- Monatliche Besuche
- 13.100
- 2026-10
- Monatliches Wachstum -61,3 %
NanoClaw - Sicherer persönlicher KI-Agent mit Container-Isolation
NanoClaw ist ein leichtgewichtiger Open-Source persönlicher KI-Agent, der auf Ihrem eigenen Computer läuft. Er verbindet sich mit Messaging-Apps wie WhatsApp und Telegram, führt KI-Aufgaben in isolierten Containern aus und verfügt über nur 15 Quelldateien für vollständige Überprüfbarkeit. Entwickelt für datenschutzbewusste Benutzer, die volle Kontrolle über ihren KI-Assistenten wünschen.
- KI-Agenten
- Autonome KI-Agenten
- NanoClaw
- persönlicher KI-Agent
- sichere KI




Was ist NanoClaw?
NanoClaw ist ein minimalistischer, quelloffener persönlicher KI-Agent, der auf Ihrem eigenen System läuft. Das Projekt adressiert ein fundamentales Problem moderner KI-Frameworks: ihre überwältigende Komplexität. Während etablierte Lösungen wie OpenClaw mit über 434.453 Codezeilen und 70+ Abhängigkeiten operieren, setzt NanoClaw auf radikale Einfachheit – lediglich 15 Quelldateien und etwa 3.900 Codezeilen bilden die gesamte Codebasis.
Die technische Architektur basiert auf dem Claude Agent SDK und ersetzt anwendungsspezifische Berechtigungsprüfungen durch echte Container-Isolation auf Betriebssystemebene. Als Single-Process Node.js-Anwendung kommt NanoClaw ohne Microservices oder Message Broker aus und reduziert die Abhängigkeiten auf weniger als 10 Pakete. Diese bewusste Entscheidung ermöglicht es Entwicklern, das gesamte System in etwa 8 Minuten vollständig zu verstehen und zu auditieren.
Mit über 25.300 GitHub Stars und 8.500 Forks hat sich NanoClaw als ernstzunehmende Alternative im KI-Agenten-Ökosystem etabliert. Medien wie VentureBeat, Fortune, The New Stack und CNBC haben über das Projekt berichtet und seine innovative Herangehensweise an Sicherheit und Benutzerkontrolle hervorgehoben. Die Designphilosophie priorisiert vollständige Auditierbarkeit, Verständlichkeit und Anpassbarkeit für individuelle Nutzerbedürfnisse.
Minimalistische Codebasis: 15 Quelldateien, ~3.900 Codezeilen (vs. OpenClaw: 434.453 Zeilen)
Echte Container-Isolation: Betriebssystem-Level-Sicherheit statt anwendungsspezifischer Checks
Vollständige Auditierbarkeit: Gesamtes System in 8 Minuten verständlich
KI-native Einrichtung:
/setup-Skill führt durch Installation und KonfigurationMultichannel-Nachrichten: WhatsApp, Telegram, Discord, Slack, Gmail unterstützt
Open Source: MIT-Lizenz, kostenlos nutzbar und anpassbar
Kernfunktionen von NanoClaw
Container-Isolationsarchitektur
NanoClaw implementiert echte Betriebssystem-Container als primäre Sicherheitsgrenze. Jede Agenten-Sitzung läuft in einem isolierten Linux-Container (auf macOS: Apple Container oder Docker) mit separatem Prozessraum, Dateisystem und IPC-Namespace. Die Container werden mit nicht-privilegierten Benutzerrechten (uid 1000) ausgeführt und sind ephemer konzipiert – jeder Aufruf erzeugt eine neue Umgebung (--rm-Flag). Diese Architektur gewährleistet, dass ausgeführte Befehle und Dateioperationen das Host-System nicht beeinflussen können.
Sicherheitsgrenzen-Design
Die Sicherheitsarchitektur basiert auf einem Whitelisting-Ansatz für Dateisystemzugriffe. Ein zentraler Konfigurationspunkt (~/.config/nanoclaw/mount-allowlist.json) definiert zugelassene Mount-Pfade, die niemals in Container gemountet werden können. Standardmäßig blockiert das System sensible Verzeichnisse wie .ssh, .aws, .kube, .docker und alle credentials-Dateien. Zusätzliche Schutzmechanismen wie symbolische Link-Auflösung verhindern Path-Traversal-Angriffe durch geschickte Pfadmanipulation.
