03 2026 档案
摘要：亚马逊云科技官博今天（3/30）发了一篇重磅文章：CI&T 分享他们从传统 SDLC 到 AIDLC（AI-Driven Development Lifecycle）的转型实践。核心工具就是 Kiro——亚马逊云科技推出的 AI 原生 IDE。 这篇拆解 AIDLC 的四个阶段，看看 Kiro 在实
阅读全文
摘要：写 Selenium 测试写到怀疑人生？选择器一改全挂？试试 Amazon Nova Act——亚马逊云科技推出的 AI 浏览器自动化 SDK，用自然语言描述操作，AI 自动在浏览器里执行。 这篇从零开始：安装 Nova Act → 写第一个测试 → 集成 pytest 生成报告 → 实际落地到 O
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：写 Selenium 测试写到怀疑人生？选择器一改全挂？试试 Amazon Nova Act——亚马逊云科技推出的 AI 浏览器自动化 SDK，用自然语言描述操作，AI 自动在浏览器里执行。 这篇从零开始：安装 Nova Act → 写第一个测试 → 集成 pytest 生成报告 → 实际落地到 O
阅读全文
摘要：手里有个跑得好好的 OpenClaw Agent，想搬到 AWS 上让它自动扩缩、有监控有告警？Amazon Bedrock AgentCore 就是干这个的——把任意框架的 AI Agent 变成生产级应用，不用自己管服务器。 这篇走一遍完整流程：本地 OpenClaw Agent → Agent
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：手里有个跑得好好的 OpenClaw Agent，想搬到 AWS 上让它自动扩缩、有监控有告警？Amazon Bedrock AgentCore 就是干这个的——把任意框架的 AI Agent 变成生产级应用，不用自己管服务器。 这篇走一遍完整流程：本地 OpenClaw Agent → Agent
阅读全文
摘要：手里有个跑得好好的 OpenClaw Agent，想搬到 AWS 上让它自动扩缩、有监控有告警？Amazon Bedrock AgentCore 就是干这个的——把任意框架的 AI Agent 变成生产级应用，不用自己管服务器。 这篇走一遍完整流程：本地 OpenClaw Agent → Agent
阅读全文
摘要：手里有个跑得好好的 OpenClaw Agent，想搬到 AWS 上让它自动扩缩、有监控有告警？Amazon Bedrock AgentCore 就是干这个的——把任意框架的 AI Agent 变成生产级应用，不用自己管服务器。 这篇走一遍完整流程：本地 OpenClaw Agent → Agent
阅读全文
摘要：手里有个跑得好好的 OpenClaw Agent，想搬到 AWS 上让它自动扩缩、有监控有告警？Amazon Bedrock AgentCore 就是干这个的——把任意框架的 AI Agent 变成生产级应用，不用自己管服务器。 这篇走一遍完整流程：本地 OpenClaw Agent → Agent
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：做内容运营、客户支持、或者就是想让 AI Agent 在多个聊天工具上同时工作——OpenClaw 原生支持 20 多个消息渠道，后端接 Amazon Bedrock 调用 Claude、Nova 等模型，配好就能同时跑。 这篇从实际需求出发：先配 Amazon Bedrock 作为模型后端，再逐个
阅读全文
摘要：Docker 装不上？公司不让用 Docker Desktop？或者就是想要更安全的容器方案？OpenClaw 2026.3.28 简化了 Podman 部署流程——rootless 用户直接跑，配合 Amazon EC2 Graviton 实例和 Amazon ECR 镜像托管，一套组合拳把 AI
阅读全文
