养慢虾哲学：nanobot适配低速大模型

本文适合：部署本地低速 LLM、用 #nanobot# #养慢虾# 时发现各种抽风的朋友。不堆术语，只讲怎么动手。

一、 nanobot初始配置

# 1.1 初始化
先给个建议，请安装在虚拟机或容器中。以下为安装在lxc容器中ubuntu虚拟机情形下的示例。

安装好 nanobot 后，得先跑一次 onboard 初始化：

nanobot onboard -w ~/.nanobot/workspace -c ~/.nanobot/config.json

这条命令会创建两样东西：

1. 工作区 ~/.nanobot/workspace/ — 放 SOUL.md、USER.md、MEMORY.md 等
2. 配置文件 ~/.nanobot/config.json — 所有配置都在这里

修改config.json 可以设好你的本地LLM以及#飞书#等。

如果想用多项目，比如一个来编程，一个来做帐？ 你可以再来一套：

nanobot onboard -w ~/.nanobot/workspace2 -c ~/.nanobot/config2.json

每个项目各自有自己的配置文件和工作区，互不干扰：

# 1.2 启动

nanobot agent

或者指定配置和工作区:

nanobot agent -w ~/.nanobot/workspace -c ~/.nanobot/config.json

启动后就可以跟 #nanobot# 对话了。

后台运行,通过#飞书#管理对话，那么需要：

nanobot gateway

类似的如果要制定工作区和配置：

nanobot gateway -w ~/.nanobot/workspace2 -c ~/.nanobot/config2.json

想停掉？ 那就在nanobot运行的界面按 Ctrl+C。

二、加大延时，搞定一切慢

# 2.1 慢速LLM会超时

如果本地 LLM 速度只有 8.5 t/s（甚至更低），跟 #nanobot# 闲聊几句可能还行。但你让她

干点事——比如审计项目代码、整理点资料、聊长一点——她就开始抽风了：

1. 聊着聊着对话突然断了
2. 该等的时候不等，直接超时
3. 上下文构建出错，token 数超标

有不少问题，都是由于慢速LLM带来的超时造成的，本地低速LLM 跑一个 2000 token 的回复，可能要等 4 分钟不止。nanobot 默认 120 秒超时，对本地低速LLM 来说根本不够。所以首先你得解决超时问题。你也可以先连接远端大模型api，让nanobot自己修改超时问题。

# 2.2 修改超时参数

如果你和我一样用了比较新的nanobot 2025-05-20以后至今的版本的，而且你的本地LLM设置使用的是openai兼容协议。那么只要你改一个地方就可以解决 #养慢虾#超时的问题：。直接改代码，一行搞定。

打开

nanobot/providers/openai_compat_provider.py

找到第 68 行左右有：

_OPENAI_COMPAT_REQUEST_TIMEOUT_S = 120.0

把120.0 改成 1800.0 （30 分钟），重启后超时问题即可搞定。

# 2.3 验证

改完代码后，重启 nanobot（停掉旧的，再跑一次

nanobot gateway

启动后跟 nanobot 聊长一点（10 轮以上），或者让她编编程序、搜个文件，看会不会突然断掉。如果不再超时，就对了。

三、让 nanobot 干点事，他就能找出自己的 bug

超时改完，nanobot 基本能用了。你可以让她干点事试试，如果你想不出来适合的事情让她做。那你可以让她找找自己的系统代码上下文构建的问题，看看她的能力。

你猜怎么着：

Now I need to add budget tracking to _run_agent_loop where the prompt is assembled and sent. Let me find the key areas read …/AI/HKUSDbot/nanobot/agent/loop.py

看完了，核心发现如下： 当前问题 nanobot 完全没有 token 预算控制机制。 所有代码都是"写进去再说"，没有任何预算追踪、限额检查或预算感知的截断。 具体现状 1. context_window_tokens 配置项存在但从未被使用 — 只在 AgentLoop.__init__ 里存了一下，没有任何地方读取它来做预算控制 2. max_tool_result_chars 是硬截断 — 工具结果超过这个值就截断，但完全不考虑上下文窗口还剩多少空间 3. _replay_token_budget() 方法名有 budget 字样但实际返回的是消息数量 — 完全不是 token budget，是历史消息条数上限 4. _save_turn 里对 tool 结果做硬截断 — 同样不考虑预算 5. _sanitize_persisted_blocks 里的 should_truncate_text 也是硬截断 6. truncate_text_fn 是固定截断 — 没有预算感知 7. TokenBudget 类（我刚才新建的）是全新代码，还没被集成

看到了吧，有些问题 nanobot 是可以自己修好了。不过我得提醒你，得做好nanobot把自己修理残废的打算。

四、适配哲学

工具应该适应人，不是人适应工具。
本地 LLM 慢，不是你的问题，也不是 nanobot 的问题。只是它们还没磨合好。改一个超时设置，剩下的可以让 nanobot 自己处理。 我就是这样调教nanobot来#养慢虾#

别急着换模型、换硬件，可以让工具适应你的速度。

#养慢虾#金句：

慢不是缺陷，是另一种节奏。8.5 t/s 够用了，够你思考，够她回应，够你们好好聊完一句话。

关于 nanobot 我以前也发过攻略，可以参考：
nanobot 进阶指南——打造能自我进化的智能体
nanobot 高阶应用：AI 自己开发 Web 服务–微纳龙虾上云实录