OpenClaw по-киберпанковски 🔄

Я уже какое-то время пользуюсь OpenClaw, и постепенно настройка превратился из эксперимента в систему, которой я реально доволен.
Мне важно, чтобы всё работало без лишней зависимости от облаков, с контролем над железом и без хрупких внешних сервисов.

Для общения с ассистентом я выбрал SimpleX Chat.
Не только из-за приватности, а ещё потому, что там не нужен телефонный номер.
Не надо следить за SIM-картой, пополнять счёт и проходить CAPTCHA, как в Signal.
В отличие от Telegram, у SimpleX нет публичной директории и лишней метадаты — никто не напишет, пока ты сам не дал ссылку-приглашение.

Речь в текст у меня переводит Whisper, запущенный локально на Mac в домашней сети.
Голосовые сообщения транскрибируются без облачных API и без отправки аудио куда-то наружу.

Обратное направление — text-to-speech — работает через kitten-tts на NAS.
Модель маленькая, без GPU, но качества уже хватает, чтобы реально слушать ответы как голосовые сообщения.

Вся инфраструктура OpenClaw у меня крутится на Arch Linux на Synology NAS.
Оркестрация, память, TTS, навыки — всё живёт на локальной машине с минимальным энергопотреблением.
Плюс — железо физически у меня, а не у облачного провайдера.

Для долговременной памяти OpenClaw использует Markdown-файлы, а семантический поиск по ним у меня работает локально через Ollama.
Вместо внешнего embedding API используется локальная модель, так что поиск по памяти доступен даже офлайн.

Все LLM-запросы идут через Venice.ai.
Главная причина — не идеология, а удобство: доступ к нескольким моделям через один API и понятный дневной бюджет.
Чтобы не сжигать лимит слишком быстро, у меня работает автоматическое переключение моделей в зависимости от того, сколько бюджета уже потрачено за день.

День начинается с более сильной модели, потом система постепенно переходит на более дешёвые варианты.
Для heartbeat-задач и сжатия контекста всегда используется дешёвая быстрая модель — это экономит бюджет без заметной потери качества.

Самое интересное в OpenClaw — это не просто чат-обёртка над LLM.
Ассистент может сам разбираться со своей средой: ставить зависимости, править конфиги, искать проблемы, чинить сломавшиеся инструменты и поддерживать собственную память между сессиями.

В итоге получается ассистент, который:

• не требует номера телефона,
• не отправляет голос в облако,
• говорит через локальную TTS-модель,
• хранит память локально,
• и живёт на моём железе.

Это не массовый сценарий.
Но если вам близки локальность, автономность и контроль над своей инфраструктурой — подход очень даже рабочий.

Источник юзкейса

Чат | Канал