🎯 О чём этот конспект: Разбор продвинутой архитектуры использования OpenClaw (открытого аналога Claude Computer Use) для создания полностью автономного цифрового сотрудника. Автор описывает систему, которая работает 24/7 на выделенном MacBook, управляя CRM, контент-планом, аналитикой и бизнес-стратегией.

👤 Кому будет полезно: Вайбкодерам, разработчикам на базе AI-агентов и предпринимателям, которые хотят делегировать рутину (email, сбор данных, планирование) автономному агенту.

✨ Что получите: Готовую схему настройки «железа», структуру гибридных баз данных, цепочки промптов для автоматизации контента и методику самообучения агента.

1. Инфраструктура «Всегда включен»: Настройка выделенного сервера

Контекст: Для истинной автономности AI-агент не должен зависеть от вашего основного рабочего компьютера. Автор использует MacBook Air в режиме «clamshell» (закрытая крышка), который работает 24/7. Это позволяет запускать cron-задачи (регулярные действия) в любое время суток, независимо от того, спите вы или находитесь в пути. Для управления используются инструменты удаленного доступа, что превращает ноутбук в персональное облако.

Выгода: Полная автономность процессов, отсутствие задержек при запуске и возможность обращаться к своему AI из любой точки мира через мессенджеры.

Как применить:

• Шаг 1: Подготовка железа — Используйте любой Mac (желательно на Apple Silicon). Отключите спящий режим при закрытой крышке (используйте утилиты типа Amphetamine или настройки системы).
• Шаг 2: Удаленный доступ — Установите Tailscale для создания безопасного VPN-туннеля. Это позволит подключаться к машине по SSH из любой сети.
• Шаг 3: Среда разработки — Установите Cursor на основной компьютер и подключитесь к «серверному» MacBook через расширение Remote SSH. Это позволит писать код прямо на целевой машине с комфортным UI.
• Шаг 4: Аварийный доступ — Установите TeamViewer или AnyDesk как резервный канал на случай, если SSH отвалится.

Результат: Стабильный, всегда доступный AI-узел, готовый к выполнению фоновых задач.

2. Гибридная память: SQL + Vector Database

Контекст: Обычные AI-чаты быстро «забывают» контекст. Автор решил это созданием гибридной системы хранения данных. Каждое событие (email, сообщение, задача) сохраняется в традиционную базу данных SQLite для точных запросов и одновременно индексируется в векторной колонке для семантического поиска. Это позволяет спрашивать AI как конкретные факты («Сколько я потратил?»), так и абстрактные вещи («Найди статьи про новые модели Anthropic»).

Выгода: Бесконечная память агента и возможность быстрого поиска по тысячам записей без потери точности.

Как применить:

• Шаг 1: Структура БД — Создайте таблицу SQLite, где одна колонка отведена под метаданные (дата, автор, текст), а другая — под векторные эмбеддинги (используйте расширение sqlite-vss или похожие).
• Шаг 2: Индексация — Настройте скрипт, который прогоняет каждый входящий текст через модель эмбеддингов (например, text-embedding-3-small от OpenAI).
• Шаг 3: Промпт для поиска — Используйте системный промпт, обучающий агента сначала делать SQL-запрос, а затем дополнять его результатами векторного поиска.

Результат: Агент, который помнит детали разговоров годичной давности и может оперировать вашими личными данными в реальном времени.

3. Автоматизированный Personal CRM и Meeting Prep

Контекст: Ручное ведение CRM — это боль. Система автора автоматически сканирует входящие письма в Gmail и события в Календаре. Она фильтрует спам и холодные рассылки, извлекает ключевых людей, классифицирует их роли и записывает историю касаний. Утром агент присылает в Telegram краткий брифинг: с кем встреча, о чем говорили в прошлый раз и какие открытые вопросы остались.

Выгода: Экономия 2-3 часов в неделю на подготовке к звонкам и ведении базы контактов.

