diff --git a/zh/articles/langbot-telegram-sandbox-agent.mdx b/zh/articles/langbot-telegram-sandbox-agent.mdx
index a73e64da1..201ebf0e9 100644
--- a/zh/articles/langbot-telegram-sandbox-agent.mdx
+++ b/zh/articles/langbot-telegram-sandbox-agent.mdx
@@ -83,6 +83,54 @@ Agent 会在工作区中完成操作，并告诉你处理结果。
 
 请不要在对话中发送密码、API Key、身份证件或其他敏感信息。对于删除文件、批量修改和长时间运行等操作，建议先明确范围，并在执行前确认。
 
+## 在 LangBot Cloud 部署 Telegram 沙箱 Agent
+
+LangBot Cloud 已经准备好托管环境、公网访问地址和沙箱，不需要购买服务器、安装 Docker 或配置运行时。开始前只需准备一个 Telegram 账号。
+
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择当前可用的体验版、免费版或订阅套餐。不同套餐的可用平台、资源和自动休眠规则以页面显示为准。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+Cloud 会为实例提供可直接使用的 LangBot Models 及一定的模型积分。你也可以在**模型**页面接入自己的模型 API Key。
+
+### 2. 配置沙箱 Agent 流水线
+
+进入**流水线**页面，打开默认流水线或创建一条新流水线，然后在 **AI 能力**中：
+
+1. 将运行器选择为**内置 Agent**。
+2. 选择一个支持工具调用的模型。接入自有模型时，需要同时启用模型的**工具使用能力**。
+3. 确认沙箱已启用。Cloud 已经配置好沙箱后端，无需额外安装。
+4. 选择沙箱作用域。个人私聊建议使用**每个会话**；多人群聊且需要隔离文件时，建议使用**每个用户**。
+5. 保存流水线，并在**对话调试**中让 Agent 执行一个简单任务，例如“用 Python 计算 1 到 100 的和”。
+
+如果 Agent 只返回代码但没有执行，请检查模型是否支持工具调用、是否启用了工具使用能力，以及流水线运行器是否为内置 Agent。
+
+### 3. 在 Telegram 创建机器人
+
+1. 打开 [BotFather](https://t.me/botfather)，发送 `/newbot`。
+2. 按提示设置机器人名称和以 `bot` 结尾的用户名。
+3. 保存 BotFather 返回的 API Token，不要将它发送给其他人。
+4. 如果机器人需要读取群聊中的普通消息，在 BotFather 中执行 `/setprivacy`，选择该机器人并关闭 Privacy Mode；只用于私聊时可以保持默认设置。
+
+### 4. 将 Telegram 接入 LangBot
+
+回到 LangBot 控制台，进入**机器人**页面并创建机器人：
+
+1. 平台选择 **Telegram**。
+2. 填入 BotFather 提供的 API Token。
+3. 绑定前面配置好的内置 Agent 流水线。
+4. 保存并启用机器人。
+
+打开 Telegram，进入刚创建的机器人会话并点击 **Start**，发送：
+
+> 请用 Python 生成一份包含 20 条示例数据的 CSV 文件，并统计其中数值列的平均值。
+
+Agent 能执行命令、创建文件并返回统计结果，就说明模型、沙箱、流水线和 Telegram 接入均已配置成功。完整配置项可继续参考 [Telegram 接入文档](/zh/usage/platforms/telegram)和[沙箱文档](/zh/usage/sandbox/readme)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
+
 ## 扫码开始体验
 
 使用 Telegram 扫描下方二维码，打开 LangBot 沙箱 Agent 后直接发送任务。
diff --git a/zh/articles/langbot-wechat-official-account.mdx b/zh/articles/langbot-wechat-official-account.mdx
index 7f574c5fd..ed77ed586 100644
--- a/zh/articles/langbot-wechat-official-account.mdx
+++ b/zh/articles/langbot-wechat-official-account.mdx
@@ -73,14 +73,62 @@ LangBot 是一个开源的 AI 机器人平台，可以将大模型、知识库
 
 LangBot 社区持续产生新的插件、用法和解决方案。公众号会整理值得关注的项目进展、社区实践和优秀案例，帮助你更快发现可以直接使用的能力。
 
-## 适合哪些读者
+## 在 LangBot Cloud 部署微信公众号 AI 助手
 
-无论你是第一次接触 AI 机器人，还是正在为团队搭建知识库、客服或自动化工作流，都可以从公众号获得相关内容。
+LangBot Cloud 自带公网域名和 HTTPS，不需要购买服务器、安装 Docker 或配置反向代理。开始前只需准备一个可登录[微信公众平台](https://mp.weixin.qq.com/)的公众号。
 
