2026 年开源智能体 OpenClaw 从零搭建教程:阿里云 ECS 云服务器环境部署、API 密钥配置、百炼 Token Plan 套餐选型实操指南

简介: OpenClaw作为开源个人AI助手平台,凭借私有化数据闭环、海量技能生态、自主任务自治、多终端联动、无模型绑定的核心特性,构建一套可以自主完成复杂任务的私有化智能体基座。部署在云服务器之后,可以摆脱本地电脑开关机限制,实现7×24小时常驻运行。

目前随着智能化办公、自动化运维需求快速普及,市面上大量个人AI工具存在不少现实短板。多数商用AI工具功能固化,很难自定义工作流,用户会话、文件数据全部交由第三方平台托管,带来隐私泄露风险;本地运行的AI助手受限于家用电脑开关机,无法实现全天候后台值守;同时不少工具会把模型绑定死,用户不能自由切换不同大模型。普通对话式AI只能完成一问一答,缺少任务拆解、自主执行、定时调度、多终端消息联动能力,很难形成常态化自动化生产力。OpenClaw作为轻量化、高可拓展、支持完全私有化部署的开源AI智能体框架,很好的解决以上痛点。主打全链路数据本地闭环、海量技能生态拓展、多终端消息联动、自主任务自治、无模型厂商绑定五大核心能力,适合个人高效办公、团队自动化运维、轻量化业务落地。将OpenClaw部署在云服务器上,可以实现7×24小时无人值守常驻运行,独立承接长周期自动化任务;原生兼容百炼全套服务,支持Coding Plan包月不限次调用、Token Plan个人/团队额度共享抵扣两套订阅模式,适配不同业务对成本、推理精度的诉求。本文完整拆解新版OpenClaw差异化能力、云服务器多套部署方案、百炼双套餐精细化接入配置、技能管理、定时任务调度、Python接口调用,附带大量可以直接复制执行的命令,零基础也可以搭建一套私有化云端AI助手。

零基础部署AI Agent:OpenClaw/Hermes Agent喂饭级步骤流程

第一步:👉点击打开访问阿里云OpenClaw/Hermes Agent一键部署专题页面。
OpenClaw1.png
OpenClaw2.png
OpenClaw02.png
openClaw3.png
OpenClaw031.png
OpenClaw03.png
OpenClaw04.png
OpenClaw5.png
Openclaw6.png

👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换,用于多模态模型灵活调用,实现多模型、多工具、多场景下的额度共享与统一管理,兼顾灵活性、稳定性与安全性,大幅降低企业使用大模型的门槛与成本。
tokenplan1.png
tokenplan1.png
tokenplan2.png
tokenplan3.png
tokenplan4.png

第二步:👉打开选择阿里云轻量应用服务器,配置参考如下:

  • 镜像:OpenClaw(或Hermes Agent)镜像(已经购买服务器的用户可以重置系统重新选择镜像)
  • 实例:内存必须2GiB及以上。
  • 地域:默认美国(弗吉尼亚),目前中国内地域(除香港)的轻量应用服务器,联网搜索功能受限。
  • 时长:根据自己的需求及预算选择。

轻量应用服务器OpenClaw镜像.png
bailian1.png
bailian2.png

第三步:打开访问阿里云百炼大模型控制台,找到密钥管理,单击创建API-Key。

阿里云百炼密钥管理图.png

前往轻量应用服务器控制台,找到安装好OpenClaw的实例,进入「应用详情」放行18789端口、配置百炼API-Key、执行命令,生成访问OpenClaw的Token。
阿里云百炼密钥管理图2.png

  • 端口放通:需要放通对应端口的防火墙,单击一键放通即可。
  • 配置百炼API-Key,单击一键配置,输入百炼的API-Key。单击执行命令,写入API-Key。
  • 配置OpenClaw/Hermes:单击执行命令,生成访问OpenClaw/Hermes的Token。
  • 访问控制页面:单击打开网站页面可进入OpenClaw/Hermes对话页面。

阿里云百炼Coding Plan API-Key 获取、配置保姆级教程:

创建API-Key,推荐访问订阅阿里云百炼Coding Plan,阿里云百炼Coding Plan每天两场抢购活动,从按tokens计费升级为按次收费,可以进一步节省费用!
CodingPlan.png

