Универсальные AI-агенты подаются как нечто всемогущее: мол, бот сам прочитает почту, напишет код и задеплоит сервис. Но, как разбирает автор на Хабре, за хайпом вокруг OpenClaw стоит архитектура, знакомая любому бэкендеру.

Любой агент — это языковая модель в связке с системным обвесом. Сама LLM работает как stateless-функция: принимает JSON и отдаёт JSON. Вся инженерия — в управлении контекстом и маршрутизации инструментов.

Память, по мнению автора, реализуется обычными файловыми операциями, сабагенты изолируют зашумлённый лог сообщений, а фоновые задачи висят на стандартном cron. Собрать специализированное решение под конкретную инфраструктуру, заключает он, не сложнее типичного CRUD — и надёжнее универсальной коробки.

Источник: Telegram: Хабр

#ai-агенты#openclaw#разработка#llm#инженерия
Понравился материал?
Подписывайтесь — так вы не пропустите новые.
RSS-лента

Комментарии 5

Будьте вежливы — это делает обсуждение лучше
МС
Марина Соколова
Статья полезная, но пример с файловой памятью кажется слишком простым. В реальных проектах нужна структурированная память с поиском, иначе агент быстро запутается.
О
Олег
А как же безопасность? Самописный агент с доступом к файлам и cron — это же потенциальная дыра. Универсальные решения хотя бы тестируют.
DP
dmitry_p
Согласен с автором, что свой агент проще и надёжнее. Сам писал под свою задачу — ушло два дня, зато теперь всё работает как надо.
ИК
Ирина К.
Интересно, а как вы решаете проблему с обновлением моделей? Если завтра выйдет новая версия LLM, придётся переписывать всю обвязку?
Р
РедакцияРедакция
Ирина, обычно обвязка слабо зависит от конкретной модели, если использовать стандартные API. Достаточно поменять эндпоинт и ключ, а логика останется прежней. Главное — не завязываться на уникальные фичи одной модели.