10 вещей, которые я хотел бы знать перед началом работы с OpenClaw

Один из самых мощных AI-ассистентов OpenClaw, которые можно развернуть у себя, имеет обратную сторону. За одну ночь я однажды сжег больше 10000 рублей на API-запросах, просто экспериментируя с настройками. Поэтому если вы собираетесь переносить свою работу в self-hosted AI-агента, вам нужна стратегия.

По умолчанию OpenClaw каждые 30 минут просыпается и проверяет, появились ли новые задачи. Это означает 48 API-запросов в сутки даже если вы вообще ничего не делаете.

Если эти проверки идут через платные API-модели, деньги буквально сгорают, пока вы спите.

Самое простое решение, которое стоит сделать сразу после установки OpenClaw, это перевести такие фоновые проверки на локальную модель. Для этого удобно поставить Ollama и скачать небольшой офлайн-модель вроде llama3.2:1b. Она занимает примерно 1.3 GB, работает полностью локально и не стоит ни одного рубля.

После этого OpenClaw можно настроить так, чтобы все регулярные heartbeat-проверки выполнялись локальной моделью, а дорогие API-модели использовались только для действительно тяжелых задач, например генерации кода.

И еще одно правило: файл HEARTBEAT.md лучше держать пустым, если у вас не запущена активная автоматизация.

Бесплатные кредиты от Google AI или Anthropic звучат как подарок. А возможность переключать модель прямо в чате через команду /model кажется суперсилой.

Во-первых, у бесплатных тарифов очень жесткие ограничения по количеству запросов. Они рассчитаны на обычных пользователей, а не на автономных агентов. OpenClaw генерирует огромное количество внутренних запросов, проверяет навыки, читает файлы и постоянно размышляет над задачами. Если подключить его к бесплатному API Gemini или Claude, лимиты обычно заканчиваются за несколько минут, после чего ключ могут заблокировать.

Во-вторых, постоянная смена моделей разрушает контекст. Разные модели по-разному интерпретируют историю диалога. Если переключаться между ними во время выполнения задачи, система начинает терять логику работы.

Лучший подход выбрать одну основную модель и одну рабочую модель и придерживаться их. Например, использовать Claude 3.5 Sonnet как «мозг» и Gemini Flash как более дешевую рабочую модель.

Вместо ручного переключения лучше настроить fallback-модели в конфигурации. Тогда если основной API зависнет или упрется в лимит, OpenClaw автоматически переключится на резервный вариант.

Без навыков OpenClaw по сути остается обычным чат-ботом. Но если подключить навыки, он начинает работать как настоящий цифровой сотрудник, который может управлять заметками, проверять календарь, работать с GitHub или выполнять код.

Однако навыки это по сути сторонний код, который запускается на вашей машине. Если установить сомнительный пакет, вы фактически отдаете системе доступ к своему компьютеру.

Поэтому лучше использовать только проверенные источники, например ClawHub. Перед установкой полезно открыть файл SKILL.md и посмотреть, какие разрешения запрашивает навык. Если список прав выглядит подозрительно, лучше отказаться.

Также имеет смысл добавить дополнительную проверку, например через SkillGuard, чтобы агент сам анализировал устанавливаемые навыки.

Для начала достаточно нескольких базовых навыков вроде интеграции с Apple Notes, погодным сервисом или GitHub. Не стоит устанавливать слишком много расширений сразу, потому что каждый новый навык увеличивает системный промпт и замедляет работу модели.

Чем дольше длится диалог с агентом, тем хуже он начинает помнить детали. Это связано с ограничением контекстного окна. Когда оно заполняется, модель начинает удалять старые сообщения, чтобы освободить место для новых.

В какой-то момент агент может буквально забыть цели проекта, о которых вы говорили несколько дней назад.

Поэтому вместо просьбы сделай краткое резюме лучше использовать Session Search, чтобы агент находил конкретные фрагменты своей истории по ключевым словам.

Если это не помогает, можно вручную открыть директорию~/.openclaw/agents/и найти нужный фрагмент в логах через grep. Вставка старого сообщения обратно в диалог часто мгновенно восстанавливает контекст.

Также полезно регулярно проверять файл MEMORY.md. Он должен содержать четкие факты о проекте, а не длинные размышления.

В соцсетях часто показывают огромные конфигурации из десяти или больше агентов. Создается впечатление, что без такого сетапа работать невозможно.

На практике это только увеличивает расходы и усложняет систему.

Важно понимать разницу между новой сессией и новым агентом. Команда /new просто очищает текущий диалог. Команда openclaw agents add создает полностью нового агента со своей памятью, контекстом и рабочим пространством.

Создавать отдельного агента имеет смысл только тогда, когда нужно полностью изолировать задачи, например отделить рабочий кодовый проект от личных заметок. Во всех остальных случаях достаточно новой сессии.

LLM-модели реагируют на входящие команды. Если у них нет четкого плана, они начинают блуждать между задачами и сжигать токены.

Гораздо эффективнее заранее создать файл PLAN.md или ROADMAP.md, где описана структура проекта и этапы работы.

После этого каждую новую сессию можно начинать с команды вроде:Прочитай PLAN.md и давай продолжим с шага 3.

Если архитектура меняется, нужно сразу обновлять файл. В такой схеме человек выступает менеджером, а агент становится исполнителем.

Агент не понимает, какие мысли важны, а какие случайны. Если вы явно не указали сохранить информацию, она почти наверняка исчезнет из памяти.

Поэтому ключевые решения нужно фиксировать прямо в диалоге фразами вроде: запомни это для будущих сессий: мы используем только TypeScript для всех новых API-маршрутов.

Также полезно иногда вручную проверять файл MEMORY.md и очищать его от мусора.

Попытка сделать универсального суперагента, который одновременно пишет код, управляет соцсетями и ведет заметки, обычно заканчивается плохо.

Контекст становится перегруженным, системный промпт раздувается, а модель начинает путаться и выдавать галлюцинации.

Гораздо эффективнее разделить роли. Например, один агент работает исключительно с кодовой базой и занимается React и TypeScript, а второй отвечает за операционные задачи и поиск информации.

Если нужна временная параллельная задача, можно создать временного суб-агента с отключенным heartbeat.

Чат удобен для общения, но не подходит для управления системой.

Если взаимодействовать с агентом только через Discord или мессенджеры, вы почти не видите, что происходит внутри.

Поэтому стоит запускать openclaw dashboard и держать его открытым в браузере. Там можно следить за активными сессиями, отслеживать зависшие задачи и видеть расход токенов в реальном времени.

Многие ожидают, что агент сможет сам построить стартап, пока вы спите. Это не так.

OpenClaw не генерирует хорошие идеи. Он просто выполняет инструкции.

Если ваши задачи сформулированы плохо, результат тоже будет плохим. Если рабочий процесс хаотичный, агент лишь автоматизирует этот хаос.