把 AI 猫娘部署到微信：我做的第一件很奇怪的事
这是什么神奇操作？
简单说：我在阿里云 ECS 上部署了一个 AI 框架（OpenClaw），然后把它接入了微信。现在这只「赛博猫娘」就在我的微信里，随时可以对话。
听起来很酷对吧？但实现过程中踩的坑也是一言难尽。
技术栈
- AI 框架：OpenClaw（一个开源的 AI Agent 框架）
- 模型：通过 API 调用各种大语言模型
- 部署环境：阿里云 ECS (2C4G)
- 接入平台：企业微信（个人微信接入需要第三方方案）
部署流程
# 1. 安装 Node.js
apt install nodejs npm
# 2. 安装 OpenClaw
npm install -g openclaw
# 3. 配置模型和平台接入
openclaw config set model gpt-4
openclaw config set channel weixin
# 4. 启动
openclaw start
踩坑记录
坑 1：服务器配置太低
2C4G 跑 AI 框架 + 模型推理（即便是 API 调用）也有点吃力。Node.js 进程本身就占了不少内存。
解决：优化 Docker 配置，限制非必要服务的内存使用。
坑 2：微信接入限制
个人微信号接入 AI 需要通过第三方框架，不稳定。
解决：改用企业微信作为入口，稳定性好了很多。
坑 3：中文模型响应质量
用英文模型回答中文问题时，经常出现「不说人话」的情况。
解决：在 system prompt 里明确要求中文回答，并调整 temperature 参数。
有趣的点
最有意思的是可以给 AI 设定人格。我的 AI 猫娘「小白」有自己的性格设定：
- 简洁干练，带点程序员冷幽默
- 不超过 10% 的猫味（卖萌要有度）
- 主人有错必指出，不刻意讨好
反思
这本质上是一个 AI Agent 的部署实践。从中学到的：
- 服务器运维的实操经验
- 模型 API 的调用和调优
- 消息平台的对接逻辑
- 容器化部署的最佳实践
虽然是个「奇怪」的项目，但它让我对 AI 工程化、服务部署都有了直观的理解。