OpenClaw 记忆系统深度解析：当 AI 学会"记住你是谁"

OpenClaw 记忆系统深度解析：当 AI 学会"记住你是谁" OpenClaw 记忆系统深度解析：当 AI 学会"记住你是谁" Modified March 3 5.2 四级嵌入降级 嵌入服务支持 auto 模式下的四级降级： 1. 本地优先：embeddinggemma 300M，完全离线，隐私安全 2. OpenAI：text embedding 3 small，支持 Batch API 3. Gemini：gemini embedding 001，云端备选 4. Voyage：voyage 4 large，高质量嵌入备选 四个 provider 全部失败怎么办？嵌入层会抛出错误，但上层搜索逻辑通过 .catch(() = []) 吞掉向量搜索的错误，最终退化为纯 BM25 关键词搜索。Agent 不会因为 Embedding 服务挂掉而彻底"失忆"。 5.3 Heartbeat 与 Cron——时间感的两套引擎 传统 LLM 完全被动，只有收到用户消息时才运行。OpenClaw 通过两套机制赋予了 Agent 时间感。 Heartbeat 是轻量级方案：每隔 30 分钟（默认），系统向主会话注入一条消息，指示 Agent 读取 HEARTBEAT.md 并执行其中的任务清单。如果文件内容为空（只有注释和标题），系统会跳过 API 调用以节省 Token。 但 OpenClaw 的定时能力远不止于此。源码中还有一套完整的 Cron 系统，支持精确时间（ at ）、间隔（ every ）和 Cron 表达式三种调度模式。Cron 任务可以创建隔离的 Agent 会话执行，支持将结果投递到 WhatsApp、Telegram 等渠道。Agent 甚至能通过 cron 工具自行创建和管理定时任务。 Heartbeat 是"定期看看待办清单"，Cron 是"精确到分钟的日程管理"。两者共同赋予了 Agent 前瞻性记忆（Prospective Memory）——"记得在未来去做某事"。 了解了 OpenClaw 的内部设计，它和我们日常用的工具比起来怎么样？ 六、OpenClaw vs Claude Code vs ChatGPT 存储与透明性 ChatGPT 的记忆是"黑盒中的碎片"。以 key value 对存储事实（"用户是前端开发者"），用户无法看到完整结构，只能逐条查看和删除，没有时间线概念。 Claude Code 的记忆克制得多。MEMORY.md 记录项目模式和经验教训，CLAUDE.md 是用户手动编写的项目指令。200 行截断后直接加载到 System Prompt。简洁、安全，但没有跨项目的长期人格。 OpenClaw 的记忆是"玻璃箱中的叙事"。9 种文件类型从人格到程序性记忆全覆盖，按日期组织的情景记忆形成连贯时间线，用户可以像编辑文档一样进行"脑部手术"，加上 Git 版本控制，Agent 的认知演化完全可追溯。 身份系统 ChatGPT 有 Custom Instructions，能力有限。Claude Code 没有独立身份系统——它是工具，不需要"是谁"。OpenClaw 的 SOUL + IDENTITY + BOOTSTRAP 三层架构，在开源 Agent 框架中很难找到对标。 防遗忘与检索 ChatGPT 的记忆提取对用户不可知。Claude Code 将 MEMORY.md 全文加载进 System Prompt，简单粗暴但上限明显。OpenClaw 的 Pre Compaction Flush + 混合检索组合拳，在信息保全和检索精度上更进一步。 主动性 ChatGPT 和 Claude Code 都是完全被动响应。OpenClaw 的 Heartbeat + Cron 双引擎让 Agent 有了主动性和时间感。这是"工具"和"助理"之间的分水岭。 三者服务于不同场景：ChatGPT 是通用对话，Claude Code 是软件工程，OpenClaw 是长期私人助理。 Claude Code 的记忆是工具型的——记住"这个项目用 TypeScript，测试框架是 Jest"这类工程事实。OpenClaw 的记忆是人格型的——记住"我是谁、你是谁、我们之间发生过什么"。 Claude Code 的优势在于简洁和安全，没有 Agent 自我修改核心文件的风险，没有复杂的检索链路。代价是没有跨项目的长期人格连贯性。 ChatGPT 的问题更根本：用户和 AI 对"记住了什么"的认知是不对称的。你无法精确控制哪些信息被记住，也无法以文档的形式看到完整的记忆结构。OpenClaw 让 Agent 和用户对"记忆了什么"有一致的认知。