -o /tmp/weather.png是天气图片导出命令，在城市后添加.png后缀请求图片接口，-o参数用于指定图片的保存路径和文件名，将目标城市的天气图片保存到系统指定目录中。

这是 Nanobot 框架的核心永久记忆技能，采用双层记忆架构，实现 AI 的长期记忆存储、历史对话检索、自动整理，全程无需 API，基于文件和系统命令实现，always: true 代表该技能永久启用、不会关闭。

1.顶部配置（技能基础定义）

name: memory description: Two-layer memory system with grep-based recall. always: true 

• name: memory：技能名称，框架核心标识
• description：双层记忆系统，支持 grep 关键词检索
• always: true：关键特性，技能全局永久启用

2.核心：双层记忆文件结构

1.MEMORY.md（长期记忆）存储永久有效的关键信息：用户偏好、项目信息、人物关系；会自动加载到 AI 上下文，AI 随时可以读取使用。

2.HISTORY.md（历史日志）纯追加式的对话 / 事件记录，每条带时间戳 [年-月-日 时:分]；不会加载到上下文（避免占用资源），需要时主动搜索。

3.三大机制

1.历史记录检索规则

根据文件大小选择检索方式：

• 文件小：用 read_file读取全文，在内存中搜索
• 文件大 / 长期使用：用exec 调用系统命令精准搜索（性能更高）

2.长期记忆更新规则

遇到重要固定信息，必须立即通过edit_file/write_file写入 MEMORY.md：

• 用户使用习惯、偏好设置
• 项目技术规范、核心配置
• 人员角色、协作关系

3.自动整合机制（无需人工操作）

框架自带自动化处理：

1. 对话过长时，自动总结旧对话
2. 总结内容追加到HISTORY.md
3. 自动提取核心事实，存入MEMORY.md

在进行OpenClaw本地部署的时候，我遇见了很多问题，下面我将其进行一一汇总。

1. 依赖安装失败

问题：sharp 安装提示 "please add node-gyp to your dependencies"，或 libvips 版本冲突。

原因：系统全局 libvips 与 sharp 依赖版本不兼容，或 node-gyp 缺失。

解决方法

# 清除缓存并重新安装 npm cache clean --force rm -rf node_modules package-lock.json # 安装依赖 npm install --build-from-source=sharp # 或单独安装sharp npm install sharp@latest 

2.模型 API 调用失败

症状：提示 "API Key 错误"、"baseUrl 格式错误" 。

原因：API 配置错误。

解决方法：我先仔细检查手动填写的API密钥，逐个核对字母、数字和符号，确保没有多空格、少字符、大小写输错的情况。然后再检查模型接口请求地址，确认地址末尾有没有漏掉/v1等必要后缀，保证接口格式完全规范。随后我登录模型平台后台，查看个人账号余额是否充足、有没有过期、是否被限制调用权限。接着我本地测试网络连通性，确认电脑能正常外网访问模型服务器，网络卡顿就手动配置合规代理工具，打通网络链路。最后我清空旧的错误缓存配置，重新保存密钥和接口参数，重启网关服务，重新发起调用测试，一步步排查直到AI模型正常连通、不再报错。

3.缺少文件、组件加载失败

现象：提示文件丢失、界面打不开、功能缺失。

原因：杀毒软件误删、解压不完整、我乱动文件夹。

解决方法：我把旧文件全部删掉，重新解压完整安装包，把程序加入杀毒软件白名单，不乱移动、不乱删除项目里面的任何文件。

4.对我们项目的启发

1.要提前做好 Windows、Linux、Mac 三个系统的兼容测试，写好对应操作说明，避免用户系统不一样就跑不起来。

2.把所有配置集中写在一个文件里，端口、密钥、全部可改，方便用户随时调整，不用改代码。

3.要在 MarketClaw 里面自带端口检测、环境体检功能，自动检查端口有没有被占。

暂时分为以下几个模块：

• 商品分析与文案生成 Skill：提取商品结构化信息，分析目标人群，生成小红书图文文案。
• 热点信息采集 Skill：爬取微博热搜、小红书话题热度，检索竞品营销内容。
• 小红书自动化执行 Skill：自动发布笔记、获取评论，完成情感分析与智能回复，引导评论互动。
• 账号预热与人群锚定 Skill：生成账号人设，规划模拟真人的预热运营行为。
• 爆款分析与策略迭代 Skill：采集笔记数据，提取爆款特征，更新优化营销模板。
• 支撑创新 Skill：包含长期记忆自学习、轻量级聊天交互、多场景营销物料生成。

下周我将开始具体skills的开发，并与其他小组成员就各方面细节进行深度讨论。