Credential-Proxy-System
Ein innovatives Credential-Proxy-System stellt sicher, dass echte API-Schlüssel niemals in Container gelangen. Ein auf dem Host laufender HTTP-Proxy injiziert Authentifizierungs-Header transparent, während Container nur Platzhalter-Schlüssel erhalten. Diese Architektur eliminiert das Risiko von Credential-Leaks durch kompromittierte Container und ermöglicht eine zentrale Schlüsselverwaltung außerhalb der Sandbox-Umgebung.
Gruppenisolationsmechanismus
Jede Chat-Gruppe erhält eine vollständig isolierte Umgebung mit eigenem CLAUDE.md-Gedächtnis, separatem Dateisystem und dediziertem Container-Sandbox. Sitzungsdaten werden in data/sessions/{group}/.claude/ gespeichert, was eine strikte Trennung zwischen Familien-, Arbeits- und Projektgruppen ermöglicht. Der Mechanismus basiert auf hierarchischen Gedächtnissystemen (global > Gruppenebene > Datei) und gewährleistet Kontextisolierung ohne Datenlecks.
Agent Swarms Implementierung
Als erster persönlicher KI-Agent unterstützt NanoClaw Agent Swarms – parallele Agenten-Teams, die komplexe Aufgaben kollaborativ lösen. Die Implementierung über den /add-parallel-Skill ermöglicht die gleichzeitige Ausführung spezialisierter Agenten mit unterschiedlichen Fähigkeiten. Diese Architektur eignet sich besonders für Aufgaben, die multidimensionale Analyse oder arbeitsteilige Verarbeitung erfordern.
Skill-System-Architektur
Das modulare Skill-System verhindert Code-Bloat durch git-branch-basierte Erweiterungen. Skills werden in vier Kategorien unterteilt: Feature-Skills (z.B. Channel-Integrationen), Utility-Skills (Hilfsfunktionen), Operational-Skills (Systemoperationen) und Container-Skills (Laufzeiterweiterungen). Nutzer mergen benötigte Skills in ihren eigenen Branch, was eine saubere Trennung zwischen Kerncode und Erweiterungen ermöglicht.
Minimalistische Architektur: 15 Dateien, <10 Abhängigkeiten, keine Konfigurationsdateien
Echte Container-Isolation: Betriebssystem-Level-Sicherheit statt anwendungsspezifischer Sandboxing
Vollständige Auditierbarkeit: 3.900 Codezeilen in TypeScript, komplett verständlich
KI-native Konfiguration: Natürlichsprachliche Anpassung durch Claude Code
Modulares Erweiterungssystem: Git-branch-basierte Skills ohne Code-Bloat
Strikte Sicherheitsgrenzen: Whitelisting, Credential-Proxy, Gruppenisolierung
Claude API-Key erforderlich: Nutzungskosten nach Anthropic-Preismodell
Container-Runtime-Abhängigkeit: Docker oder Apple Container notwendig
Höhere technische Einstiegshürde: Terminal-Kenntnisse und Grundverständnis von Containern erforderlich
Plattformbeschränkungen: Aktuell nur macOS und Linux unterstützt
Manuelle Skill-Verwaltung: Git-Operationen für Erweiterungen notwendig
Anwendungsszenarien für NanoClaw
Verarbeitung datenschutzsensitiver Aufgaben
Für Anwendungen mit hohen Datenschutzanforderungen bietet NanoClaw die Kombination aus lokaler Ausführung und Container-Isolation. Sensible Daten verbleiben im kontrollierten Umfeld des Nutzers, während KI-Fähigkeiten über das Claude Agent SDK bereitgestellt werden. Diese Architektur ist ideal für die Verarbeitung persönlicher Dokumente, medizinischer Informationen oder geschäftlicher Verträge, bei denen Cloud-basierte Lösungen ungeeignet sind.
Vollständig auditierbare KI-Nutzung
Organisationen und Einzelpersonen, die Transparenz in KI-Entscheidungsprozesse benötigen, profitieren von der minimalistischen Codebasis. Mit nur 15 Dateien und etwa 3.900 Codezeilen ermöglicht NanoClaw eine vollständige Code-Review in weniger als einer Stunde. Diese Transparenz ist besonders wertvoll für Compliance-Anforderungen, akademische Forschung oder Sicherheitsaudits, bei denen Blackbox-Lösungen inakzeptabel sind.