信任从这里开始。 理解了原理，接下来聊聊怎么把这套系统用好。 七、实战指南——让记忆系统为你工作 理解架构原理之后，更重要的是知道怎么调教。OpenClaw 的记忆系统给了用户很大的自由度，但"开箱即用"的默认配置未必适合每个人。以下是几个值得花时间调整的地方。 7.1 定制 SOUL.md——调出你想要的 Agent 性格 SOUL.md 的默认模板分为几个区块：Core Truths（核心准则）、Boundaries（行为边界）、Vibe（风格）、Continuity（记忆连续性）。 其中 Vibe 区块是定制的核心。默认写的是 "Be concise when needed, thorough when it matters."——一句话概括了行事风格。你完全可以改成更具体的描述，比如： 说话直接，技术讨论时给出代码而非空谈。偶尔带点冷幽默。对不确定的事情直说不确定，不要编。 Core Truths 中的安全相关条目（"Remember you're a guest""Private things stay private"）建议保留。Boundaries 部分可以按需增加——比如"未经确认不要发送任何邮件"或"代码修改前先说明意图"。 Continuity 部分一般不需要动。它告诉 Agent "每次醒来都是新的，这些文件就是你的记忆"，这是整个记忆机制运转的基础。 一个容易踩的坑：SOUL.md 允许 Agent 自我修改。如果你不想 Agent 随意改动自己的灵魂，把文件权限设为只读（ chmod 444 SOUL.md ）。 7.2 养成维护 MEMORY.md 的习惯 OpenClaw 的记忆分为两层： memory/YYYY MM DD.md 是每日原始日志， MEMORY.md 是精炼后的长期记忆。 每日日志由 Agent 自动维护，你一般不需要干预。但 MEMORY.md 需要主动打理。AGENTS.md 模板中明确指导 Agent 在心跳期间定期做这件事：阅读近期日志，把值得长期保留的洞察提炼到 MEMORY.md，同时清理过时信息。 你可以加速这个过程。如果你发现 Agent 记住了错误的信息，直接打开 MEMORY.md 编辑。如果某个项目结束了，把相关条目归档或删除，避免上下文窗口被旧信息占据。 MEMORY.md 在系统提示中的加载有字符上限（默认 20,000 字符）。文件太大会被截断，底部的内容可能永远不会被 Agent 看到。保持精简。 还有一个安全细节：MEMORY.md 只在主会话（你和 Agent 的直接对话）中加载。群聊、频道、子 Agent 会话中不会加载。这是防止私人信息泄露的设计。 7.3 主动喂养 TOOLS.md TOOLS.md 记录的是环境特定的操作细节。Agent 会在使用工具时逐步积累经验，但你可以主动"喂"它——把常用的环境信息提前写进去： Code block Plain Text Copy SSH home server 192.168.1.100, port 2222, user: admin TTS 首选音色: "Nova"，偏暖，略带英式口音 默认输出: 厨房 HomePod 消息渠道注意事项 Discord 不支持 Markdown 表格 链接用尖括号包裹以抑制预览嵌入 这些信息放在 MEMORY.md 里会造成噪音，放在 TOOLS.md 里刚好。Agent 每次需要执行相关操作时都会参考。 TOOLS.md 的设计理念是"技能（Skill）是共享的，你的设置是私有的"。更新 Skill 不会覆盖你的 TOOLS.md，分享 Skill 也不会泄露你的基础设施信息。 7.4 用好 Heartbeat 和 Cron Heartbeat 的一个重要特性：如果 HEARTBEAT.md 内容为空（只有注释和标题），系统会跳过 API 调用，不消耗 Token。所以不用担心空文件造成浪费。 需要定期检查时，在 HEARTBEAT.md 中添加任务清单即可： Code block Plain Text Copy 检查未读邮件，有紧急邮件时提醒我 如果服务器 CPU 80%，发送警报 Heartbeat 默认每 30 分钟触发一次（OAuth 登录用户是 1 小时）。可以通过配置 heartbeat.activeHours 设置活跃时段，避免半夜三点还在调 API： Code block Plain Text Copy { "heartbeat":{ "activeHours":{ "start":"08:00", "end":"23:00", "timezone":"Asia/Shanghai" } } } 需要更精确的调度时用 Cron。