  • 购买后,在控制台生成API Key。注:这里复制并保存好你的API Key,后面要用。
    image.png
  • 回到轻量应用服务器-控制台,单击服务器卡片中的实例 ID,进入服务器概览页。
    image.png
  • 在服务器概览页面单击应用详情页签,进入服务器详情页面。
    image.png
  • 端口放通在OpenClaw使用步骤区域中,单击端口放通下的执行命令,可开放获取OpenClaw 服务运行端口的防火墙。
    image.png
  • 这里系统会列出我们第一步中创建的阿里云百炼 Coding Plan的API Key,直接选择就可以。
    image.png
  • 获取访问地址单击访问 Web UI 面板下的执行命令,获取 OpenClaw WebUI 的地址。
    image.png
    image.png

    一、OpenClaw核心定位与差异化技术优势

    OpenClaw定位是可以自主闭环执行多步骤任务的私有化智能代理,不只是简单对话问答,收到用户模糊的需求之后,能够自主完成需求拆解、工具调用、任务执行、结果复盘的完整作业流程。对比普通对话AI产品,拥有五大核心差异化优势。
  1. 全链路数据私有化闭环
    全部会话记录、任务日志、上传文件、配置参数都保存在部署的服务器环境,不会强制上传外部第三方平台。无论是个人办公资料,还是项目内部文档,数据完全自主掌控,规避隐私泄露风险,适配私密办公、个人项目运维、小型团队业务。

  2. 海量可拓展技能生态
    内置成熟技能市场,拥有数千款通用自动化技能,覆盖文档解析、代码扫描、服务器运维、数据统计、多媒体处理、资讯聚合、办公归档等场景。同时支持用户编写私有自定义技能,按照自身业务拓展能力边界,所有技能支持版本更新、启停、批量升级。

  3. 无绑定多模型兼容体系
    不锁定单一模型厂商,遵循标准OpenAI兼容接口协议,可以无缝接入百炼平台各类大模型。用户可以根据任务难度自由切换轻量模型或者旗舰大模型,普通摘要任务用低成本模型,复杂推理任务切换高阶模型,平衡效果与调用成本。

  4. 多终端多渠道消息联动交互
    支持Web网页控制台、服务器终端、主流IM消息渠道多端接入,全部终端数据实时同步。用户可以随时随地远程下发任务,查看任务执行进度,调取历史执行日志,摆脱单一设备限制。

  5. 双计费模式灵活适配业务
    原生适配百炼Coding Plan、Token Plan两套订阅。Coding Plan面向个人高频使用,包月不限调用次数;Token Plan支持团队多人额度共享,用量统一统计,解决按量计费账单不可控、高频调用成本高昂的痛点。

二、新版OpenClaw核心迭代功能详解

1、智能自主任务编排与自治引擎

内核调度逻辑经过深度优化,接收自然语言描述的复杂需求,自动拆解为有序分步执行子任务,自动匹配对应的技能工具完成闭环。支持任务优先级设置、执行超时重试、断点续跑、异常自查纠错。适合批量文档整理、服务器巡检、资讯聚合、批量代码优化这类耗时较长的任务,做到无人值守自动运行,大幅减少人工介入。

2、海量技能拓展体系

内置公开技能市场,开箱即用大量高频自动化技能,无需从零开发。同时开放自定义技能开发接口,可以编写私有工作流脚本,保存为私有技能包。技能支持独立启停、版本更新,持续贴合个人的工作习惯。

3、长效记忆与会话留存

搭载本地长效记忆引擎,自动保存全部历史会话、任务日志、用户偏好,跨会话延续上下文逻辑,不需要每次重复交代业务背景。会话支持重命名、检索、回放、回退、会话分享,可以复盘历史任务,沉淀个人工作方法论。

4、可视化Web运维控制台

默认提供Web可视化后台服务,端口默认18789。不用记忆大量复杂命令,浏览器访问即可完成模型参数配置、技能安装管理、任务监控、日志查询、定时任务编辑、访问权限管控,降低新手使用门槛,专业用户也可以做精细化调优。

5、多层级安全防护体系

内置高危指令拦截、文件操作白名单、任务权限分级、全量操作日志审计。能够识别拦截越权文件读写、高危系统命令、批量删除文件等高风险行为,避免智能体自主操作带来服务器安全风险。

