前言：

　　这篇是实战篇，用 nanobot + 通义千问 Qwen 3.5 Plus + 钉钉机器人，从零搭一套纯国产的小龙虾方案。

　　最终效果：在钉钉上直接跟 AI 对话，随时派活。通义千问原生支持联网搜索，再配合 9 个自定义技能（文档阅读、网页抓取、多语言翻译、数据分析、代码审查、文案写作等），覆盖日常工作的主要场景。

　　———

　　一、为什么是这个组合？

　　nanobot ：超轻量 AI Agent 框架，4000 行代码，通过 LiteLLM 支持主流大模型，原生支持钉钉、飞书等十多种聊天渠道。在这套系统里它负责消息接收、工具调用和技能管理。

　　 通义千问 Qwen 3.5 Plus ：阿里云旗舰大模型，代码生成、推理、多轮对话都很稳。API 原生支持联网搜索（enable_search），AI 可以实时获取互联网信息。

　　    钉钉机器人 ： nanobot 支持钉钉 Stream 模式，不需要公网 IP，不需要域名备案，配好 AppKey 就能连。手机上直接跟 AI 对话、派任务。

　　二、工作流程：从钉钉到 AI 再到结果

　　整个系统的工作流程很直观：

　　用户在钉钉发消息       ↓nanobot gateway 接收消息（Stream 模式，WebSocket 长连接）       ↓构建上下文：加载 Skills + 记忆 + 用户消息       ↓调用通义千问 Qwen 3.5 Plus（如开启联网搜索，自动检索互联网）       ↓模型判断是否需要调用工具/技能       ↓  ┌─ 是 → 执行对应 Skill（读 PDF、抓网页、分析数据……）→ 拿到结果 → 再次调用模型生成回复  └─ 否 → 直接生成回复       ↓返回结果到钉钉

　　关键点：

• 　　Skills 自动匹配：你不需要手动选技能，模型会根据你的问题自动判断该用哪个 Skill

• 　　多轮对话：nanobot 维护对话上下文，可以连续追问

• 　　记忆系统：nanobot 用 MEMORY.md 存储长期记忆，越用越了解你的偏好

　　目录结构：

　　workspace/├── skills/ # 自定义技能（9 个）│ ├── pdf/SKILL.md # PDF 阅读│ ├── markdown-reader/SKILL.md # Markdown 阅读│ ├── docx-reader/SKILL.md # Word 文档阅读│ ├── web-scraper/SKILL.md # 网页抓取与摘要│ ├── translator/SKILL.md # 多语言翻译│ ├── csv-analyzer/SKILL.md # 数据分析与图表│ ├── code-reviewer/SKILL.md # 代码审查与 Git│ ├── content-writer/SKILL.md # 文案/周报/会议纪要│ └── cron-reminder/SKILL.md # 待办事项与日程└── MEMORY.md # 长期记忆

　　三、能力扩展：联网搜索 + 9 个自定义技能

　　接入钉钉后，在群里 @机器人 就能对话。但默认能力有限，可以通过两种方式增强。

　　联网搜索

　　通义千问原生支持 enable_search 参数，开启后 AI 可以实时搜索互联网信息。具体配置方法见第四章第三步。

　　开启后在钉钉上问"今天有什么新闻"，AI 就能返回实时信息，不再是"我的知识截止到 xxxx 年"。

　　“9” 个自定义技能

　　这套方案配置了 9 个自定义 Skills，覆盖日常工作的主要场景：

　　1.信息检索与文档处理类

　　2.效率工具类

　　3.数据与开发类

　　4.内容创作类

　　添加 Skill 非常简单，在 workspace/skills/ 下建个目录，写一个 SKILL.md 描述文件就行。nanobot 启动后自动加载所有 Skills。

