AWS 示範以 OpenClaw 與 AgentCore 打造可累積對話記憶的助理
AWS 於 2026 年 10 月 6 日發布技術指南,示範如何以 OpenClaw 和 Amazon Bedrock AgentCore 建立能保留結構化對話資訊的助理。範例以園藝助理 Sprout 展示記憶設計、訊息入口與模型分流。

完整報導
AWS 於 2026 年 10 月 6 日發布一份技術指南,說明如何將 OpenClaw 部署在 Amazon Bedrock AgentCore runtime,並以 AgentCore memory 將對話整理成可透過 metadata filters 擷取的結構化知識。這套設計的示範助理名為 Sprout,聚焦園藝;AWS 表示,架構也可藉由更換 persona 與 skills manifest,改作支援機器人、健身教練或內部服務台。
指南中的系統以單一 AWS CloudFormation 範本部署。使用者可透過 Telegram 傳送訊息,或由排程工作觸發;兩種入口都會呼叫同一個 AgentCore runtime agent。Telegram 訊息經由 Amazon API Gateway 和 webhook Lambda 傳入,排程則由 Amazon EventBridge Scheduler 與 cronjob Lambda 處理。進入 runtime 後,server.py 負責協調 OpenClaw gateway、AgentCore memory 和 Amazon Bedrock Converse API。
範例也將文字與影像請求分開處理:文字對話使用 Claude Haiku 4.5,影像理解使用 Claude Sonnet 4.5。文字回合經 OpenClaw gateway 傳送;影像回合則由 server.py 直接呼叫 Bedrock,並傳入影像內容。AWS 在 2025 年已介紹 AgentCore Memory 作為代理記憶管理服務;這篇指南進一步展示它如何融入一套可部署的助理架構。
為什麼值得注意
這篇指南把持續性記憶放進一個具體部署範例,並說明訊息、排程、記憶與文字/影像模型如何連接。對評估個人化助理的開發者而言,重點不只是記住對話,也包括如何沿用同一套架構切換助理用途。
來源證據
先看主要證據,再查看佐證來源與來源脈絡。
主要證據
1Building a context-aware AI assistant on AgentCore and OpenClaw
Thiago Verney
“Off-the-shelf AI assistants forget you between conversations. This post shows how to build a personal assistant that accumulates context using OpenClaw on Amazon Bedrock AgentCore runtime, with AgentCore memory turning disposable chats into durable, structured knowledge you can retrieve with metadata filters.”
推薦消息
根據品牌、主題與近期相關消息推薦