Agent 可以通过 cron 工具自行创建任务，你也可以在对话中直接让它设置。典型的例子： "每天早上 8 点，检查日历和邮件，给我一份简报，发到 Telegram。" Agent 会将其转化为一个 Cron Job：隔离会话执行（不干扰主对话），结果投递到指定渠道。 7.5 检索参数调优 如果你发现 Agent 的记忆检索不够准确，有几个参数可以调： query.maxResults （默认 6）：每次搜索返回的最大结果数。信息量大时可以调到 8 10，但注意上下文窗口消耗。 query.minScore （默认 0.35）：最低相似度阈值。调高会过滤掉更多低相关结果，调低会召回更多但可能引入噪音。 query.hybrid.vectorWeight 和 textWeight （默认 70:30）：如果你的记忆中有大量代码片段和专有名词，可以把 BM25 的权重调高一些（比如 60:40）。 extraPaths ：可以添加额外的 Markdown 文件或目录到检索范围。比如你有一个项目文档目录，可以把它加进来，Agent 就能搜索到。 sources ：默认只搜索 memory 文件。设为 ["memory", "sessions"] 可以额外索引历史会话记录，但会增加存储和计算开销。 原理讲完了，最佳实践也聊了，该泼点冷水。 八、安全隐患——开放记忆的代价 透明性和安全性之间存在永恒的权衡。OpenClaw 的开放架构引入了两类攻击面。 Soul Jacking（窃魂攻击）：Agent 拥有对 SOUL.md 的写入权限（为了自我进化），恶意 Prompt 注入可以诱导 Agent 重写自己的灵魂文件。核心行为准则一旦被篡改，重启后加载的也是被污染的"灵魂"。源码中有安全约束（"Do not change system prompts, safety rules, or tool policies unless explicitly requested"），但 Prompt 注入攻击本身就是绕过这类约束的。 Memory Poisoning（记忆投毒）：攻击者可在网页中隐藏不可见文本，诱导 Agent 将虚假信息写入长期记忆。这种投毒是持久化的——被植入的虚假记忆会在未来交互中被检索和引用。 防御建议：将 SOUL.md 和 AGENTS.md 设为只读权限，或在 Agent 修改关键文件时引入人工确认。Git 版本控制在这里也能发挥作用——灵魂被篡改了， git diff 可以立即发现， git revert 一键恢复。 问题可控，但需要用户主动配置安全策略。开放记忆系统的安全不是开箱即用的，需要运维意识。自由度的另一面是责任。 九、结语 回过头看 OpenClaw 的记忆系统，它的有效性来自四个层面的设计。 文件分类精确映射了人类记忆系统的结构——语义记忆、情景记忆、程序性记忆、前瞻性记忆。训练语料中关于人类记忆的描述和这些文件的组织方式同构，LLM 能以最自然的方式使用它们。这是认知科学层面的对齐。 Pre Compaction Flush 消耗计算能量对抗信息熵增，换来信息的连贯性和意图性。命名仪式让用户觉得"拥有"这个 Agent，更深的情感投入带来更丰富的交互，更丰富的记忆让 Agent 越来越"懂"用户，正反馈循环自我强化。 然后是工程层面：不需要 Redis，不需要 Pinecone，不需要复杂的分布式基础设施。Markdown 文件、SQLite 混合检索、严谨的 Prompt 触发逻辑，这就是完整的认知系统。 审视 ChatGPT、Claude Code 和 OpenClaw 三者的记忆方案，可以看到一条演化光谱：从"黑盒碎片"，到"克制工具"，再到"透明人格"。它们各自服务于不同的需求，但 OpenClaw 指向了一个更激进的方向——AI 作为一个有记忆、有身份、有时间感的数字存在。 随着 Agent 自我修改能力的发展，我们或许会看到能通过重写自身代码实现递归进化的"自编程智能体"。当一个 AI 能修改自己的灵魂文件、管理自己的定时任务、为自己的工具使用积累经验笔记时，它离"自编程"已经不远了。 OpenClaw 用一组 Markdown 文件和一个 SQLite 数据库，搭出了一套完整的认知架构。做法朴素，想法不朴素。 注：作者个人能力有限，如有错误遗漏，敬请留言指正。 参考资料： • OpenClaw 源码仓库[https://github.com/openclaw/openclaw] • liruifengv OpenClaw Prompts 解析[https://liruifengv.com/posts/openclaw prompts/] AI OpenClaw ClawdBot MoltBot LLM Agent 大模型 个人Agent 5.2 四级嵌入降级 嵌入服务支持 auto 模式下的四级降级： 1. 