Zeitgesteuerte Automatisierung
Der integrierte Scheduler unterstützt drei Zeitplanungsmodi: Cron-Ausdrücke für wiederkehrende Aufgaben, Millisekunden-Intervalle für periodische Operationen und einmalige Ausführungen für verzögerte Aufgaben. Ein atomarer Deklarationsmechanismus verhindert doppelte Ausführungen, während der Scheduler im 60-Sekunden-Takt pollt. Typische Anwendungen umfassen tägliche News-Zusammenfassungen, wöchentliche Berichte oder regelmäßige Systemüberwachungen.
Teamkollaboration mit Isolation
Die Gruppenisolierung ermöglicht die gemeinsame Nutzung eines KI-Assistenten durch verschiedene Teams bei strikter Datentrennung. Familien-, Arbeits- und Projektgruppen erhalten jeweils eigene Gedächtniskontexte, Dateisysteme und Container-Umgebungen. Diese Architektur unterstützt kollaborative Workflows ohne Datenaustausch zwischen Gruppen – ideal für Organisationen mit unterschiedlichen Abteilungen oder Projekten mit separaten Sicherheitsanforderungen.
Individuelle Erweiterungsentwicklung
Das Skill-System ermöglicht maßgeschneiderte Anpassungen durch natürliche Sprachinteraktion. Nutzer beschreiben gewünschte Funktionen gegenüber Claude Code, der direkt Code-Änderungen vornimmt. Dieser Ansatz reduziert die Entwicklungskomplexität für individuelle Anforderungen wie spezielle Datenverarbeitungspipelines, benutzerdefinierte Integrationen oder domänenspezifische Workflows.
Multichannel-Nachrichtenintegration
Die Channel-agnostische Architektur unterstützt gleichzeitige Verbindungen zu WhatsApp, Telegram, Discord, Slack und Gmail. Ein Self-Registration-System ermöglicht das dynamische Hinzufügen neuer Channels über Skills, während die Laufzeitumgebung nicht konfigurierte Channels automatisch überspringt und entsprechende WARN-Logs ausgibt. Diese Flexibilität erlaubt die Nutzung des bevorzugten Kommunikationskanals ohne Plattformwechsel.
NanoClaw eignet sich besonders für technisch versierte Nutzer und Entwickler, die Wert auf Datenschutz, vollständige Systemkontrolle und Transparenz legen. Das System ist ideal für:
Privatsphäre-bewusste Anwender: Lokale Ausführung + Container-Isolation
Entwickler und Techniker: Vollständige Code-Auditierbarkeit und Anpassbarkeit
Forschung und Compliance: Transparente KI-Entscheidungsprozesse
Individuelle Automatisierung: Zeitgesteuerte Aufgaben und Workflows
Teamkollaboration: Geteilte Nutzung mit strikter Datentrennung
Für einfache, sofort einsatzbereite Cloud-Lösungen ohne technischen Aufwand sind andere Plattformen möglicherweise besser geeignet.
Technische Architektur und Ökosystem
Technologie-Stack Zusammensetzung
NanoClaw basiert auf einem sorgfältig kuratierten Technologie-Stack: TypeScript (95,6%) bildet die Hauptprogrammiersprache, ergänzt durch Python (2,7%) für spezifische Integrationen. Die Laufzeitumgebung erfordert Node.js 20+ und nutzt Vitest als Test-Framework. Diese Auswahl priorisiert Entwicklerproduktivität, Type-Safety und Wartbarkeit bei minimaler Abhängigkeitskomplexität.
Kernabhängigkeiten und Integrationen
Die Architektur minimiert externe Abhängigkeiten auf weniger als 10 Pakete. Zentrale Komponenten umfassen:
@anthropic-ai/claude-agent-sdk (0.2.29): Primäre KI-Integration
SQLite (better-sqlite3): Lokale Nachrichtenspeicherung
Container-Runtimes: Docker oder Apple Container für Isolation
Channel-Spezifische Bibliotheken: WhatsApp-Web.js, node-telegram-bot-api
Diese reduzierte Abhängigkeitsliste kontrastiert stark mit vergleichbaren Frameworks und minimiert Angriffsvektoren und Wartungsaufwand.
Nachrichtenspeicher-Architektur
Ein SQLite-basiertes Speichersystem verwaltet Nachrichtenverläufe und Systemzustände lokal. Diese Entscheidung eliminiert externe Datenbankabhängigkeiten und gewährleistet Datensouveränität. Die Datenbankstruktur ist optimiert für schnelle Lese-/Schreiboperationen bei gleichzeitiger Unterstützung komplexer Abfragen für Gedächtnisverwaltung und Sitzungsisolation.