-- 普通用户可以了解 LangBot 能做什么
-- 企业用户可以参考知识库和客服案例
-- 开发者可以关注插件、Agent 和平台适配能力
-- 团队负责人可以了解产品更新和部署选择
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择支持微信公众号的套餐，确认价格、资源和消息平台范围后继续。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+### 2. 配置模型和流水线
+
+进入 LangBot 控制台的**模型**页面：
+
+1. Cloud 会提供可直接使用的 LangBot Models 及一定的模型积分；也可以添加自己的模型供应商、Base URL 和 API Key。
+2. 选择或添加一个对话模型。
+3. 进入**流水线**页面，打开默认流水线。
+4. 在 **AI 能力**中选择**内置 Agent**和刚添加的模型，然后保存。
+5. 使用**对话调试**发送一条消息，确认模型可以正常回复。
+
+只有调试对话成功后再继续接入公众号，这样出现问题时更容易区分是模型配置还是微信回调配置导致的。
+
+### 3. 获取公众号开发配置
+
+登录微信公众平台，进入**设置与开发 > 开发接口管理**：
+
+1. 记录公众号的 `AppID` 和 `AppSecret`。
+2. 按微信公众平台要求配置 IP 白名单。Cloud 实例需要填写的出口 IP 以实例或平台页面显示的信息为准。
+3. 打开服务器配置，准备一个自定义 `Token`，并生成 `EncodingAESKey`。
+4. 将消息加解密方式选择为**安全模式**。
+
+`AppSecret`、`Token` 和 `EncodingAESKey` 都属于敏感信息，不要放进截图、公开仓库或聊天记录。
+
+### 4. 在 LangBot 创建公众号机器人
+
+进入 LangBot 控制台的**机器人**页面，创建一个**微信公众号**机器人，然后：
+
+1. 填入 `AppID`、`AppSecret`、`Token` 和 `EncodingAESKey`。
+2. `Mode` 选择 `drop` 时，公众号直接返回模型回答，但必须在微信规定的 15 秒内完成。
+3. 模型响应可能超过 15 秒时，建议选择 `passive`；用户会先收到等待提示，再发送任意文字获取结果。
+4. 绑定前面配置好的流水线，将 `enable` 设为 `true`，保存并启用机器人。
+5. 从机器人配置页面复制 Webhook 回调地址。
+
+### 5. 完成微信回调验证
+
+回到微信公众平台的服务器配置，粘贴 LangBot 生成的完整 Webhook 地址。Cloud 地址已经配置好公网 HTTPS，形式类似：
+
+```text
+https://你的实例名.langbot.cloud/bots/xxxxx
+```
+
+确认微信公众平台和 LangBot 两边填写的 `Token`、`EncodingAESKey` 及加密模式完全一致，然后保存并启用服务器配置。微信提示保存成功，说明回调验证已经通过。
+
+最后关注公众号并发送一条测试消息。如果回调验证失败，请优先检查 IP 白名单、Webhook 地址以及两端的 `Token`、`EncodingAESKey` 和加密模式是否一致。更多截图和字段说明见[微信公众号接入文档](/zh/usage/platforms/wxoa)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
 
 ## 关注并开始问答
 
@@ -94,4 +142,4 @@ LangBot 社区持续产生新的插件、用法和解决方案。公众号会整
 
 - [LangBot GitHub](https://github.com/langbot-app/LangBot)
 - [LangBot 官方文档](https://langbot.app/docs)
-- [LangBot Cloud](https://space.langbot.app/cloud)
+- [LangBot Cloud](https://cloud.langbot.app)
diff --git a/zh/articles/langbot-wecom-customer-service-knowledge-base.mdx b/zh/articles/langbot-wecom-customer-service-knowledge-base.mdx
index a1e4ef8b0..61d9710c5 100644
--- a/zh/articles/langbot-wecom-customer-service-knowledge-base.mdx
+++ b/zh/articles/langbot-wecom-customer-service-knowledge-base.mdx
@@ -87,6 +87,83 @@ LangBot 知识库也可以根据实施流程和故障处理手册回答：
 