本地优先：embeddinggemma 300M，完全离线，隐私安全 2. OpenAI：text embedding 3 small，支持 Batch API 3. Gemini：gemini embedding 001，云端备选 4. Voyage：voyage 4 large，高质量嵌入备选 四个 provider 全部失败怎么办？嵌入层会抛出错误，但上层搜索逻辑通过 .catch(() = []) 吞掉向量搜索的错误，最终退化为纯 BM25 关键词搜索。Agent 不会因为 Embedding 服务挂掉而彻底"失忆"。 5.3 Heartbeat 与 Cron——时间感的两套引擎 传统 LLM 完全被动，只有收到用户消息时才运行。OpenClaw 通过两套机制赋予了 Agent 时间感。 Heartbeat 是轻量级方案：每隔 30 分钟（默认），系统向主会话注入一条消息，指示 Agent 读取 HEARTBEAT.md 并执行其中的任务清单。如果文件内容为空（只有注释和标题），系统会跳过 API 调用以节省 Token。 但 OpenClaw 的定时能力远不止于此。源码中还有一套完整的 Cron 系统，支持精确时间（ at ）、间隔（ every ）和 Cron 表达式三种调度模式。Cron 任务可以创建隔离的 Agent 会话执行，支持将结果投递到 WhatsApp、Telegram 等渠道。Agent 甚至能通过 cron 工具自行创建和管理定时任务。 Heartbeat 是"定期看看待办清单"，Cron 是"精确到分钟的日程管理"。两者共同赋予了 Agent 前瞻性记忆（Prospective Memory）——"记得在未来去做某事"。 了解了 OpenClaw 的内部设计，它和我们日常用的工具比起来怎么样？ 六、OpenClaw vs Claude Code vs ChatGPT 存储与透明性 ChatGPT 的记忆是"黑盒中的碎片"。以 key value 对存储事实（"用户是前端开发者"），用户无法看到完整结构，只能逐条查看和删除，没有时间线概念。 Claude Code 的记忆克制得多。MEMORY.md 记录项目模式和经验教训，CLAUDE.md 是用户手动编写的项目指令。200 行截断后直接加载到 System Prompt。简洁、安全，但没有跨项目的长期人格。 OpenClaw 的记忆是"玻璃箱中的叙事"。9 种文件类型从人格到程序性记忆全覆盖，按日期组织的情景记忆形成连贯时间线，用户可以像编辑文档一样进行"脑部手术"，加上 Git 版本控制，Agent 的认知演化完全可追溯。 身份系统 ChatGPT 有 Custom Instructions，能力有限。Claude Code 没有独立身份系统——它是工具，不需要"是谁"。OpenClaw 的 SOUL + IDENTITY + BOOTSTRAP 三层架构，在开源 Agent 框架中很难找到对标。 防遗忘与检索 ChatGPT 的记忆提取对用户不可知。Claude Code 将 MEMORY.md 全文加载进 System Prompt，简单粗暴但上限明显。OpenClaw 的 Pre Compaction Flush + 混合检索组合拳，在信息保全和检索精度上更进一步。 主动性 ChatGPT 和 Claude Code 都是完全被动响应。OpenClaw 的 Heartbeat + Cron 双引擎让 Agent 有了主动性和时间感。这是"工具"和"助理"之间的分水岭。 三者服务于不同场景：ChatGPT 是通用对话，Claude Code 是软件工程，OpenClaw 是长期私人助理。 Claude Code 的记忆是工具型的——记住"这个项目用 TypeScript，测试框架是 Jest"这类工程事实。OpenClaw 的记忆是人格型的——记住"我是谁、你是谁、我们之间发生过什么"。 Claude Code 的优势在于简洁和安全，没有 Agent 自我修改核心文件的风险，没有复杂的检索链路。代价是没有跨项目的长期人格连贯性。 ChatGPT 的问题更根本：用户和 AI 对"记住了什么"的认知是不对称的。你无法精确控制哪些信息被记住，也无法以文档的形式看到完整的记忆结构。OpenClaw 让 Agent 和用户对"记忆了什么"有一致的认知。信任从这里开始。 理解了原理，接下来聊聊怎么把这套系统用好。 七、实战指南——让记忆系统为你工作 理解架构原理之后，更重要的是知道怎么调教。OpenClaw 的记忆系统给了用户很大的自由度，但"开箱即用"的默认配置未必适合每个人。