官方來源· AWS Artificial Intelligence· AI· 發布於 2026年10月7日

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。

AWS 示範以 OpenClaw 與 AgentCore 打造可累積對話記憶的助理

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。

1 則

主要證據

1
  • 官方AWS Artificial Intelligence文件原始來源

    Building 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

目前沒有更多推薦消息

官方原始聲明

查看官方原始來源