Moltbot 能做什么
Moltbot 的核心定位不是"又一个聊天机器人"，而是一个可以嵌入到你日常工作流里的 AI 助手。它跑在云端，7×24 在线，不依赖你的个人电脑是否开机。这是"助理"和"工具"的本质区别。
几个典型的试点场景：
- 市场/战略：竞品信息跟踪、行业日报自动生成
- 销售/客服：高频问题快速响应、资料检索与草稿生成
- 个人助理：信息汇总、会议准备、待办提醒
对于一人公司或小团队来说，这类场景尤其有价值——你不需要雇一个人来做这些重复性工作，一个部署在自己账号里的 AI 助手就够了。
为什么选 AWS 官方部署方案
自己拼装一套 AI 助手的部署环境，通常会卡在安全和运维上。AWS 官方提供了一套基于 CloudFormation 的标准化部署方案，把几个关键问题直接解决了：
- 算力与安全底座：基于 EC2 + IAM + CloudFormation + SSM，架构清晰可控
- 不用管理模型 API Key：通过 IAM 角色认证调用 Bedrock，避免 key 散落和泄露
- 不暴露公网端口：通过 SSM Session Manager 做安全访问和端口转发
- 多模型切换：无需改代码，可在 Bedrock 侧切换 Claude、Nova、DeepSeek 等模型
这套方案的好处是，你不需要在安全和合规上花额外精力，部署链路本身就是企业级的。
三步跑起来（约 8 分钟）
Step 1：一键部署
进入 CloudFormation 页面，点击部署按钮。表单里只需要选一个 EC2 Key Pair，其余配置由模板自动创建。
Step 2：等待栈创建完成
大约 8 分钟后，打开 CloudFormation 的 Outputs 页面，会看到访问指引。
Step 3：打开 Web UI
按 Outputs 指引，在本地安装 SSM Manager 插件并做端口转发，然后在浏览器中打开对应 URL，进入 Web UI 开始配置。
到这里，你已经有了一个跑在自己 AWS 账号里的 Moltbot 工作站。
接入飞书：让 AI 助手进入团队协作流
部署只是第一步，真正有用的是把它接到团队日常使用的工具里。以飞书为例，整个接入流程分三块：
1. 飞书侧创建应用
- 创建自建应用
- 添加机器人能力
- 开通所需权限范围
2. Moltbot 侧配置飞书凭证
获取飞书的 App ID 和 App Secret 后，在 Moltbot 中执行：
clawdbot config set channels.feishu.appId "cli_xxxxx"
clawdbot config set channels.feishu.appSecret "your_app_secret"
clawdbot config set channels.feishu.enabled true
3. 事件订阅与验证
在飞书后台的事件订阅配置中，选择使用长连接接收回调，完成签名校验与重试配置后，发布应用即可。
接入完成后，团队成员可以在群聊中通过提及机器人、私聊、或卡片消息等方式与 AI 助手交互。同样的思路也适用于 Slack、Telegram、Discord 等其他平台。
容易踩的坑
看完流程可能觉得"不难"，但实际操作中几个地方容易卡住：
- 模型权限和区域问题：Bedrock 的模型访问需要在对应区域开通，不是所有区域都支持所有模型
- 端口转发和本地环境：SSM 插件的安装和配置在不同操作系统上略有差异
- Channel 配置和回调：飞书的权限范围、事件订阅配置比较细碎，容易遗漏
- 场景选择：试点时不要贪多，选一个具体场景跑通再扩展
实操建议
如果你打算试试，建议从最小可行方案开始：
- 选一个入口（Slack 或 Telegram 上手最快）
- 选一个场景（比如竞品信息监控，或客服问题自动应答）
- 当天部署、当天跑通、1-2 周验证实际效果
验证有价值之后，再考虑接入更多平台、覆盖更多场景。对于一人公司来说，一个 7×24 在线的 AI 助手带来的杠杆效应，远比多买一个 SaaS 订阅要大得多。