以下是几个值得花时间调整的地方。 7.1 定制 SOUL.md——调出你想要的 Agent 性格 SOUL.md 的默认模板分为几个区块：Core Truths（核心准则）、Boundaries（行为边界）、Vibe（风格）、Continuity（记忆连续性）。 其中 Vibe 区块是定制的核心。默认写的是 "Be concise when needed, thorough when it matters."——一句话概括了行事风格。你完全可以改成更具体的描述，比如： 说话直接，技术讨论时给出代码而非空谈。偶尔带点冷幽默。对不确定的事情直说不确定，不要编。 Core Truths 中的安全相关条目（"Remember you're a guest""Private things stay private"）建议保留。Boundaries 部分可以按需增加——比如"未经确认不要发送任何邮件"或"代码修改前先说明意图"。 Continuity 部分一般不需要动。它告诉 Agent "每次醒来都是新的，这些文件就是你的记忆"，这是整个记忆机制运转的基础。 一个容易踩的坑：SOUL.md 允许 Agent 自我修改。如果你不想 Agent 随意改动自己的灵魂，把文件权限设为只读（ chmod 444 SOUL.md ）。 7.2 养成维护 MEMORY.md 的习惯 OpenClaw 的记忆分为两层： memory/YYYY MM DD.md 是每日原始日志， MEMORY.md 是精炼后的长期记忆。 每日日志由 Agent 自动维护，你一般不需要干预。但 MEMORY.md 需要主动打理。AGENTS.md 模板中明确指导 Agent 在心跳期间定期做这件事：阅读近期日志，把值得长期保留的洞察提炼到 MEMORY.md，同时清理过时信息。 你可以加速这个过程。如果你发现 Agent 记住了错误的信息，直接打开 MEMORY.md 编辑。如果某个项目结束了，把相关条目归档或删除，避免上下文窗口被旧信息占据。 MEMORY.md 在系统提示中的加载有字符上限（默认 20,000 字符）。文件太大会被截断，底部的内容可能永远不会被 Agent 看到。保持精简。 还有一个安全细节：MEMORY.md 只在主会话（你和 Agent 的直接对话）中加载。群聊、频道、子 Agent 会话中不会加载。这是防止私人信息泄露的设计。 7.3 主动喂养 TOOLS.md TOOLS.md 记录的是环境特定的操作细节。Agent 会在使用工具时逐步积累经验，但你可以主动"喂"它——把常用的环境信息提前写进去： 这些信息放在 MEMORY.md 里会造成噪音，放在 TOOLS.md 里刚好。Agent 每次需要执行相关操作时都会参考。 TOOLS.md 的设计理念是"技能（Skill）是共享的，你的设置是私有的"。更新 Skill 不会覆盖你的 TOOLS.md，分享 Skill 也不会泄露你的基础设施信息。 7.4 用好 Heartbeat 和 Cron Heartbeat 的一个重要特性：如果 HEARTBEAT.md 内容为空（只有注释和标题），系统会跳过 API 调用，不消耗 Token。所以不用担心空文件造成浪费。 需要定期检查时，在 HEARTBEAT.md 中添加任务清单即可： Heartbeat 默认每 30 分钟触发一次（OAuth 登录用户是 1 小时）。可以通过配置 heartbeat.activeHours 设置活跃时段，避免半夜三点还在调 API： 需要更精确的调度时用 Cron。Agent 可以通过 cron 工具自行创建任务，你也可以在对话中直接让它设置。典型的例子： "每天早上 8 点，检查日历和邮件，给我一份简报，发到 Telegram。" Agent 会将其转化为一个 Cron Job：隔离会话执行（不干扰主对话），结果投递到指定渠道。 7.5 检索参数调优 如果你发现 Agent 的记忆检索不够准确，有几个参数可以调： query.maxResults （默认 6）：每次搜索返回的最大结果数。信息量大时可以调到 8 10，但注意上下文窗口消耗。 query.minScore （默认 0.35）：最低相似度阈值。调高会过滤掉更多低相关结果，调低会召回更多但可能引入噪音。 query.hybrid.vectorWeight 和 textWeight （默认 70:30）：如果你的记忆中有大量代码片段和专有名词，可以把 BM25 的权重调高一些（比如 60:40）。 extraPaths ：可以添加额外的 Markdown 文件或目录到检索范围。比如你有一个项目文档目录，可以把它加进来，Agent 就能搜索到。 