新闻 · AWS Machine Learning Blog
在AgentCore和OpenClaw上构建上下文感知AI助手
现成的AI助手在对话之间会忘记你。本文展示如何利用Amazon Bedrock AgentCore运行时上的OpenClaw构建一个能够积累上下文的个人助手，AgentCore memory将一次性对话转化为可通过元数据过滤器检索的持久结构化知识。
en
英文原标题：Building a context-aware AI assistant on AgentCore and OpenClaw
本文为英文原文的机器翻译摘要，原文见：AWS Machine Learning Blog ↗
- 文章介绍如何基于 OpenClaw 与 Amazon Bedrock AgentCore 构建具备上下文记忆的个人 AI 助手，解决无状态助手每次对话都从零开始、用户需反复解释背景的问题。
- 示例助手 Sprout 是园艺场景，但架构与领域无关：更换人设与技能清单后，同一套流水线可用于客服机器人、健身教练或内部帮助台。
- 系统由单个 AWS CloudFormation 模板定义，一条命令即可部署，采用按用量计费模式，轻度个人使用每月仅需几美元。
- 两个入口汇聚到同一个 AgentCore runtime 智能体：Telegram 消息经 API Gateway 与 webhook Lambda 进入，定时任务经 EventBridge Scheduler 与 cronjob Lambda 进入，二者都调用 InvokeAgentRuntime API。
- 运行时容器遵循最小契约：监听 8080 端口，提供 GET /ping 健康检查与 POST /invocations 入口；server.py 负责协调 OpenClaw gateway、AgentCore memory 与 Bedrock Converse API。
关键数据
- AgentCore runtime 按实际消耗的计算计费，不按墙钟在线时间计费，等待模型响应等 I/O 时间不计费。
- 轻度个人使用基线约为每月 1–2 美元，而常开的 Amazon EC2 实例约为每月 35 美元（截至 2026 年 7 月的估算）。
- 容器为 linux/arm64，基于官方 OpenClaw 镜像加 Python 层多阶段构建。
- 模型 ID 通过环境变量 MODEL_ID 与 VISION_MODEL_ID 配置，无需重建镜像即可按部署替换模型。
- Sprout 发布时自带 weather、reminders、plant notes 三个技能。
为什么值得看：文章给出了一套可复用的无服务器架构与设计准则，说明如何用 AgentCore memory 把一次性对话变成持久知识，并可按领域替换人设与技能清单。