Drittanbieter-Modellunterstützung
Während das System primär auf Claude API optimiert ist, unterstützt die Architektur alternative Model-Endpoints über Konfigurationsanpassungen. Integrationen mit Ollama (lokale LLMs), Together AI und Fireworks AI ermöglichen flexible Modellauswahl basierend auf Kosten-, Leistungs- und Datenschutzanforderungen.
Container-Runtime-Kompatibilität
Die Plattformunterstützung variiert je nach Betriebssystem:
macOS: Native Apple Container (optimiert für Apple Silicon) oder Docker
Linux: Automatische Docker-Integration
Windows: Aktuell nicht offiziell unterstützt
Apple Container bietet auf macOS-Systemen Performance-Vorteile durch native Integration mit der Betriebssystem-Sandboxing-Infrastruktur.
Community-Ökosystem und Entwicklung
Ein aktives Community-Ökosystem mit 57 Contributors und über 424 Commits unterstützt die kontinuierliche Entwicklung. Der Discord-Server fungiert als zentrale Anlaufstelle für Support und Diskussionen, während GitHub Discussions und Issues strukturierte Kommunikation ermöglichen. Das Skill-System erlaubt Community-beigetragene Erweiterungen ohne Modifikation des Kerncodes.
Entwicklungswerkzeugkette
Ein vollständiger CI/CD-Workflow sichert Codequalität und Kompatibilität. Automatisierte Tests, Linting und Build-Validation gewährleisten Stabilität über verschiedene Umgebungen hinweg. Detaillierte Contributing Guidelines und ein gepflegtes Changelog unterstützen Community-Beiträge und transparente Release-Management.
Technische Metrik | NanoClaw | OpenClaw (Vergleich) |
|---|---|---|
Codezeilen | ~3.900 | 434.453 |
Quelldateien | 15 | Tausende |
Abhängigkeiten | <10 | 70+ |
Konfigurationsdateien | 0 | 53 |
Laufzeit-Code (Tokens) | 42.4k (21% Kontextfenster) | Nicht verfügbar |
Architektur | Single-Process Node.js | Microservices |
Isolation | OS-Level Container | Anwendungsspezifische Checks |
Audit-Zeit | ~8 Minuten | Wochen/Monate |
Schnellstart und Integrationsleitfaden
Systemvoraussetzungen
Bevor Sie NanoClaw installieren, stellen Sie folgende Voraussetzungen sicher:
Node.js 20+: Aktuelle LTS-Version empfohlen
Claude Code Subscription: Erforderlich für KI-Interaktionen
Container Runtime: macOS (Apple Container oder Docker), Linux (Docker)
Git: Für Repository-Cloning und Skill-Management
Terminal-Zugang: Kommandozeilen-Interaktion notwendig
Installationsschritte
Die Installation folgt einem standardisierten Workflow:
# 1. Repository klonen
git clone https://github.com/qwibitai/nanoclaw.git
cd nanoclaw
# 2. Claude Code starten
# Öffnen Sie das Claude Code Interface
# 3. Setup-Skill ausführen
/setupDer /setup-Skill führt interaktiv durch alle notwendigen Konfigurationsschritte, inklusive Abhängigkeitsinstallation, Channel-Authentifizierung und Container-Runtime-Einrichtung.
KI-native Einrichtungsprozess
Claude Code übernimmt die komplette Initialisierungskonfiguration:
Abhängigkeitsprüfung: Automatische Erkennung und Installation fehlender Pakete
Channel-Authentifizierung: Schrittweise Anleitung für WhatsApp, Telegram, etc.
Container-Konfiguration: Runtime-Auswahl und Sicherheitseinstellungen
Service-Initialisierung: Start der Hintergrunddienste und Health-Checks
Der Prozess erfordert keine manuelle Konfigurationsdatei-Bearbeitung – alle Anpassungen erfolgen durch natürliche Sprachinteraktion.
Minimal funktionsfähiges Beispiel
Nach erfolgreicher Installation testen Sie die Grundfunktionalität:
WhatsApp-Verbindung konfigurieren: QR-Code-Scan im
/setup-ProzessTestnachricht senden: "Hallo NanoClaw" an den konfigurierten Chat
Antwort validieren: KI-generierte Antwort innerhalb von Sekunden
Dieser Workflow demonstriert die Kernfunktionalität ohne zusätzliche Konfiguration.
