OpenClaw

Open-source-ram för AI-agenter exploderar i popularitet på GitHub. Två projekt som ligger i kärnan av ekosystemet för självhushållande AI-system — OpenClaw och Hermes Agent — har dragit så långt ifrån att resten av fältet slåss om en fjärran tredjeplats.

Denna sida är en praktisk referens för justering av agentic LLM-inferens (temperatur, top_p, top_k, strafftermer och hur de samverkar i flerstegs- och verktygstäta arbetsflöden).

De flesta AI-agentstackar behandlar fortfarande säkerhet som en korrigering efter demonstrationen. NemoClaw utgår från motsatta antaganden och gör isolering, policy och ruttning till standard från dag ett.

Moderna assistenter glömmer fortfarande allt när du stänger fliken om inte något överlever kontextfönstret. Tjänster för agenterminne (agent memory providers) är tjänster eller bibliotek som lagrar fakta och sammanfattningar över sessioner — ofta integrerade som plugin så att ramverket förblir lättviktigt medan minnet skalas.

OpenClaw har två olika sätt att utöka funktionerna på, och det är lätt att blanda ihop dem.

Plugins utökar runtime-miljön. Skills utökar agentens beteende.

Den här artikeln handlar om OpenClaw-tillägg — inbyggda gateway-paket som lägger till kanaler, modellleverantörer, verktyg, röstminne, media, webbsökning och andra runtime-ytor.

OpenClaw ser enkelt ut i demonstrationer. I produktion blir det ett system.

De flesta lokala AI-installationer börjar med en modell och en körningstid.

OpenClaw är en egenhostad AI-assistent designad för att köras med lokala LLM-runtime-miljöer som Ollama eller med molnbaserade modeller som Claude Sonnet.

De flesta lokala AI-uppbyggnader börjar på samma sätt: en modell, en körningsmiljö och ett chattgränssnitt.