Привет. Давно не писал про свои ЭЙАААЙ-эксперименты и эту телегу в целом. Сегодня прогоню не про готовый продукт, а про путь: как с довольно скромным багажом знаний для данной задачи (Python, Linux, базовый prompt engineering) я построил живого self-evolving агента, который реально помогает в жизни, постах, ресерче, да в целом в чем угодно.
Для начала я ушел тыкать что уже придумано. OpenClaw был простым чат-ботом для меня — он мощный, но слишком универсальный и не даёт той глубины личной интеграции и петли самоулучшения, которую хотел. Скучно, грустно и не вкусно подумал я и решил родить на свет полностью автономный агент: сам себя улучшает, proactive, имеет модульные skills, guest-режим, надёжную память и security.
Проект называется persona-bot (Аня). Запущен на Orange Pi 5 Plus, живёт 24/7, не падает и развивается. Почему была взята именно женская персональ? Все просто: из-за персоналии очень легко отслеживать когда модель начинает упускать детали, терять контекст или глючить. Да и давайте честно, мужики, женская даёт совсем другой окрас текста бота: контраст к жёсткой технической работе, приятнее и человечнее звучит для ежедневного использования. 😐
Главная идея, ради которой всё затевалось: Пишешь в чат любую задачу — даже ту, которую бот изначально не умеет. Если не знает — идёт учиться:
- Сама пишет себе новый skill
- Создаёт директорию, SKILL.md с тестами
- Реализует инструменты
- Прогоняет behavioural-тесты
- Деплой через self-improve loop с rollback'ом
SKILL.md здесь — это не просто инструкция, а почти спецификация + сценарии ошибок + ссылки на тесты. На фоне тренда SKILL.md это одна из самых жёстких реализаций.
OpenClaw требовал моих рук для любого изменения, Аня делает почти всё сама и при этом не теряет:
- Персоналию (остаётся той самой Аней)
- Контекст (помнит события, даты, людей, проекты, мои привычки)
- Память по топикам и заметкам
- Формирует привычки
Что я прокачал за время проекта (4+ месяца):
- Архитектуру multi-agent и tool-use систем
- Надёжные self-modifying loops с тестами и безопасностью, откатом
- backlog и то, чем она занимается в свободное от меня время: пилит функции, проверяет скилы, реструктуризирует память, ищет в себе баги, подглядывает в инет какие есть тренды в агентах
- Управление долговременной памятью без галлюцинаций, что обошлось мне 1,5 месяца жизни
- Гипер-конкретная интеграция LLM именно под мою жизнь и железо с реальной инфраструктурой (SSH, API, MikroTik, Proxmox, Wazuh, Elastic и т.д.) и я ни в одном инструменте не участвовал руками
- Shared single brain + избирательная прозрачность для близких людей: Guest-режимы и security-модель, чтобы можно было спокойно дать поболтать близким
Это не SaaS-агент за тысячи рублей в месяц и не хайповый фреймворк. Это домашний эксперимент, который показывает: даже с обычным железом и неидеальными знаниями можно построить агента, который растёт вместе с тобой.
Бот отлично работает даже с локальными 9B-моделями и крупнее. Для простого обывателя без GPU, но с VPS - мы (привет @blondandinfosec) тестили крайне плотно последние 17 дней. Сейчас у бота 14 модульных скиллов, 26+ инструментов, за 3591 цикла самоулучшения и стоимость в 4.46$ за 10.774 API запроса к
deepseek-v4-flash - сожжено 320 944 812 токенов. Дохрена? Соглашусь, но 4.46$ / 10.7k = 0.00042$ на запрос... Да и все циклы, простой и функции настраиваемые в .env.Как доведу некоторые моменты до ума (а там есть куда рости в плане работы с памятью) - выложу на GitHub (с README, примерами скиллов и инструкцией). Хочу, чтобы другие могли развернуть или взять за основу под свои задачи.
В целом, этим постом начну цикл про агентов (в том числе и своего), инструменты и фишки которые я подрезал где-то, адаптировал в реальных кейсах и задачах. Ранее (аж больше полугода назад 😵) я уже светился с memory-bank у своих друзей @b4ckc0nn3ct, но пора бы и самому годик плотного опыта работы с ИИ описывать, публиковать и делится заметками по теме.