　　四、完整部署指南

　　环境要求

• 　　macOS / Linux

• 　　Python ≥ 3.11

• 　　Git

　　第一步：安装 nanobot

　　# 克隆源码git clone https://github.com/HKUDS/nanobot.gitcd nanobot# 创建虚拟环境（需要 Python 3.11+）# 如果系统 Python 版本不够，用 conda：# conda create -n nanobot python=3.11 -y && conda activate nanobotpython -m venv .venvsource .venv/bin/activatepip install -e .# 初始化配置nanobot onboard# 验证nanobot --version# 🐈 nanobot v0.1.4.post4

　　第二步：配置通义千问

1. 　　访问 阿里云 DashScope，注册并获取 API Key

2. 　　编辑 ~/.nanobot/config.json：

　　{  "agents": {    "defaults": {      "workspace": "/你的路径/workspace",      "model": "qwen3.5-plus",      "provider": "dashscope",      "maxTokens": 8192,      "temperature": 0.1,      "maxToolIterations": 40    }  },"providers": {    "dashscope": {      "apiKey": "你的API-Key",      "apiBase": "https://coding.dashscope.aliyuncs.com/v1"    }  }}

1. 　　验证连接：

　　nanobot agent -m "你好，测试连接"

　　第三步：开启联网搜索

　　编辑 nanobot/providers/litellm_provider.py，在 _apply_model_overrides 之后添加：

　　if "dashscope" in model.lower() or "qwen" in model.lower():    kwargs["enable_search"] = True

　　第四步：接入钉钉

1. 　　打开 钉钉开放平台

2. 　　创建应用 → 添加「机器人」能力 → 开启 Stream 模式

3. 　　获取 AppKey 和 AppSecret → 发布应用

4. 　　编辑 ~/.nanobot/config.json：

　　"channels": {  "dingtalk": {    "enabled": true,    "clientId": "你的AppKey",    "clientSecret": "你的AppSecret",    "allowFrom": ["*"]  }}

1. 　　启动：nanobot gateway

2. 　　在钉钉群里添加机器人，@机器人 即可对话

　　五、使用场景：搭好之后能干什么？

　　系统跑起来之后，日常用法举几个例子：

　　纯对话类（开箱即用）

• 　　"把这段话翻译成英文" → translator 技能自动翻译，保留格式

• 　　"今天有什么 AI 领域的新动态" → 联网搜索返回实时信息

• 　　"帮我写一份本周周报，内容如下：……" → content-writer 生成结构化周报

• 　　"审查一下这段代码有没有问题" → code-reviewer 从 Bug、安全、性能三个维度检查

　　这些只依赖 LLM 能力，不需要额外配置。

　　文件处理类（需要额外安装依赖）

• 　　"帮我总结一下这份 PDF 的要点" → pdf 技能读取文件，AI 输出摘要

• 　　发一个 CSV 文件，说"分析一下销售趋势" → csv-analyzer 统计数据，生成图表

• 　　发一份 Word 文档，说"提取里面的表格" → docx-reader 解析文档结构

• 　　"抓取这个网页的正文内容" → web-scraper 提取网页并生成摘要

　　注意：文件处理类技能需要在 nanobot 运行环境中安装对应的 Python 库（如 pymupdf、pandas、matplotlib、python-docx 等），且通过钉钉发送文件需要 nanobot 支持媒体消息接收（v0.1.4.post3+ 支持钉钉媒体消息）。

　　结尾：

　　这套方案的核心思路：用最轻的架构，搭一个能实际用起来的 AI 助手。

　　nanobot 只有 4000 行代码，但扩展性不错：

• 　　Skills 系统可以按需扩展能力——本文配置了 9 个技能，覆盖信息检索、文档处理、效率工具、数据分析、内容创作五大类

• 　　钉钉/飞书/Slack 等渠道让你在手机上就能用

• 　　LiteLLM 多模型支持让你随时切换底层大模型

　　全部国产方案，手机上就能用。

　　如果你也想试试，核心三步：装 nanobot、配通义千问、接钉钉。联网搜索按需开启

　　注：本文基于实际部署过程撰写，所有步骤均已验证通过。部署环境：macOS Darwin 25.2.0 / Python 3.11.14 / nanobot v0.1.4.post4