摘要：OpenClaw 插件系统架构解析：Agent 工具注册、配置验证、审批钩子的工程实现 OpenClaw 的插件系统在 2026.3.28 版本有了几个关键更新。本文从工程角度分析插件的设计思路、工具注册机制、以及新增的 requireApproval 审批钩子。 插件发现与验证 OpenClaw
阅读全文
摘要：引子 上周翻 CloudTrail 日志，发现跑 OpenClaw（AI Agent）的 EC2 实例凌晨 3 点被人暴力破解 SSH——847 次尝试，来自荷兰的一个 IP。 虽然我用密钥登录不怕被破，但这事暴露了一个问题：如果不主动翻日志，这种攻击永远不知道。 配了 Amazon GuardDu
阅读全文
摘要：概述 在 EC2 上运行 AI Agent 调用 Amazon Bedrock 时，CloudTrail 可以记录每一次 API 调用的详细信息：调用者身份、时间、来源 IP、调用的模型等。 但 Bedrock 的 InvokeModel 属于数据事件（Data Events），默认不记录，需要手动
阅读全文
摘要：概述 在部署 OpenClaw 的过程中，一个容易被忽视的安全问题是配置文件中的明文密钥。openclaw.json 中可能包含 Slack Bot Token、第三方 API Key 等敏感凭证。一旦文件泄露（Git 误提交、服务器入侵、备份泄露），这些密钥将直接暴露。 OpenClaw 提供了
阅读全文
摘要：背景 在 EC2 上运行 AI Agent 调用 Amazon Bedrock 时，默认流量路径是：EC2 → NAT Gateway → 公网 → Bedrock Endpoint。流量经过公共互联网，在合规审计和安全性上都不理想。 通过配置 VPC Endpoint（PrivateLink），可
阅读全文
摘要：我最近在研究亚马逊云科技新推出的 Lambda Durable Functions。这东西解决了一个 Lambda 用户长期面对的问题——如何在无服务器函数里跑长时间、多步骤的工作流。 以前要跑一个超过 15 分钟的流程，通常得自己搞一套状态机：多个 Lambda + SQS + DynamoDB
阅读全文
摘要：本文以 Whisper 语音识别模型为例，深入分析 SageMaker HyperPod Cluster 的架构原理，包括异构 GPU 节点调度、TensorRT-LLM 编译优化、Triton 推理服务部署，以及基于 AMP/Grafana 的可观测性体系搭建。 为什么要聊这个 我最近在做一个语音
阅读全文
摘要：背景 大模型联网搜索后做精确数值计算容易翻车。我测试过让模型搜两只股票市盈率做对比，搜到了正确网页，"推理"出来的数字却跟真实数据差了 30%。 根本原因：大模型做精确计数、排序、数值提取这类任务，天生不靠谱。它会数错、估错、跳过数据项。 Dynamic Filtering 解决这个问题的思路很直接
阅读全文
摘要：最近在做 x86 到 ARM64 的迁移评估。发现亚马逊云科技和 Arm 联合推出了 Kiro Graviton Migration Power——一个基于 MCP 协议的 AI 迁移分析工具。 拿两个项目实测了一下，记录技术细节。 为什么迁移评估这么耗时 x86→ARM64 迁移的三个核心痛点：
阅读全文
摘要：需求场景 团队想在飞书群里用上 AI 聊天机器人——代码审查、知识库问答、运维查询。从零搭 Agent 运行时工作量太大，需要一个轻量方案。 Kiro CLI 支持 Agent Client Protocol（ACP），可以直接做 Agent 后端。写一层桥接服务翻译飞书消息格式，Agent 推理/
阅读全文
摘要：搞 MCP 开发的应该都碰过这个问题——server 不记状态。每次请求都是从零开始，上一轮用户说了什么完全不知道。 这在简单场景没啥，但做复杂 agent 就很烦。比如订机票，用户得一口气把目的地、日期、人数、舱位全说清楚，不能分步来。 上周亚马逊云科技给 Bedrock AgentCore Ru
阅读全文
摘要：搞 MCP 开发的应该都碰过这个问题——server 不记状态。每次请求都是从零开始，上一轮用户说了什么完全不知道。 这在简单场景没啥，但做复杂 agent 就很烦。比如订机票，用户得一口气把目的地、日期、人数、舱位全说清楚，不能分步来。 上周亚马逊云科技给 Bedrock AgentCore Ru
