AI工具AWS Machine Learning Blog
来源时间 本站刊期
在 AgentCore 和 OpenClaw 上构建上下文感知的 AI 助手
Building a context-aware AI assistant on AgentCore and OpenClaw
自建助手能跨会话累积记忆，但得先接受AgentCore的绑定与运维开销。
判断
这篇材料把自建助手的决策点从「要不要做记忆」挪到「记忆托管给谁」：选 OpenClaw 加 AgentCore memory 可以不自建存储层，但运行时和记忆库一并落在 AWS 侧，日后换供应商的迁移成本得自己扛。
依据
AWS 的 Thiago Verney、Akarsha Sehwag 和 Sathya Balakrishnan 在 10月6日的博文里说，现成助手答单个问题没问题，缺的是连续性：一个无状态助手不记得你三周前提过的排水快的抬高花床、只用有机肥、矮牵牛在热浪里打蔫，每次对话都从零开始，重新解释上下文的负担压在用户身上。他们给的机制是：OpenClaw（一个开源 agentic 系统，即能自行调用工具、分步完成任务的智能体框架）跑在 AgentCore runtime（Amazon Bedrock AgentCore 的运行环境）上，由 AgentCore memory 把一次性对话沉淀成可长期保留的知识，再给记忆打上结构化元数据，按当前问题取回相关记录。示例助手 Sprout 是园艺场景，但作者说这套架构与领域无关。
- OpenClaw 智能体部署于
- AgentCore 运行环境写入
- AgentCore 记忆打标取回
- 结构化元数据取回
没写清 博文没有给出记忆取回的准确率、延迟或费用数字，也没说 OpenClaw 与 AgentCore memory 的耦合有多深、换掉记忆后端要改多少代码。
下一步 看这篇博文的示例代码仓库是否放出 Sprout 的完整配置，重点数记忆写入与检索那部分有多少调用是 AgentCore 专有接口。