三、云服务器全流程部署实操命令

部署前硬件最低要求:内存≥2GiB,推荐4GiB以上,操作系统选择主流Linux发行版本。下面提供系统脚本一键部署、npm全局安装、Docker容器部署三套方案。

前置环境校验

登录服务器SSH终端:

ssh root@你的服务器公网IP

执行命令校验基础环境,Node.js版本要求22.19及以上:

node --version
npm -v
git --version
# 更新系统软件源
yum update -y
# 安装基础依赖
yum install -y git curl wget
# 安装进程守护工具pm2,用于后台常驻运行
npm install -g pm2
# 放行Web服务端口18789
sudo ufw allow 18789/tcp
sudo ufw reload

方式一:官方一键脚本部署(新手首选)

# 执行官方一键安装脚本
curl -fsSL https://openclaw.ai/install.sh | bash
# 校验安装完成
openclaw --version
# 执行初始化配置向导
openclaw onboard --install-daemon
# 启动Web可视化控制台服务
openclaw dashboard

方式二:npm全局安装部署

npm install -g openclaw@latest
# 初始化配置向导
openclaw onboard
# 设置pm2进程守护,实现后台常驻开机自启
pm2 start openclaw
pm2 startup
pm2 save
pm2 status openclaw

方式三:Docker容器部署(生产环境推荐,隔离性强)

# 拉取官方镜像
docker pull openclaw/openclaw:latest
# 创建持久化数据目录,防止容器销毁丢失配置数据
mkdir -p ~/.openclaw
# 启动容器服务
docker run -d \
  --name openclaw \
  -p 18789:18789 \
  -v ~/.openclaw:/root/.openclaw \
  --restart always \
  openclaw/openclaw:latest

# 查看容器运行状态
docker ps | grep openclaw
# 查看实时运行日志
docker logs -f openclaw

部署完成之后,浏览器访问 http://服务器公网IP:18789,即可进入Web管理控制台,后续完成大模型接入配置。

四、百炼Coding Plan / Token Plan双套餐接入配置教程

两套订阅模式接口地址区分:

  • Token Plan兼容OpenAI接口地址:https://dashscope.aliyuncs.com/compatible-mode/v1
  • Coding Plan专属高速接口地址:https://coding.dashscope.aliyuncs.com/v1
  • 推荐默认模型:qwen3.8-max-preview

注意:两套套餐API‑Key、BaseURL互相独立,不能混用,配置时核对参数。

4.1 Token Plan接入配置(个人/团队通用)

适合团队额度共享,多模型混用,多智能体并发业务。下面命令写入环境变量,永久生效。

# 设置环境变量
export OPENCLAW_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"
export OPENCLAW_API_KEY="sk-sp-你的TokenPlan专属密钥"
export OPENCLAW_MODEL="qwen3.8-max-preview"

# 将配置写入shell环境文件 zsh用户
echo "export OPENCLAW_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1" >> ~/.zshrc
echo "export OPENCLAW_API_KEY=sk-sp-你的TokenPlan专属密钥" >> ~/.zshrc
echo "export OPENCLAW_MODEL=qwen3.8-max-preview" >> ~/.zshrc
source ~/.zshrc

# openclaw命令行写入模型配置
openclaw config set model.base_url $OPENCLAW_BASE_URL
openclaw config set model.api_key $OPENCLAW_API_KEY
openclaw config set model.default $OPENCLAW_MODEL
# 查看配置确认生效
openclaw config list

4.2 Coding Plan接入配置(个人高频自动化首选)

包月不限调用次数,不限token长度,适合个人高频自动化任务、批量内容处理。

export OPENCLAW_BASE_URL="https://coding.dashscope.aliyuncs.com/v1"
export OPENCLAW_API_KEY="你的CodingPlan专属密钥"
export OPENCLAW_MODEL="qwen3.8-max-preview"
source ~/.zshrc

# 重载OpenClaw全部配置
openclaw config reload
# 开启模型思考模式,提升复杂任务推理能力
openclaw config set model.enable_thinking true

五、OpenClaw高频实操命令集合

5.1 技能市场管理

# 列出全部可安装公开技能
openclaw skill list
# 批量安装常用技能:文档解析、代码扫描、自动报告、服务器监控
openclaw skill install doc-analyze code-scan auto-report server-monitor
# 查看已安装技能运行状态
openclaw skill status
# 更新全部已安装技能到最新版本
openclaw skill update --all

