无需Mac Mini!使用ClawdBot(Moltbot)& AWS EC2的搭建你的24小时AI搭子

无需Mac Mini!使用ClawdBot(Moltbot)& AWS EC2的搭建你的24小时AI搭子

相信最近大家一定都被 ClawdBot(又称 Clawdbot) 刷屏了吧:这款 24 小时在线的 AI 搭子不仅能自动执行手机技能和任务,甚至推动了 Mac mini 的销量暴涨热潮🔥。作为个人 AI 助手,它可以结合各种技能插件,实现自动化工作流与日常事务处理。

🧠 Clawdbot 是什么?

Clawdbot 是一个开源的自托管 AI 助手框架,用户可以将其部署到自己的服务器上,并通过 Telegram / Discord / Slack 等聊天工具进行交互。它不是传统的 SaaS,而是你自己控制的智能代理,可执行定期任务(cron)、自动化脚本、信息检索、内容生成等。

我自己也搭建并体验了一套完整的运行环境,并且发现完全可以利用 AWS EC2 免费套餐(Free Tier) 来稳定地托管 Clawdbot,同时结合 AWS Bedrock 调用 Claude 4.5 模型(目前 Bedrock 上可用的高级 Anthropic 模型之一),让 Clawdbot 的能力最大化发挥,而无需高昂服务器成本。

🔧 本教程内容预览 

在本篇教程中,我将带着大家一步一步完成以下内容:

  1. ✔️ 使用 AWS EC2 Free Tier 启动低成本服务器
  2. ✔️ 安装并配置 ClawdBot 运行环境
  3. ✔️ 通过 AWS Bedrock 调用 Claude 4.5 模型
  4. ✔️ 使用 Telegram 绑定 ClawdBot,实现实时对话与自动任务

无论你是想拥有一个 属于自己的全天候 AI 助手, 还是想学习如何结合最新生成式 AI 与云架构技术,这篇教程都会非常适合你(本文仅提供了最简单步骤,并未遵循aws构建的最佳实践~)

使用 AWS EC2 Free Tier 启动低成本服务器

什么是 Amazon EC2

Amazon EC2(Amazon Elastic Compute Cloud) 是 AWS 提供的一项核心云服务,它允许你在云端按需租用虚拟服务器(称为“实例”) 来运行你的应用或服务,无需自己购买和维护物理服务器。你可以根据需要选择实例类型(CPU、内存、存储等配置),并可以自由启动、停止、扩展或终止它们。EC2 的弹性(Elastic)意味着你可以根据请求负载动态自动调整规模,从而实现更高的效率和可控的成本。

简单来说,EC2 就像是在亚马逊的数据中心 按小时租用一台服务器

  • 你可以在几分钟内创建一台运行 Linux 或 Windows 的虚拟服务器
  • 配置好网络、安全组、存储等基础设置后它就可以像普通服务器一样使用

什么是 AWS Free Tier?

为了帮助新用户零成本体验 AWS,AWS Free Tier 提供了一系列服务的免费使用额度,让你可以在使用初期不产生费用。

开始构建

1.创建免费EC2实例

访问AWS控制台,右上切换美国us-east-1 region后,到在查询栏输入EC2,点击查询到的EC2服务导航到EC2服务页面。

点击启动实例

1.为EC2设置名称,这里可以随意填写。

2.实例映像选择Ubuntu

3.点击创建新密钥对

4.设置密钥对名称,此处可以随意设置。其他保持默认,然后点击创建密钥对。保存秘钥到本地。后续步骤会用到。

更改实例类型到免费套餐的最大实例---m7i-flex.large

适当增加存储容量后,点击启动实例

等实例完成创建后,勾选我们创建的实力点击连接

我们通过EC2 Instance Connect的方式,连接到实例

2.ClawdBot环境搭建

连接上实例之后,我们就可以用ClawdBot提供的命令实现一键安装

curl -fsSL https://molt.bot/install.sh | bash

安装过程中会有几个选项

 I understand this is powerful and inherently risky. Continue? 选Yes  Onboarding mode 选QuickStart Model/auth provider 这里可以选择大家有的模型提供商,下一篇文章会带着大家使用bedrock上的模型  Configure skills now? (recommended) yes,然后按需安装 ◇  Preferred node manager for skill installs │  npm │ ◇  Install missing skill dependencies │  Skip for now │ ◇  Set GOOGLE_PLACES_API_KEY for goplaces? │  No │ ◇  Set GOOGLE_PLACES_API_KEY for local-places? │  No │ ◇  Set GEMINI_API_KEY for nano-banana-pro? │  No │ ◇  Set OPENAI_API_KEY for openai-image-gen? │  No │ ◇  Set OPENAI_API_KEY for openai-whisper-api? │  No │ ◇  Set ELEVENLABS_API_KEY for sag? │  No │ ◇  Hooks ──────────────────────────────────────────────────────────╮ │                                                                  │ │  Hooks let you automate actions when agent commands are issued.  │ │  Example: Save session context to memory when you issue /new.    │ │                                                                  │ │  Learn more: https://docs.clawd.bot/hooks                        │ │                                                                  │ ├──────────────────────────────────────────────────────────────────╯ │ ◆  Enable hooks? │  ◼ Skip for now 