Umgebungskonfiguration
NanoClaw verzichtet bewusst auf manuelle Konfigurationsdateien. Stattdessen ermöglicht das System:
Natürlichsprachliche Anpassungen: "Füge Telegram-Support hinzu"
Dynamische Skill-Integration:
/add-telegramfür zusätzliche ChannelsAutomatische Problembehebung: Claude Code identifiziert und behebt Konfigurationsprobleme
Best Practices für Produktionseinsatz
Für zuverlässigen Betrieb empfehlen sich folgende Maßnahmen:
Whitelisting-Konfiguration: Explizite Pfadfreigaben in
mount-allowlist.jsonRegelmäßige Skill-Updates: Git-Pulls für Community-Beiträge
Container-Ressourcenüberwachung: CPU/Memory-Limits für stabile Performance
Backup-Strategie: Regelmäßige Sicherung der
data/-VerzeichnisseLog-Analyse: Monitoring der Container- und Anwendungslogs
Fehlerbehebung und Diagnose
Bei Problemen helfen folgende Schritte:
Container-Status prüfen:
docker psoder entsprechende Apple Container-BefehleAPI-Key validieren: Claude Code Subscription und Quota überprüfen
Log-Ausgabe analysieren: Anwendungs- und Container-Logs auf Fehlermeldungen
Skill-Kompatibilität: Konflikte zwischen installierten Skills identifizieren
Community-Ressourcen: Discord und GitHub Issues für bekannte Probleme
Beginnen Sie mit der Hauptgruppe: Testen Sie grundlegende Funktionen in der Standardgruppe
Skills schrittweise hinzufügen: Integrieren Sie Erweiterungen nacheinander zur Fehlerisolierung
Regelmäßige Konfigurationssicherungen: Automatisieren Sie Backups der
data/-StrukturRessourcenlimits definieren: Setzen Sie Container-Memory/CPU-Limits für Stabilität
Community-Einbindung: Nutzen Sie Discord für Support und Best-Practice-Austausch
Inkrementelle Anpassungen: Testen Sie Änderungen in isolierten Gruppen vor Produktivnutzung
Häufig gestellte Fragen
NanoClaw vs. OpenClaw: Was sind die technischen Architekturunterschiede?
Die fundamentalen Unterschiede liegen in der Architekturphilosophie und Implementierung:
NanoClaw (Minimalistisch):
Single-Process Design: Einzelner Node.js-Prozess ohne Microservices
Echte Container-Isolation: OS-Level-Sicherheitsgrenzen
Minimaler Code: 15 Dateien, ~3.900 Zeilen, <10 Abhängigkeiten
Keine Konfigurationsdateien: KI-native Einrichtung
Vollständige Auditierbarkeit: Gesamtes System in 8 Minuten verständlich
OpenClaw (Monolithisch):
Microservices-Architektur: Komplexe verteilte Systeme
Anwendungsspezifische Checks: Sandboxing auf Applikationsebene
Massiver Codebase: Tausende Dateien, 434.453 Zeilen, 70+ Abhängigkeiten
53 Konfigurationsdateien: Manuelle Konfiguration erforderlich
Limitierte Transparenz: Wochen/Monate für vollständiges Verständnis
NanoClaw priorisiert Einfachheit, Transparenz und Benutzerkontrolle, während OpenClaw auf maximale Funktionalität und Enterprise-Features optimiert ist.
Wie verhindert Container-Isolation den Zugriff auf sensible Host-Dateien?
Die Sicherheitsarchitektur basiert auf mehreren Ebenen:
Dateisystem-Whitelisting: Nur explizit in
~/.config/nanoclaw/mount-allowlist.jsondefinierte Pfade sind zugänglichStandard-Blockierung: Sensible Verzeichnisse (
.ssh,.aws,.kube,.docker,credentials,.env) sind standardmäßig blockiertSymbolic Link Protection: Path-Traversal-Angriffe durch Link-Auflösung verhindert
Container-Path-Validation: Überprüfung aller Container-internen Pfade vor Mount-Operationen
Isolierte Namespaces: Separate PID-, Netzwerk- und IPC-Namespaces pro Container
Der Whitelisting-Ansatz stellt sicher, dass Container nur auf explizit freigegebene Ressourcen zugreifen können, während alle anderen Systembereiche unsichtbar bleiben.