5.2 定时自动化任务配置

依托服务器常驻运行,实现无人值守定时任务,兼容标准cron表达式。

# 示例:每天晚上22点,自动整理工作目录文件,生成当日工作总结
openclaw cron add --time "0 22 * * *" --prompt "扫描服务器工作目录,归类全部文件,梳理当日工作,输出标准化工作总结"

# 查看全部定时任务列表
openclaw cron list
# 暂停指定定时任务,传入任务ID
openclaw cron pause 任务ID
# 启用已经暂停的定时任务
openclaw cron enable 任务ID

5.3 会话管理命令

# 创建全新独立任务会话,命名为daily‑auto‑work
openclaw session new --name daily-auto-work
# 列出全部历史会话
openclaw session list
# 会话分享,把工作流程同步给团队成员
openclaw session share
# 任务回退,撤销前面N步操作
openclaw undo --step 3

5.4 安全防护配置

# 开启高危操作拦截防护
openclaw security enable danger-block
# 添加文件操作白名单,限定AI仅可操作指定工作目录
openclaw security fs-whitelist add ./workspace
# 导出完整安全审计日志
openclaw log export --path ./security-log.json

5.5 运维排障命令

# 查看服务实时运行日志
pm2 logs openclaw -f
# 查看系统资源占用监控
openclaw monitor system
# 清理过期冗余日志文件
openclaw log clean --old
# 重载全部配置,重启服务
pm2 restart openclaw

六、Python对接OpenClaw接口完整代码示例

可以通过代码远程调用OpenClaw能力,集成到个人自动化工作流、CI流水线。密钥从环境变量读取,禁止硬编码写入源码。

import requests
import os
import json

# 从系统环境变量读取配置
BASE_URL = os.getenv("OPENCLAW_BASE_URL")
API_KEY = os.getenv("OPENCLAW_API_KEY")
MODEL = os.getenv("OPENCLAW_MODEL")

def openclaw_automation_task(task_prompt: str, timeout: int = 300):
    headers = {
   
        "Authorization": f"Bearer {API_KEY}",
        "Content‑Type": "application/json"
    }
    payload = {
   
        "model": MODEL,
        "prompt": task_prompt,
        "timeout": timeout,
        "auto_skill_match": True,
        "stream": False
    }
    try:
        resp = requests.post(f"{BASE_URL}/task/run", headers=headers, json=payload, timeout=timeout)
        if resp.status_code == 200:
            return resp.json()
        return {
   "status": "fail", "msg": resp.text}
    except Exception as e:
        return {
   "status": "error", "msg": str(e)}

if __name__ == "__main__":
    # 示例任务:读取月度业务数据,做统计分析,筛查异常数据,输出完整月度报告
    result = openclaw_automation_task("读取服务器内月度业务数据文件,完成统计分析,筛查异常数据,生成完整可视化月度工作总结报告")
    print("OpenClaw自动化任务执行结果:\n", json.dumps(result, ensure_ascii=False, indent=2))

七、套餐选型落地建议

  1. 个人全职、高频自动化使用场景:优先Coding Plan,包月固定成本,不限调用次数和token长度,不用担心超额账单,适合批量文档、高频Agent任务。
  2. 小型团队多人协同,多项目并行:优先Token Plan,支持团队额度共享,用量统一统计,权限管控清晰,适配团队协同开发评审。
  3. 新手体验、轻度使用:优先使用平台免费测试额度,搭配低档位Token Plan套餐,低成本体验完整功能,适合学习、简单脚本任务。

八、部署与使用注意事项

  1. 端口安全:Web访问端口18789对外暴露之后,务必设置访问密码或者网关token,禁止无密码直接暴露公网,防止被恶意访问调用。
  2. 密钥安全管理:API‑Key不要硬编码到代码,不要提交到代码仓库,保存在服务器环境变量或者配置文件。
  3. 文件白名单:务必配置文件操作白名单,限制智能体可访问目录,不要把/root等系统目录完全放开,规避AI误删系统文件风险。
  4. 模型思考模式:复杂推理任务开启enable_thinking,简单摘要、问答任务可以关闭思考模式,减少token消耗。
  5. 结果人工复核:Agent自动生成报告、执行文件处理之后,重要业务必须人工复核结果,不能完全信任AI输出。
  6. 内存资源:实例内存不低于2G,内存不足会出现进程被系统OOM杀死,服务异常退出。