 当正式手册和最新会议纪要涉及同一件事时，LangBot 知识库会结合更新后的信息回答，帮助你减少使用旧资料的情况。
 
+## 在 LangBot Cloud 部署企业微信客服知识库
+
+LangBot Cloud 会托管运行环境，并提供企业微信回调所需的公网域名和 HTTPS。开始前请准备：
+
+- 已完成企业认证并开通[微信客服](https://kf.weixin.qq.com/kf)的企业微信账号
+- 用于问答的 PDF、Word 或 Markdown 文档
+
+### 1. 创建 LangBot Cloud 实例
+
+1. 打开 [LangBot Cloud](https://cloud.langbot.app)，登录 LangBot Account。
+2. 为机器人选择一个名称。这个名称也会成为实例的 `.langbot.cloud` 访问地址。
+3. 选择支持企业微信客服的套餐，确认价格、资源和消息平台范围后继续。
+4. 确认配置并部署。实例通常会在 1 到 2 分钟内完成初始化。
+5. 状态变为**运行中**后，点击**打开机器人**进入 LangBot 控制台。
+
+### 2. 配置对话模型和嵌入模型
+
+进入 LangBot 控制台的**模型**页面：
+
+1. Cloud 会提供可直接使用的 LangBot Models 及一定的模型积分；也可以添加自己的模型供应商、Base URL 和 API Key。
+2. 选择或添加一个对话模型，用于根据检索结果生成最终回答。
+3. 准备一个嵌入模型，用于将文档和问题转换为向量。可以添加供应商提供的 Embedding 模型，也可以选择零配置的 `chroma-内置`。
+
+先在流水线的**对话调试**中确认对话模型能正常回复，再继续创建知识库。
+
+### 3. 创建并填充知识库
+
+进入**知识库**页面，点击**创建知识库**：
+
+1. 填写知识库名称和说明。
+2. 选择已安装的 RAG 引擎。不同引擎的参数不同，使用内置方案时按页面提示选择刚才准备的嵌入模型。
+3. 设置分块参数；首次使用可以先保留默认值，后续再根据文档结构和检索效果调整。
+4. 创建完成后进入知识库的**文档**页面，上传 PDF、Word 或 Markdown 文件。
+5. 等待解析和索引完成，确认文档状态正常后再测试问答。
+
+建议先上传少量具有明确答案的资料，并用几个可以从原文核对的问题验证效果。资料中如有过期制度或互相冲突的版本，应先清理或标明生效日期。
+
+### 4. 将知识库绑定到流水线
+
+进入**流水线**页面，编辑默认流水线或创建一条客服专用流水线：
+
+1. 在 **AI 能力**中将运行器选择为**内置 Agent**。
+2. 选择已经配置好的对话模型。
+3. 在知识库选项中勾选刚创建的知识库。
+4. 如已配置 Rerank 模型，可以同时启用重排序并设置 Top-K；这一步是可选的。
+5. 保存后进入**对话调试**，提出一个只能从上传文档中找到答案的问题。
+
+回答能够引用文档中的有效信息后，再进行企业微信接入。知识库创建和检索参数的完整说明见[知识库文档](/zh/usage/knowledge/readme)。
+
+### 5. 准备企业微信客服配置
+
+登录[企业微信客服后台](https://kf.weixin.qq.com/kf)：
+
+1. 在**企业信息**中记录企业 ID。
+2. 进入**开发配置**并点击**开始使用**。
+3. 生成并保存 `Token` 和 `EncodingAESKey`。
+4. 暂时保留该页面，稍后需要填写 LangBot 生成的 Webhook URL，并复制企业微信生成的 `Secret`。
+
+`Secret`、`Token` 和 `EncodingAESKey` 都属于敏感信息，不要公开或提交到代码仓库。
+
+### 6. 在 LangBot 创建企业微信客服机器人
+
+进入 LangBot 控制台的**机器人**页面，创建一个**企业微信客服**机器人：
+
+1. 填入企业 ID、`Token` 和 `EncodingAESKey`。
+2. 首次保存时 `Secret` 可先填写临时值。
+3. 绑定前面配置好的知识库流水线，保存并启用机器人。
+4. 从机器人配置页面复制完整的 Webhook 回调地址。Cloud 已经为 `.langbot.cloud` 地址配置好公网 HTTPS，无需替换域名。
+
+回到企业微信客服后台，将该 URL 填入开发配置并保存。验证成功后，复制企业微信页面生成的 `Secret`，再回到 LangBot 用真实 `Secret` 替换临时值并保存。
+
+### 7. 创建客服账号并验收
+
+在企业微信客服后台进入**客服账号**，创建一个客服账号并获取对外服务入口。使用普通微信打开该入口，发送一个知识库测试问题。
+
+如果能够收到依据上传文档生成的回答，说明企业微信回调、客服机器人、流水线和知识库均已连通。如果企业微信无法保存回调 URL，请优先检查 Webhook 地址以及两端的 `Token` 和 `EncodingAESKey` 是否一致。更多字段截图见[企业微信客服接入文档](/zh/usage/platforms/wecom/wecomcs)。如有私有部署要求，再参考 [Docker 部署文档](/zh/deploy/langbot/docker)。
+
 ## 扫码开始体验
 
 使用微信扫描下方二维码，进入企业微信客服后即可直接提问。