OpenClaw

Open-source AI-agentframeworks winnen explosief aan populariteit op GitHub. Twee projecten die centraal staan in het ecosysteem van zelfgehoste AI-systemen — OpenClaw en Hermes Agent — zijn zo ver vooruit gelopen dat de rest van het veld strijdt om een verre derde plaats.

Deze pagina is een praktische referentie voor het afstemmen van agentische LLM-inferentie (temperatuur, top_p, top_k, penalties en hoe deze interacteren in meervoudige stappen en workflows met veel hulpmiddelen).

De meeste AI-agent-stacks behandelen beveiliging nog steeds als een reparatie na de demonstratie. NemoClaw begint van het tegenovergestelde uitgangspunt en maakt isolatie, beleid en routing vanaf dag één tot de standaard.

Moderne assistenten vergeten nog steeds alles als je het tabblad sluit, tenzij er iets persists buiten het contextvenster. Agent-memoryproviders zijn diensten of bibliotheken die feiten en samenvattingen over sessies heen bewaren — vaak geïntegreerd als plugins, zodat het framework slank blijft terwijl het geheugen schaalt.

OpenClaw heeft twee extensiestromen, en het is makkelijk om ze met elkaar te verwarren.

Plugins breiden de runtime uit. Skills breiden het gedrag van de agent uit.

Dit artikel gaat over OpenClaw-plug-ins — native gateway-pakketten die kanalen, modelproviders, tools, spraak, geheugen, media, webzoeken en andere runtime-oppervlakken toevoegen.

OpenClaw lijkt in demonstraties simpel. In productie wordt het een systeem.

De meeste lokale AI-opstellingen beginnen met een model en een runtime.

OpenClaw is een self-hosted AI-assistent die is ontworpen om te draaien met lokale LLM-runtime-omgevingen zoals Ollama of met cloudmodellen zoals Claude Sonnet.

De meeste lokale AI-opstellingen beginnen op dezelfde manier: een model, een runtime en een chatinterface.