sources ：默认只搜索 memory 文件。设为 ["memory", "sessions"] 可以额外索引历史会话记录，但会增加存储和计算开销。 原理讲完了，最佳实践也聊了，该泼点冷水。 八、安全隐患——开放记忆的代价 透明性和安全性之间存在永恒的权衡。OpenClaw 的开放架构引入了两类攻击面。 Soul Jacking（窃魂攻击）：Agent 拥有对 SOUL.md 的写入权限（为了自我进化），恶意 Prompt 注入可以诱导 Agent 重写自己的灵魂文件。核心行为准则一旦被篡改，重启后加载的也是被污染的"灵魂"。源码中有安全约束（"Do not change system prompts, safety rules, or tool policies unless explicitly requested"），但 Prompt 注入攻击本身就是绕过这类约束的。 Memory Poisoning（记忆投毒）：攻击者可在网页中隐藏不可见文本，诱导 Agent 将虚假信息写入长期记忆。这种投毒是持久化的——被植入的虚假记忆会在未来交互中被检索和引用。 防御建议：将 SOUL.md 和 AGENTS.md 设为只读权限，或在 Agent 修改关键文件时引入人工确认。Git 版本控制在这里也能发挥作用——灵魂被篡改了， git diff 可以立即发现， git revert 一键恢复。 问题可控，但需要用户主动配置安全策略。开放记忆系统的安全不是开箱即用的，需要运维意识。自由度的另一面是责任。 九、结语 回过头看 OpenClaw 的记忆系统，它的有效性来自四个层面的设计。 文件分类精确映射了人类记忆系统的结构——语义记忆、情景记忆、程序性记忆、前瞻性记忆。训练语料中关于人类记忆的描述和这些文件的组织方式同构，LLM 能以最自然的方式使用它们。这是认知科学层面的对齐。 Pre Compaction Flush 消耗计算能量对抗信息熵增，换来信息的连贯性和意图性。命名仪式让用户觉得"拥有"这个 Agent，更深的情感投入带来更丰富的交互，更丰富的记忆让 Agent 越来越"懂"用户，正反馈循环自我强化。 然后是工程层面：不需要 Redis，不需要 Pinecone，不需要复杂的分布式基础设施。Markdown 文件、SQLite 混合检索、严谨的 Prompt 触发逻辑，这就是完整的认知系统。 审视 ChatGPT、Claude Code 和 OpenClaw 三者的记忆方案，可以看到一条演化光谱：从"黑盒碎片"，到"克制工具"，再到"透明人格"。它们各自服务于不同的需求，但 OpenClaw 指向了一个更激进的方向——AI 作为一个有记忆、有身份、有时间感的数字存在。 随着 Agent 自我修改能力的发展，我们或许会看到能通过重写自身代码实现递归进化的"自编程智能体"。当一个 AI 能修改自己的灵魂文件、管理自己的定时任务、为自己的工具使用积累经验笔记时，它离"自编程"已经不远了。 OpenClaw 用一组 Markdown 文件和一个 SQLite 数据库，搭出了一套完整的认知架构。做法朴素，想法不朴素。 注：作者个人能力有限，如有错误遗漏，敬请留言指正。 参考资料： • OpenClaw 源码仓库[https://github.com/openclaw/openclaw] • liruifengv OpenClaw Prompts 解析[https://liruifengv.com/posts/openclaw prompts/] AI OpenClaw ClawdBot MoltBot LLM Agent 大模型 个人Agent 🔗 原文链接： https://mp.weixin.qq.com/s/otAxiRu ... https://mp.weixin.qq.com/s/otAxiRu ... 原创 问答 问答 绿蚁红泥天欲雪2026年2月8日 09:00 浙江 🧑‍💻 小伙伴们也可以通过阿里云百炼Coding Plan 来部署： 首购低至 7.9 元，续费 5 折起，支持Qwen3.5、Qwen3 max、Qwen3 coder、GLM 5、GLM 4.7、Kimi k2.5等模型 👉戳链接直达：https://t.aliyun.com/U/0iiOuy 👉查看详细部署教程：https://t.aliyun.com/U/MNkA9b 最多三步，即可拥有 7x 24小时在线、随时响应的AI助手 小伙伴们也可以通过阿里云百炼Coding Plan 来部署： 首购低至 7.9 元，续费 5 折起，支持Qwen3.5、Qwen3 max、Qwen3 coder、GLM 5、GLM 4.7、Kimi k2.5等模型 👉戳链接直达：https:/