阅读全文
摘要：引子 我之前花了不少时间折腾 AI Agent。遇到的核心难题就一个：工具调度。 用户说一句话，你怎么判断该调哪个工具？调完之后结果怎么回传给模型？多个工具之间有依赖关系怎么处理？ 这些问题看似简单，写起来都是坑。 最近在用 Strands Agents SDK，发现它的设计思路很干脆——不做意图路
阅读全文
摘要：公司有十几台 EC2 跑在 Private Subnet，运维流程是这样的： 连 VPN SSH 到堡垒机 从堡垒机 SSH 到目标实例 三层跳转，光认证就两分钟。堡垒机还得维护——打补丁、轮密钥、开安全审计。说白了它本身就是个攻击面，放在公网上等人来扫。 后来用了亚马逊云科技的 EC2 Insta
阅读全文
摘要：上周五晚上 11 点，手机响了——线上服务 CPU 飙到 95%，用户开始投诉卡顿。 等我打开电脑登上服务器，已经过去 15 分钟了。手动扩了一台实例，又花了 5 分钟。整个故障影响了将近 20 分钟。 后来我花了一个下午搭了一套 CloudWatch 告警 + 自动响应系统。现在 CPU 超过 8
阅读全文
摘要：项目背景 在一个用户行为分析系统中，原有架构使用 RDS MySQL (db.r5.large) 存储操作日志。随着业务增长，写入量从每秒几十条增加到每秒数千条，MySQL 方案暴露出几个问题： 高峰期 CPU 持续 90%+，影响查询响应 扩容需要停机或切换，无法平滑应对突发流量 为抗住峰值需要预
阅读全文
摘要：AI 助手有个致命短板：它不认识你的业务。公司文档、部署流程、内部 FAQ——这些东西不在训练数据里，问它只会瞎编。 更烦的是没记忆。聊天记录一清，之前说的全白费。 我花了不少时间研究这个问题。RAG（检索增强生成）是目前公认的解法，但向量数据库的运维成本一直让我犹豫。直到亚马逊云科技推出了 S3
阅读全文
摘要：一、问题背景 我在用 OpenClaw 做日常自动化时遇到一个需求：每天查一次亚马逊云科技的账单，按服务拆分，超预算就告警。 OpenClaw 本身没这个能力。但它有一套叫 Skill 的扩展机制，允许通过 Markdown 文件给 AI Agent 添加新技能。折腾了一下午搞明白了整个机制，顺便写
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：模型选型是一个工程决策问题 你有没有遇到过这种情况 — 项目要接入大模型，打开 Bedrock 的模型目录，几十个模型看得眼花缭乱，不知道该选哪个？ 这不是"选个好的就行"这么简单。选型本质上是一个 成本、质量、延迟三角 的权衡问题。选错了，要么花冤枉钱，要么效果达不到预期。 我在过去两个多月
阅读全文
摘要：引言：企业AI应用的现状与挑战 随着人工智能技术的快速发展，越来越多的企业开始探索AI在业务场景中的落地应用。然而，在实际实施过程中，我们发现了许多挑战： 技术复杂度高：从模型选择到部署运维，涉及多个技术栈 集成成本大：与现有系统的集成往往需要大量定制开发 运维难度高：AI系统的监控、调优、故障排查
阅读全文
摘要：引言：云成本优化的系统性思考 在云原生应用的生命周期管理中，成本控制往往是被低估的技术挑战。OpenClaw 作为一个集成了多种亚马逊云科技服务的 AI 助手平台，在部署初期出现了月成本 $200.34 的情况，这促使我们从架构设计、资源配置、服务选型等多个维度进行系统性的成本优化。 本文将深入分析
阅读全文
摘要：引言：云成本优化的系统性思考 在云原生应用的生命周期管理中，成本控制往往是被低估的技术挑战。OpenClaw 作为一个集成了多种亚马逊云科技服务的 AI 助手平台，在部署初期出现了月成本 $200.34 的情况，这促使我们从架构设计、资源配置、服务选型等多个维度进行系统性的成本优化。 本文将深入分析
阅读全文
摘要：引言：企业级 AI 应用安全部署的挑战 在企业级 AI 应用部署中，安全性往往是被忽视但最为关键的一环。OpenClaw 作为一个功能强大的 AI 助手平台，在生产环境中的安全部署面临着权限管理、网络隔离、密钥管理、审计追踪等多维度的安全挑战。 本文将深入探讨如何构建一套企业级的 OpenClaw