看到下面的信息的时候呢。环境就已经搭建完成了。

在本地测试的时候,需要进行PortForwarding。这里需要用到刚刚生成的.pem文件

ssh -i "文件位置\文件名.pem" -N -L 18789:127.0.0.1:18789 ubuntu@ec2的公网ip

中转完成后,就可以通过浏览器,使用带有token的url就可以进入到控制台了

到这就完成了ClawdBot环境的搭建你的24小时AI搭子已经完成上线。

下一篇,我们一起看看如何通过bedrock使用Claude驱动CladwBot~并配置各种聊天工具~

Read more

当 AI 嚼碎数据吐模块,人类开发者的创意还能留几行?—— 老码农的反编译式安心剂

当 AI 嚼碎数据吐模块,人类开发者的创意还能留几行?—— 老码农的反编译式安心剂

前言:哈喽,大家好,今天给大家分享一篇文章!并提供具体代码帮助大家深入理解,彻底掌握!创作不易,如果能帮助到大家或者给大家一些灵感和启发,欢迎收藏+关注哦 💕 目录 * 当 AI 嚼碎数据吐模块,人类开发者的创意还能留几行?—— 老码农的反编译式安心剂 * 📚 一、那些被 AI 吓得半夜查招聘网站的日子 * 📚 二、AI 生成功能模块的底层逻辑:它不是创意家,是数据缝合怪 * 📘 2.1 AI 生成功能的三板斧:统计、模仿与排列组合 * 📘 2.2 人类创意 vs AI 生成:核心差异在哪? * 📘 2.3 代码演示:AI 能生成 "正确" 的代码,但生成不了 "贴心&

By Ne0inhk
OpenClaw视觉操作实战:不写接口,让AI直接点按钮、操作软件

OpenClaw视觉操作实战:不写接口,让AI直接点按钮、操作软件

文章目录 * 前言 * 一、OpenClaw是啥?你的数字长工 * 二、视觉操作的核心:Snapshot快照系统 * 1. 告别元素定位地狱 * 2. 自适应界面变化 * 3. 跨应用操作 * 三、实战:手把手教你让AI自动填表 * 步骤1:安装与环境准备 * 步骤2:启动视觉模式 * 步骤3:编写自动化脚本 * 步骤4:进阶:自动下载报表 * 四、不止浏览器:桌面软件也能点 * 五、定时任务:让AI自己起床干活 * 六、数据安全:你的隐私留在本地 * 七、避坑指南:新手常踩的雷 * 1. 动态加载的坑 * 2. 弹窗处理 * 3. API额度控制 * 4. 元素编号会变 * 八、总结:从“码农”

By Ne0inhk
人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在医疗领域的应用场景和重要性 💡 掌握医疗领域NLP应用的核心技术(如电子病历分析、医学文本分类、智能问答) 💡 学会使用前沿模型(如BERT、GPT-3)进行医疗文本分析 💡 理解医疗领域的特殊挑战(如数据隐私、多语言处理、专业术语) 💡 通过实战项目,开发一个电子病历分析应用 重点内容 * 医疗领域NLP应用的主要场景 * 核心技术(电子病历分析、医学文本分类、智能问答) * 前沿模型(BERT、GPT-3)在医疗领域的使用 * 医疗领域的特殊挑战 * 实战项目:电子病历分析应用开发 一、医疗领域NLP应用的主要场景 1.1 电子病历分析 1.1.1 电子病历分析的基本概念 电子病历分析是对电子病历中的文本内容进行分析和处理的过程。在医疗领域,电子病历分析的主要应用场景包括: * 病历摘要:自动生成病历摘要(如“患者基本信息”、“病情描述”

By Ne0inhk
告别重复劳动:用AI数据标注工具提速3倍的实战经验

告别重复劳动:用AI数据标注工具提速3倍的实战经验

👋 大家好,欢迎来到我的技术博客! 📚 在这里,我会分享学习笔记、实战经验与技术思考,力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕AI这个话题展开,希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手,还是正在进阶的开发者,希望你都能有所收获! 文章目录 * 告别重复劳动:用AI数据标注工具提速3倍的实战经验 * 为什么数据标注是“效率黑洞”? * AI标注工具的核心优势:不只是快,更是智能 * 实战经验:从0到1的AI标注落地 * 项目背景:一个真实的数据标注挑战 * 工具集成:代码示例详解 * 步骤1:安装依赖库 * 步骤2:加载预训练模型(使用PyTorch) * 步骤3:集成到Label Studio工作流 * 步骤4:人工审核界面优化 * 速度与质量实测数据 * 流程优化:用Mermaid重构标注工作流 * 避坑指南:实战中的常见陷阱 * 陷阱1:AI模型不匹配业务场景 * 陷阱2:数据格式不兼容

By Ne0inhk