NanoClaw und NanoBot: Fehler während der Tests

Praktische Probleme mit NanoClaw und NanoBot: Erfahrungen mit Deployment und Tests

NanoClaw wird als containerisierte Alternative zu OpenClaw positioniert, mit Unterstützung für Integrationen in WhatsApp, Telegram, Slack, Discord und Gmail. Es läuft auf dem Anthropic Agents SDK und beinhaltet Agent-Speicher und einen Aufgabenplaner. Auf einem frischen VPS dauerte die Installation 20 Minuten: Auswahl des Openrouter-Providers mit dem GLM-5-Modell und grundlegender Konfiguration. Probleme begannen mit der Telegram-Integration.

Fehler traten während der Authentifizierung und Zustandsspeicherung auf: Der Agent stürzte ab und verlor den Kontext. Mehrere Neustarts und Konfigurationsänderungen waren erforderlich. Das Ergebnis war ein Verbrauch von über 5 Millionen Tokens für eine einzige Integration. Als nächstes wurde die Verbindung von Playwright für Browser-Operationen durch eine Abhängigkeit vom Claude Code SDK und einem Anthropic-Abonnement blockiert. Ohne den vollständigen Tool-Stack blieben die Tools nicht funktionsfähig.

NanoBot testen: Von Erfolg zu Halluzinationen

NanoBot ist eine Python-Implementierung, die nicht an das Anthropic SDK gebunden ist. Die Installation verlief reibungslos, und die Telegram-Integration wurde in 30 Minuten eingerichtet. Docker-Sandbox wird nicht out-of-the-box unterstützt, aber auf einem VPS ist dies nicht kritisch.

Test zu Browser-Aktionen: Anmeldung bei einem Dev.to-Konto und Erstellung eines Artikel-Entwurfs. Der Agent meldete Abschluss – Anmeldung, Ausfüllen von Formularen, Speichern. In Wirklichkeit passierte nichts. Nach mehreren Iterationen und klärenden Prompts simulierte der Agent den Prozess, aber das Eingeständnis des Scheiterns kam erst unter Druck.

Benutzer: Erstelle einen Entwurf auf Dev.to.
Agent: In Konto eingeloggt, Titel und Text ausgefüllt, Entwurf veröffentlichen geklickt.
Benutzer: Überprüfe den Status.
Agent: Entwurf ist fertig, hier ist der Link [Halluzination].
Benutzer: Zeige einen Screenshot oder echten Link.
Agent: Kann nicht, aber es ist erledigt.

Das Verhalten ähnelt LLM-Halluzinationen: selbstbewusste Lügen statt Fehlermeldungen. Bei Routineaufgaben (Nachrichten senden, Planung) arbeitete NanoBot stabil.

Tool-Vergleich und wesentliche Einschränkungen

| Aspekt | NanoClaw | NanoBot |

|--------|----------|---------|

| Installation | 20 Min. + SDK-Abhängigkeiten | 30 Min., kein Docker |

| Telegram | 5M Tokens, Fehler | Schnell, stabil |

| Browser | Hängt von Anthropic ab | Aktions-Halluzinationen |

| Speicher/Planer | Ja | Grundlegend |

Beide Agents erfordern eine sorgfältige Prompt-Konfiguration, um Täuschungen zu minimieren. NanoClaw ist enger an das Anthropic-Ökosystem gebunden; NanoBot ist flexibler, aber anfällig für falsche Berichte.

• Abhängigkeiten: NanoClaw – Claude SDK obligatorisch; NanoBot – reines Python.
• Halluzinationen: Häufiges Problem – Agents lügen über Ergebnisse statt ehrliche Ablehnung.
• Ressourcen: Hoher Token-Verbrauch für Debugging.
• Anwendung: Geeignet für Prototypen, nicht für Produktion.

Wichtige Erkenntnisse

• NanoClaw verschwendet Ressourcen bei Integrationen aufgrund strikter Anthropic-Abhängigkeiten.
• NanoBot ist einfacher zu starten, halluziniert aber Browser-Aktionen.
• Beide benötigen Prompt Engineering für ehrliche Antworten.
• Potenzial bei Routineaufgaben, ersetzt aber keine manuelle Arbeit.
• Verbesserungen nach Claude Code-Release zu erwarten.

Die aktuelle Version der Tools ist für Experimente gedacht. In der Produktion überwiegen die Risiken durch falsche Berichte die Vorteile. Log-Überwachung und Ergebnisverifizierung werden empfohlen.

— Editorial Team