Wie funktioniert das Credential-Proxy-System und sichert es API-Keys?
Das Credential-Proxy-System implementiert eine Zero-Trust-Architektur für API-Schlüssel:
Architekturprinzipien:
Host-seitiger Proxy: HTTP-Proxy läuft außerhalb der Container-Umgebung
Transparente Header-Injection: Authentifizierungs-Header werden automatisch injiziert
Platzhalter-Schlüssel: Container erhalten nur Dummy-Keys ohne Berechtigungen
Keine Credential-Speicherung: Echte Schlüssel verbleiben ausschließlich im Host-Speicher
Sicherheitsvorteile:
Container-Kompromittierung: Selbst bei vollständiger Container-Übernahme bleiben echte Credentials geschützt
Keine Credential-Leaks: Schlüssel werden niemals in Logs, Dateisystemen oder Netzwerkverkehr exponiert
Zentrale Verwaltung: Schlüsselrotation und -management außerhalb der Sandbox
Audit-Trail: Proxy-Logs dokumentieren alle Credential-Nutzungen
Der Proxy läuft als separater Prozess auf dem Host und kommuniziert über lokale Unix-Sockets oder TCP-Ports mit den Containern.
Welche Nachrichtenprotokolle und Datenformate unterstützt NanoClaw?
NanoClaw implementiert eine Channel-agnostische Architektur mit folgenden Protokollen:
Unterstützte Protokolle:
WhatsApp: WhatsApp Web Protocol über whatsapp-web.js
Telegram: Bot API über node-telegram-bot-api
Discord: Discord API mit WebSocket-Verbindungen
Slack: Slack Events API und Webhooks
Gmail: IMAP/SMTP für E-Mail-Integration
Signal: Experimental über signal-cli
Datenformate:
Nachrichten: JSON-Strukturen mit Metadaten und Inhalt
Dateianhänge: Base64-kodierte Binärdaten mit MIME-Typen
Gedächtnis: Markdown-formatierte
CLAUDE.md-DateienKonfiguration: JSON für Whitelisting und Systemeinstellungen
Logs: Strukturierte JSON-Logs für Debugging und Audit
Die Architektur ermöglicht die gleichzeitige Nutzung mehrerer Channels mit automatischer Protokollumschaltung basierend auf Nachrichtenquelle.
Wie funktioniert das Skill-System und wie entwickelt man eigene Skills?
Das Skill-System basiert auf Git-Branch-Management und modularer Erweiterbarkeit:
Skill-Kategorien:
Feature-Skills: Channel-Integrationen, neue Funktionen
Utility-Skills: Hilfsfunktionen, Format-Konverter
Operational-Skills: Systemoperationen, Wartungsfunktionen
Container-Skills: Laufzeiterweiterungen, Tool-Integrationen
Entwicklungsprozess:
# 1. Skill-Branch erstellen
git checkout -b skill/mein-neuer-skill
# 2. Skill-Struktur implementieren
# - Skill-Definition in skills/mein-skill.ts
# - Dokumentation in docs/skills/mein-skill.md
# - Tests in tests/skills/mein-skill.test.ts
# 3. Skill registrieren
# Hinzufügen zur Skill-Registry in src/skills/registry.ts
# 4. Testen und mergen
git commit -m "Add mein-neuer-skill"
git push origin skill/mein-neuer-skillNutzung durch Endbenutzer:
# Skill zu eigenem Branch hinzufügen
git fetch origin
git merge origin/skill/mein-neuer-skill
# Skill aktivieren
/add-skill mein-neuer-skillDieses System ermöglicht Community-Beiträge ohne Modifikation des Kerncodes und erhält die Minimalität der Codebase.
Wie wird Gruppenisolierung technisch implementiert und sind Gruppen vollständig getrennt?