总结

OpenClaw作为开源个人AI助手平台,凭借私有化数据闭环、海量技能生态、自主任务自治、多终端联动、无模型绑定的核心特性,构建一套可以自主完成复杂任务的私有化智能体基座。部署在云服务器之后,可以摆脱本地电脑开关机限制,实现7×24小时常驻运行。

原生适配百炼Coding Plan、Token Plan两套订阅方案,解决海外Agent工具网络波动、计费不可控、合规性不足的痛点。Coding Plan适配个人高频自动化,Token Plan适配团队多人协同,满足不同规模使用者成本与性能诉求。

和传统对话AI不同,OpenClaw不只是简单问答,而是可以完成需求拆解、工具调用、定时调度、文档处理、运维巡检的完整自动化系统。无论是个人办公提效,还是小型团队轻量化自动化运维,都可以用较低成本落地私有化AI助手,释放大量重复性工作。开发者既可以使用Web可视化界面操作,也可以通过命令行、Python接口二次开发,嵌入自有业务工作流,拓展更多个性化场景。

目录
相关文章
|
23天前
|
人工智能 运维 IDE
2026 年 AI 编程工具 Qoder CN 研究:免费社区版能力拆解、Credits 额度管控与实战项目解析
Qoder CN免费社区版作为普惠开发者的AI编程工具,凭借永久免费、全主流技术栈适配、多端覆盖、专属Credits免费额度体系,解决普通学习者、个人开发者使用AI编码工具付费门槛高的痛点。
361 0
|
10天前
|
存储 缓存 安全
阿里云2核2G99元和2核4G199元云服务器活动,最长4年续费周期,个人建站首选
本文梳理阿里云99元经济型e实例(2核2G/3M/40G)与199元u1实例(2核4G/5M/80G)的适用场景、参与资格、续费规则与成本结构。二者面向个人开发者、学生、小微团队等入门上云用户,在活动延期至2029年3月31日的规则下,符合条件者经多次续费可接近4年低价持有。文章提醒用户关注配置一致性、续费窗口、保有数量与截止时间,并按项目生命周期选型,做好域名、备案、存储与备份等完整成本规划。
|
26天前
|
人工智能 运维 IDE
Qoder CN 深度解读|原通义灵码升级,AI 研发智能体矩阵、版本对比及多端落地指南
完成品牌升级的Qoder CN(原通义灵码)跳出传统代码插件定位,进化为覆盖编码、办公、终端、企业云端管控的全栈AI智能体产品矩阵。通过个人免费社区版、个人专业版、企业标准版、VPC私有化四大分层版本,完整覆盖零基础学习、单人商业开发、大型合规企业等不同人群的需求。
282 0
|
23天前
|
缓存 JSON API
2026 年 DeepSeek‑V4 完整技术解析:Flash 与 Pro 双版性能对比、计费缓存机制与 API 实战调用全教程
官方对外提供OpenAI、Anthropic两套兼容API接口,提供curl、Python完整调用示例,原有存量项目迁移成本很低。开发者上线业务,需要结合业务并发量、推理复杂度、预算规模选择合适版本;中大型平台推荐分层调度混合使用两款模型,平衡成本与输出质量。无论是个人原型验证、中小企业AI产品上线,还是企业级智能体系统开发,DeepSeek‑V4双版本可以覆盖绝大多数文本处理、Agent自动化开发需求。
516 2
|
23天前
|
缓存 JSON 数据格式
2026 年 Qwen3.8-Flash 模型综合解析:多模态能力、百万级上下文,计费规则与线上业务落地教程
Qwen3.8‑Flash是千问系列主打高速、高性价比的原生多模态基座,百万Token上下文窗口,支持图文视频输入,具备不错的代码能力、中等复杂度Agent工具调用能力,延迟表现优秀,非常适合高并发线上业务、知识库问答、轻量智能体、图文解析、代码辅助开发场景。开发者上线业务之前,要完整理解按量计费、Token Plan订阅、上下文缓存计费规则,区分Flash与Max的能力边界,不要把Flash用于超复杂深度推理、超长循环Agent业务。接入层面优先使用OpenAI兼容接口,便于对接主流开发框架;生产环境建议锁定快照版本,配置用量告警,增加异常捕获与重试逻辑。线上业务推荐分层路由策略,简单任务交
