新增任务队列工具，支持自管理 AI 任务执行：
# 添加任务（外部 Claude Code 执行）
taskqueue(action="add", title="开发功能X", instructions="请实现...", case_dir="case1")
# 查看任务列表
taskqueue(action="list")
# 查看任务详情
taskqueue(action="get", task_id="task-001")
# 连接到正在运行的任务会话
taskqueue(action="attach", task_id="task-001")核心特性：
- 外部执行模式：使用 tmux 创建独立会话，运行 Claude Code CLI
- 任务状态管理：PENDING → RUNNING → DONE/BLOCKED/FAILED
- 自动恢复：崩溃任务自动重试（最多3次）
- 安全检查：root 用户禁止使用 --dangerously-skip-permissions
详细文档：docs/extra-cases/nanobot-integrate-claudecode.md
深入理解 Nanobot 的上下文工程架构：
flowchart TB
A[ContextBuilder] --> B[System Prompt]
A --> C[Runtime Context]
A --> D[Conversation History]
A --> E[Long-term Memory]
B --> F[Identity + Bootstrap Files]
E --> G[MEMORY.md + HISTORY.md]
核心概念：
- 上下文工程 vs 提示词工程：系统层面的上下文生命周期管理
- 两层记忆系统：MEMORY.md（长期事实）+ HISTORY.md（对话历史）
- Bootstrap Files：AGENTS.md、SOUL.md、USER.md、TOOLS.md、IDENTITY.md
- 运行时上下文：时间、渠道、聊天ID（标记为 metadata only）
详细文档：docs/extra-cases/nanobot-context-engineering.md
新增 learn 命令和内置 nanobot-learn skill，提供两种学习模式：
# 老师模式 - 交互式问答
nanobot learn
# 指定 Day 学习
nanobot learn --day Day2
# 单次模式 - 直接问问题
nanobot learn --message "Agent Loop 是如何工作的？"
# 面试官模式 - 答题测验
nanobot learn --mode quiz
nanobot learn --mode quiz --day Day3交互式命令：
/mode teacher- 切换到老师模式/mode quiz- 切换到面试官模式/stats- 查看学习进度/exit- 退出学习模式
内置 Skill： nanobot-learn skill 会自动加载到 Agent 上下文中，用户可在任意社交媒体渠道（Discord、Telegram、Slack 等）直接使用 learn 功能。
nanobot 是一个超轻量级的个人 AI 助手，仅用约 4,000 行核心代码实现了完整的 Agent 功能。本学习指南旨在通过七天的系统学习，帮助开发者全面掌握 nanobot 的实现原理，达到能够独立开发和扩展的能力。
- 理解 nanobot 整体架构设计
- 掌握 Agent 核心循环（LLM ↔ Tool 交互）
- 深入理解两层记忆系统ORY.md + HISTORY（MEM.md）
- 学会扩展 Provider 和 Channel
- 能够独立开发自定义 Tool 和 Skill
详细内容请查看 LEARNING_PLAN.md
| Day | 主题 | 核心文件 |
|---|---|---|
| Day 1 | 项目结构与核心概念 | config/schema.py, config/loader.py |
| Day 2 | Agent 核心循环 | agent/loop.py, agent/context.py |
| Day 3 | Memory 与 Session | agent/memory.py, session/manager.py |
| Day 4 | Tool 与 Agent 扩展系统 | agent/tools/, agent/skills.py |
| Day 5 | Provider 系统与 LLM 集成 | providers/registry.py |
| Day 6 | Channel 系统 | channels/base.py, channels/manager.py |
| Day 7 | 进阶功能与实战 | cron/service.py, heartbeat/service.py |
- 具备 Python 基础（async/await、类型注解）
- 了解 Pydantic 基本用法
- 熟悉 HTTP API 和 WebSocket 概念
- Agent Loop 详解 - LLM 与工具的循环调用
- Context 构建 - Prompt 生成机制
- Memory 系统 - 两层记忆设计
- Session 管理 - 会话持久化
- Tool 系统 - 工具注册和执行
- Skills 系统 - 技能加载器
- Subagent 系统 - 子 Agent 管理
- Provider 架构 - 多 LLM 支持
- Channel 系统 - 聊天平台集成
- CLI/Cron/Heartbeat - CLI 命令、定时任务与心跳
nanobot/
├── agent/ # 核心 agent 逻辑
│ ├── loop.py # Agent 循环
│ ├── context.py # Prompt 构建
│ ├── memory.py # 持久化记忆
│ └── tools/ # 内置工具
├── channels/ # 聊天平台集成
├── providers/ # LLM Provider 抽象
├── session/ # 会话管理
├── config/ # 配置系统
└── cli/ # CLI 命令
完成学习后，应掌握以下核心概念：
- Agent Loop - LLM 与 Tool 的循环调用
- Memory System - 两层记忆设计（MEMORY.md + HISTORY.md）
- Tool System - 工具注册和执行机制
- Provider 抽象 - 如何支持多种 LLM
- Channel 抽象 - 如何接入多种聊天平台
- 项目主文档: NanobotREADME.md - 完整的 nanobot 使用指南
- 官方文档: https://github.com/HKUDS/nanobot
- LiteLLM 文档: https://docs.litellm.ai/
本学习指南基于 nanobot 项目，遵循 MIT 许可证。