告别 AI 孤岛：Ruby Nano Bots 如何用一个文件串联所有大模型

开篇：一个开发者的"语言疲劳"

张明（化名）是一名 Ruby 开发者，最近需要在项目里接入 AI 能力。他先要集成 OpenAI 的 GPT-4 做文案生成，隔壁产品又要求接入 Claude 处理客服对话，老板还在比价想试试 Mistral……结果他光配置不同的 SDK、理解各自不同的 API 签名和参数格式，就花了整整三天。

"我只是想让 Bot 执行一个任务，为什么要懂七种 SDK？"——这个问题，催生了 Ruby Nano Bots。

背景：Nano Bots 规范与 Ruby 实现

Nano Bots 起源于 spec.nbots.io 定义的开放规范，其核心理念是：把一个 AI Bot 做成一个可分享的"单文件"。任何人都可以复制这个 YAML 文件，改改参数，立刻拥有自己的 Bot。不需要安装整个框架，不需要写代码，改配置就够了。

Ruby Nano Bots（icebaker/ruby-nano-bots）是该规范的 Ruby 语言实现，支持 OpenAI、Anthropic Claude、 Google Gemini、Cohere、Mistral AI、Maritaca AI、Ollama 等 8 家主流 LLM Provider，并提供统一的调用接口。

目前仓库有 125 颗 GitHub Stars、7 个 Open Issues、MIT 许可证，最近更新于 2024 年 6 月。

核心概念：Cartridge（弹匣）模式

Nano Bots 采用了 Cartridge（弹匣） 这一巧妙比喻来组织 Bot 配置。每个 .yml 文件就是一个"弹匣"，里面定义了：

• meta：Bot 的元信息（名字、作者、版本、许可证）
• behaviors：行为指令（如"你是一个有帮助的助手"）
• provider：使用哪个 LLM Provider（OpenAI/Claude/Gemini 等）
• credentials：凭证从哪里来（通常是 ENV/XXX_API_KEY）

用户不需要写 Ruby 代码，只需要写 YAML。加载 Bot 也只需要一行 Ruby：

bot = NanoBot.new(cartridge: 'my-bot.yml')
bot.eval('帮我翻译：Hello world') do |content, fragment, finished, meta|
  print fragment unless fragment.nil?
end

这种"配置即 Bot"的设计，极大降低了 AI 集成的门槛——任何懂 YAML 的非程序员，都能拥有自己的 AI Bot。

架构解析：六层清晰分层

从代码目录结构看，Ruby Nano Bots 采用了经典的 六层六端口（Ports & Controllers）架构：

层次	目录	职责
Controllers	controllers/	接收外部请求，协调各组件（Cartridges、Session、Security）
Ports / DSL	ports/dsl	对外暴露的 Ruby DSL 语法，即 NanoBot API
Logic	logic/	业务逻辑：Cartridge 解析、Provider 调度、Helper 工具
Components	components/	核心组件：Adapter、Stream、Crypto、Embedding、Provider 适配器
Providers	components/providers/	8 个 LLM Provider 的具体适配器（OpenAI、Claude、Gemini……）

关键组件说明：

• Provider 适配器（components/providers/*.rb）：每个 Provider 一个文件，统一接口，内部处理各自 SDK 的差异。开发者想新增 Provider，只需新增一个适配器文件即可。
• Crypto 组件：内置加密能力，支持端到端加密通信。
• Stream 组件：支持流式输出（Streaming），可以在 token 逐字生成时就打印结果，无需等待完整响应。
• Storage 组件：管理 Cartridge 的本地存储路径。

技术栈与依赖

这是一个纯 Ruby 项目（主语言标注为 Lua 是误判，实际代码几乎全为 Ruby），Gemfile 声明了以下关键依赖：

类别	依赖	说明
LLM SDK	anthropic ruby-openai gemini-ai cohere-ai mistral-ai maritaca-ai ollama-ai	各 Provider 官方 SDK
HTTP	faraday faraday-typhoeus typhoeus	HTTP 客户端，带并发请求支持
加密	rbnacl	Libsodium Ruby 绑定，用于端到端加密
解析	redcarpet	Markdown 渲染
调试	pry	Ruby 交互式调试器
环境	dotenv	环境变量加载

Lua 出现在依赖 sweet-moon 中——这是一个 Ruby ↔ Lua 互操作的桥接库，用于在 Ruby 代码里执行 Lua 逻辑。

部署方式：两种路径

方式一：Gem 一键安装（推荐，10 分钟）

gem install nano-bots -v 3.4.0
nb --help  # 查看 CLI 帮助

方式二：Docker Compose 一键容器化

仓库提供 docker-compose.example.yml，内置了所有 8 家 Provider 的环境变量配置。只需填入各自的 API Key，一行命令即可启动完整环境：

docker compose -f docker-compose.example.yml up

容器基于 ruby:3.3.3-slim-bookworm，安装依赖后内置 nb 命令。

硬件需求极低：不需要 GPU，1GB+ 内存、200MB 磁盘即可运行，是目前最容易部署的多 Provider AI Bot 框架之一。

上手体验

安装好 gem 后，实际使用非常直观：

# 直接问 AI
nb -- eval "1+1等于几"

# 启动交互式 REPL
nb -- repl

# 从 YAML 文件加载 Bot 并执行
nb my-bot.yml - eval "翻译：Good morning"

甚至支持管道组合——把多个 Bot 串联起来，上一个 Bot 的输出直接成为下一个 Bot 的输入，实现工作流自动化：

cat article.txt | nb translator.yml - eval | nb summarizer.yml - eval

局限性：不完美但诚实的实话

1. 非 Web UI：纯 CLI/Terminal 工具，没有浏览器界面，对非技术用户不友好。
2. 维护状态存疑：最后更新是 2024 年 6 月，距今约两年未活跃，Issues 无人回应，存在"弃坑"风险。
3. Ruby 生态局限：gem 分发依赖 Ruby 生态，非 Ruby 开发者（如 Python/JS 团队）集成成本较高。
4. 文档较简陋：虽然 README 覆盖了主流场景，但复杂用法（如自定义 Provider 适配器）文档缺失。

行业意义：配置即 Bot 的范式探索

Ruby Nano Bots 背后折射出一个趋势：AI Bot 的民主化。传统做法是把 Bot 做成一整套服务（Microservice），Nano Bots 则把 Bot 做成了一个"配置文件"——可复制、可分享、可版本控制。

这种思路与 GitHub Gist 的哲学一脉相承：好东西应该可以"一键复制"走。

虽然项目本身活跃度有限，但 Nano Bots 规范（spec.nbots.io）是独立存在的，其他语言可以有不同实现。对于 Ruby 开发者来说，这是目前最轻量的多 LLM 集成方案之一。

图：Ruby Nano Bots 工作流程示意图，展示了从 Cartridge 配置到多 Provider 调用的完整路径