389 1
|
23天前
|
弹性计算 小程序 测试技术
2026 年阿里云最便宜服务器新版测评:38 元 / 年、99 元、199 元三款实例性能、限制与选购全解析
综合本次性能测评,三款阿里云低价服务器各自拥有清晰定位,不存在绝对最好的机型,只有最匹配业务需求的选择。38元 阿里云轻量应用服务器 是短期项目的极致低价选择,适合一年期的个人项目、毕业设计,但是续费成本很高,存在算力带宽限流;99元 阿里云ECS云服务器 经济型实例,兼顾价格、灵活性与续费稳定性,是个人开发者长期上云的性价比首选;199元2核4G ECS实例,更大内存与带宽,适合中小企业、小程序后端这类需要多服务并发运行的业务。
316 1
|
23天前
|
缓存 JSON API
2026 年 Qwen3.8‑Max 技术解析:2.4T 参数旗舰模型,MoE 架构、百万 Token 长文本、多模态能力与 API 落地实操
目前当AI业务逐步从简单问答走向专业文档审查、大型工程项目开发、长周期自主智能体、长视频深度解析,普通通用模型会暴露出推理深度不足、长文档信息丢失、多轮工具调用格式错乱等一系列问题。Qwen3.8‑Max作为千问系列旗舰稀疏MoE混合专家基座,总参数量达到2.4万亿,推理阶段按需激活95B有效参数,兼顾极强综合能力与可控的推理开销。原生支持百万Token超长上下文、图文视频一体化多模态输入,搭载可调节的深度思考推理链路,完善的Function Calling工具调用、结构化JSON输出、上下文缓存机制,适配法律金融专业分析、工程级软件开发、长周期Agent自主任务、长文档长视频解析等高复杂度业
247 1
|
8月前
|
人工智能 API 机器人
OpenClaw 用户部署和使用指南汇总
本文档为OpenClaw(原MoltBot)官方使用指南,涵盖一键部署(阿里云轻量服务器年仅68元)、钉钉/飞书/企微等多平台AI员工搭建、典型场景实践及高频问题FAQ。同步更新产品化修复进展,助力用户高效落地7×24小时主动执行AI助手。
31021 253
|
23天前
|
缓存 API 开发工具
2026 年 Qwen3.8 系列企业落地研究:Qwen3.8‑Max/Flash/Omni 能力解析、RAG 知识库构建、模型微调、智能体开发及 API 调用全流程
目前生成式AI已经从简单问答对话,进化为可以处理超长文档、图文音视频混合输入、自主拆解目标完成多步骤业务的通用智能底座。通义千问Qwen3.8完整家族形成了分层能力矩阵,覆盖旗舰推理、均衡通用、高速高吞吐、原生全模态视听、专项编程多类基座,既可以普通用户网页端直接交互体验,也可以通过百炼平台API集成进业务系统,同时开放开源权重,支持本地私有化部署,覆盖个人创作者、独立开发者、中小企业、大型政企的差异化诉求。很多业务团队在落地过程中,会遇到模型选型混淆、百万上下文使用误区、Agent工具调用不稳定、多模态解析异常、成本不可控、私有化硬件评估不到位等问题。本文完整梳理Qwen3.8家族各模型定位
410 0
|
23天前
|
人工智能 API 开发工具
2026 年 DeepSeek Harness 技术实战:可扩展 AI Agent 运行时、Cordis 微内核机制、插件开发与项目调试教程
目前在AI智能体工程化落地领域,传统Agent开发方案普遍存在工具调用硬编码、模块耦合严重、模型切换成本高、任务执行链路不可追溯等痛点。开发者每更换一个业务场景,就需要大量修改底层循环逻辑、工具定义、会话存储代码,开发与维护成本居高不下。DeepSeek Harness,命令行简称为dsh,是一款开源Agent运行框架,底层基于Cordis插件内核,遵循“一切皆插件”的核心设计思想。它本身并非大语言模型,而是一套智能体执行运行时,官方定义为Model + Harness = Agent。
305 0

热门文章

最新文章