阅读全文
摘要：引言：企业级 AI 应用安全部署的挑战 在企业级 AI 应用部署中，安全性往往是被忽视但最为关键的一环。OpenClaw 作为一个功能强大的 AI 助手平台，在生产环境中的安全部署面临着权限管理、网络隔离、密钥管理、审计追踪等多维度的安全挑战。 本文将深入探讨如何构建一套企业级的 OpenClaw
阅读全文
摘要：我之前对 AI 编程助手一直持观望态度——补全个函数名还行，真要写业务逻辑大概率翻车。最近用了一周 Amazon Q Developer，想从实际使用角度分析一下它在不同场景下的表现。 一、工具概述 Amazon Q Developer 是亚马逊云科技推出的 AI 编程助手，支持 VS Code 和
阅读全文
摘要：上个月我踩了一个坑——生产环境里的 AI Agent 被用户用 prompt injection 攻击，吐出了系统提示词的内容。虽然没有造成实质损失，但这件事让我意识到：AI Agent 的安全防护不能只靠 prompt engineering，必须有一层独立于模型的安全检查机制。 研究了一圈方案，
阅读全文
摘要：项目背景 在一个用户行为分析系统中，原有架构使用 RDS MySQL (db.r5.large) 存储操作日志。随着业务增长，写入量从每秒几十条增加到每秒数千条，MySQL 方案暴露出几个问题： 高峰期 CPU 持续 90%+，影响查询响应 扩容需要停机或切换，无法平滑应对突发流量 为抗住峰值需要预
阅读全文
摘要：大模型推理成本是一个工程问题，不是调参问题。核心在于根据任务特征选择合适的计费模式，而不是试图压缩单次推理的 token 数。 Bedrock 定价体系分析 Amazon Bedrock 的定价体系有四个层级，从亚马逊云科技官方定价页面（aws.amazon.com/cn/bedrock/prici
阅读全文
摘要：AI 编程工具的核心矛盾是什么？ 速度和可控性的 trade-off。即兴生成（给一句话直接出代码）速度快，但复杂项目的可控性差——生成的代码偏离意图、多人协作风格不一、缺乏文档沉淀。 Kiro 是亚马逊云科技推出的 AI 原生 IDE，选择了另一条路：先写规范，再写代码。我花两天时间完整体验了一遍
阅读全文
摘要：前言 在做技术选型的时候，"用不用 Serverless" 这个问题经常被讨论。这篇文章不谈理论，记录一次真实的迁移过程——把一个跑在 EC2 上的 AI 问答服务，迁移到 Lambda + Bedrock 的 Serverless 架构。重点分析迁移动机、技术实现、踩坑过程和最终效果。 迁移动机
阅读全文
摘要：问题定义 大语言模型的全参数微调（Full-rank SFT）存在一个固有矛盾：参数空间是共享的，学习领域特定模式时会不可避免地干扰原有的通用能力编码。这就是灾难性遗忘（Catastrophic Forgetting）。 表现为：微调后领域任务指标提升，但 MMLU 等通用基准分数显著下降，指令遵循
阅读全文
摘要：问题定义 大语言模型的全参数微调（Full-rank SFT）存在一个固有矛盾：参数空间是共享的，学习领域特定模式时会不可避免地干扰原有的通用能力编码。这就是灾难性遗忘（Catastrophic Forgetting）。 表现为：微调后领域任务指标提升，但 MMLU 等通用基准分数显著下降，指令遵循
阅读全文
摘要：背景 RAG（Retrieval Augmented Generation）系统中，向量存储是核心组件之一。传统方案使用专用向量数据库，性能优异但运维成本高——集群需要 7×24 运行，不管是否有查询请求。 Amazon S3 Vectors 提供了一种不同的思路：将向量存储能力作为 S3 的原生
阅读全文
摘要：问题背景 长期运行的 AI Agent 面临一个工程问题：如何管理持续增长的对话历史？ 简单方案是把所有对话塞进 context window，但这带来三个问题：token 消耗线性增长、信息冲突无法自动解决、冗余数据拉低检索精度。另一个极端是只保留最近 N 轮，代价是丢失用户偏好和历史经验。 本文