Die Gruppenisolierung basiert auf einer mehrschichtigen Architektur:
Isolationsebenen:
Dateisystem-Trennung: Jede Gruppe erhält eigenes
data/sessions/{group}/-VerzeichnisContainer-Sandboxing: Separate Container-Instanzen pro Gruppe
Gedächtnis-Isolation: Gruppen-spezifische
CLAUDE.md-DateienIPC-Autorisierung: Nachrichten- und Task-Operationen nach Gruppen-Identity validiert
Credential-Scoping: API-Zugriffe nach Gruppenkontext beschränkt
Technische Implementierung:
Sessions-Verzeichnis:
data/sessions/{family}/.claude/vs.data/sessions/{work}/.claude/Container-Labels: Gruppen-IDs als Docker/Apple Container Labels
Memory-Hierarchie: Global > Gruppen > Datei mit strikter Zugriffskontrolle
IPC-Channels: Unix-Sockets oder TCP-Ports mit Gruppen-Authentifizierung
Isolationsgarantien:
Vollständige Dateitrennung: Gruppen können nicht auf Dateien anderer Gruppen zugreifen
Container-Separation: Keine Prozess- oder Netzwerk-Sichtbarkeit zwischen Gruppen
Gedächtnis-Kontamination: Keine Kontext- oder Memory-Leaks zwischen Gruppen
Credential-Sicherheit: API-Keys sind gruppenspezifisch gescoped
Nur die Hauptgruppe (Main Group) hat administrative Rechte, während nicht-Hauptgruppen streng isoliert sind.
Wie performant ist der Scheduler und wie viele gleichzeitige Tasks werden unterstützt?
Der Scheduler ist für persönliche Automatisierung optimiert mit folgenden Performance-Charakteristika:
Performance-Metriken:
Polling-Intervall: 60 Sekunden für Task-Erkennung
Task-Start-Latenz: <100ms nach Erkennung
Maximale Task-Dauer: 30 Minuten Standard-Timeout (konfigurierbar)
Atomare Ausführung: Verhindert Duplikate durch deklarative Locking
Skalierungsfähigkeiten:
Gleichzeitige Tasks: Theoretisch unbegrenzt, praktisch durch Systemressourcen limitiert
Memory-Overhead: ~50MB pro aktiver Task (Container + Prozess)
CPU-Nutzung: Minimal im Idle, Bursts während Task-Ausführung
IO-Performance: Lokale SQLite-Datenbank mit optimierten Indizes
Scheduling-Typen:
Cron-Ausdrücke: Unix-cron-ähnliche Syntax für wiederkehrende Tasks
Interval-basiert: Millisekunden-Präzision für periodische Operationen
Einmalige Ausführung: Verzögerte Tasks mit spezifischem Startzeitpunkt
Best Practices für Skalierung:
Ressourcenlimits: Container-Memory/CPU-Limits für Stabilität
Task-Priorisierung: Wichtige Tasks zuerst, Hintergrundtasks später
Batch-Verarbeitung: Zusammengefasste Operationen reduzieren Overhead
Health-Monitoring: Automatische Task-Neustarts bei Fehlern
Für Enterprise-Skalierung mit Tausenden gleichzeitiger Tasks sind dedizierte Job-Queues besser geeignet.
Wie zeigt sich die Code-Auditierbarkeit von NanoClaw konkret?
Die Auditierbarkeit manifestiert sich in mehreren Dimensionen:
Quantitative Metriken:
Codevolumen: 3.900 Zeilen vs. 434.453 bei OpenClaw (111x kleiner)
Dateianzahl: 15 Quelldateien vs. Tausende bei vergleichbaren Frameworks
Abhängigkeiten: <10 Pakete vs. 70+ bei Enterprise-Lösungen
Konfigurationsdateien: 0 vs. 53 bei OpenClaw
Qualitative Aspekte:
Vollständige Lesbarkeit: Durchschnittlicher Entwickler versteht gesamte Codebase in 8 Minuten
Keine versteckte Logik: Alle Funktionen in expliziten, kommentierten Dateien
Transparente Sicherheit: Sicherheitsgrenzen klar definiert und nachvollziehbar
Minimale Abstraktionen: Direkte, verständliche Implementierungen ohne Over-Engineering
Audit-Praktiken:
Security Review: Alle Sicherheitsmechanismen in
docs/SECURITY.mddokumentiertArchitektur-Dokumentation: Komplette Spezifikation in
docs/SPEC.mdTestabdeckung: Vitest-Tests für kritische Pfade
Community-Validation: 57 Contributors und 424+ Commits als kollektive Audit
Vergleich mit Alternativen:
NanoClaw: Wochenend-Projekt für vollständiges Verständnis
OpenClaw: Mehrere Monate für grundlegende Code-Review
Proprietäre Lösungen: Keine Möglichkeit für unabhängige Audits
Diese Transparenz ist besonders wertvoll für Sicherheits-kritische Anwendungen, Compliance-Anforderungen und Bildungszwecke.
Kommentare