阅读全文
摘要：背景 AI Agent 的能力边界取决于它能调用的工具。当前主流的工具接入方式是 function calling——模型输出结构化的函数调用请求，应用层解析后执行。 这个方案在工具数量少的时候够用。但随着 Agent 需要接入的工具增多（存储、数据库、消息队列、内部 API...），每个工具都需要
阅读全文
摘要：问题定义 传统应用的安全模型建立在一个假设上：应用的行为是确定性的。代码审查通过了，行为就是可预测的。 AI Agent 打破了这个假设。Agent 根据自然语言 prompt 和运行时上下文动态决定调用哪些 API、传递什么参数。即使代码不变，不同的用户输入可能导致完全不同的 API 调用序列。
阅读全文
摘要：引子 AI 辅助编程工具发展到今天，一个核心矛盾越来越明显：模型能力在涨，但开发者对生成代码的控制力在降。 你让 AI 写一个函数，它可能写得比你好。但你让它写一个系统，它大概率会把架构搞砸——不是因为它不会写代码，而是因为它不知道你要什么。 传统 chat 式 AI 编程交互缓解了这个问题，但没有
阅读全文
摘要：OpenClaw Skill 扩展机制解析与自定义技能开发实践 摘要 本文分析 OpenClaw 框架中 Skill 扩展机制的设计原理与实现方式，通过开发一个"每日技术日报"自定义技能的完整过程，展示从 SKILL.md 编写、目录结构组织、安装调试到发布的全流程。Skill 采用 Markdow
阅读全文
摘要：OpenClaw 自托管安全实践：从网络隔离到凭证管理的工程化方案 当你的 AI Agent 拥有 shell 执行权限时，安全加固就不再是"有则更好"，而是工程实践中的必选项。 背景 OpenClaw 是一个自托管的 AI Agent 平台，支持通过 Slack、Discord 等渠道与 Agen
阅读全文
摘要：摘要：本文系统介绍了 OpenClaw（一个开源 AI 助手框架）在运行过程中 Token 消耗的优化方法。通过模型分级、推理模式控制、系统提示词精简、心跳频率调整和计费模式选择 5 个维度的配置调优，实测 Token 消耗综合降低约 50%。文中包含完整的配置示例和效果评估，供类似场景参考。 一、
阅读全文
摘要：从本地到云：一个 OpenClaw 玩家的迁移踩坑实录 本文是「OpenClaw 云上实战指南」系列第 5 篇（完结篇） 我在 Mac 上跑了两周龙虾（OpenClaw ），合盖断了 3 次之后决定搬到云上。 头一次断是周五下班，合上 MacBook 就走了——周末两天 Slack 消息没人回、RS
阅读全文
摘要：一个 OpenClaw 实例跑 3 个 Agent：电商多角色助手配置实战（附飞书接入） 本文是「OpenClaw 云上实战指南」系列第 4 篇。第 1 篇讲了 Bedrock + IAM 零密钥部署，第 2 篇讲了 Mac + iMessage 接入，第 3 篇讲了龙虾自己开服务器。这篇搞一件不一
阅读全文
摘要：龙虾 AI 自己开服务器：OpenClaw 全自动部署实战，25 分钟 0 命令（附完整代码） 这不是标题党——我真的在聊天框里跟 OpenClaw（社区昵称"龙虾"）说了一句"帮我再部署一个"，然后它自己创建了 EC2 实例、分配了弹性 IP、SSH 过去装好了环境、写好了配置文件、启动了新的 G
阅读全文
摘要：OpenClaw 接入 iMessage 教程：Mac 云实例部署 + 苹果生态自动化完整配置 OpenClaw（社区昵称"龙虾"）不只是能聊天——当你把它部署在一台真正的 macOS 云服务器上，它就变成了你的"云端 Mac 秘书"：能发 iMessage、操作 Finder、跑 AppleScr
阅读全文
摘要：OpenClaw 部署教程：Bedrock + IAM 零密钥方案，告别 API Key（附 Lightsail 一键安装） OpenClaw（社区昵称"龙虾"）是 2026 年 GitHub 上增长速度极快的开源 AI 助手框架，能 24/7 在线帮你处理消息、执行命令、管理文件。本文教你用亚马逊
阅读全文
浙公网安备 33010602011771号