Как применить:

• Шаг 1: Сбор данных — Подключите Google API (через библиотеку google-api-python-client) для выгрузки заголовков писем и описаний встреч.
• Шаг 2: Классификация — Используйте дешевую модель (например, Gemini 1.5 Flash) для определения: «Это важный контакт или спам?».
• Шаг 3: Обогащение — Настройте поиск по LinkedIn или X через API, чтобы добавить био контакта в базу.
• Шаг 4: Триггер брифинга — Настройте cron-задачу на 8:00 утра, которая собирает данные по встречам на сегодня и отправляет сообщение в Telegram.

Результат: Вы всегда информированы перед звонком, не открывая CRM вручную.

4. Конвейер видеоконтента: От идеи до карточки в Asana

Контекст: Автор автоматизировал сбор идей для YouTube. Когда он видит интересный пост в X (Twitter) или статью, он просто кидает ссылку в специальный чат Telegram. Агент сам парсит содержимое, проверяет базу знаний на наличие похожих тем, делает поиск по X для сбора мнений и создает готовую карточку задачи в Asana с хуками и планом сценария.

Выгода: Сокращение времени на ресерч темы с нескольких часов до 30 секунд.

Как применить:

• Шаг 1: Захват ссылки — Настройте Telegram-бота, который принимает URL.
• Шаг 2: Ресерч — Используйте API Brave Search или Firecrawl для глубокого парсинга веб-страниц.
• Шаг 3: Поиск в X — Используйте многоуровневую систему (tier-system): сначала бесплатный FXTwitter, затем недорогие агрегаторы типа twitterapi.io, и только в крайнем случае официальный API.
• Шаг 4: Генерация структуры — Используйте промпт для создания сценария:

Проанализируй статью по ссылке [URL]. 
1. Выдели 3 самых спорных тезиса.
2. Напиши 5 вариантов кликбейтных, но честных заголовков.
3. Составь структуру видео: Хук (первые 15 сек), 3 основных блока, призыв к действию.
4. Создай задачу в Asana в проекте "YouTube Pipeline".

Результат: Постоянный поток проработанных идей для контента без усилий на копипаст и форматирование.

5. Совет Директоров AI: Мета-анализ бизнеса

Контекст: Это самый продвинутый уровень. Раз в сутки система собирает данные изо всех источников: аналитика YouTube, доходы в HubSpot, активность в Slack, транскрипты встреч из Fathom. Затем запускается «Совет Директоров» — несколько агентов с разными ролями (Скептичный оператор, Стратег по росту, Финансовый страж). Они спорят друг с другом, анализируют слабые места бизнеса и выдают единый отчет.

Выгода: Объективный взгляд на бизнес «со стороны» и обнаружение проблем, которые замыленный глаз владельца не замечает.

Как применить:

• Шаг 1: Агрегация сигналов — Соберите топ-200 метрик бизнеса за день в один текстовый файл.
• Шаг 2: Мульти-агентная дискуссия — Используйте фреймворк (например, LangGraph или просто последовательные вызовы API) с разными системными промптами.
• Шаг 3: Роли — Создайте промпты для ролей:
  • Скептик: "Ищи, где мы теряем деньги и где данные выглядят подозрительно".
  • Стратег: "Предложи 3 способа масштабировать текущий успех".
• Шаг 4: Консенсус — Финальный промпт для Opus 3.5/4: "Сведи мнения экспертов в один краткий отчет для CEO".

Результат: Ежедневный стратегический отчет с конкретными рекомендациями по улучшению бизнеса.

FAQ

В: Сколько стоит содержание такой системы в месяц?

О: Автор тратит около $150 в месяц. Сюда входит подписка на Claude ($100 за продвинутые лимиты API/Pro) и около $50 на API других моделей (Gemini, OpenAI, X API) и сервисы (Tailscale, облачное хранилище).

В: Зачем использовать Telegram группы вместо одного чата?

О: Это позволяет разделять контекст. OpenClaw не смешивает обсуждение еды с бизнес-аналитикой. Автор установил срок жизни сессии в 1 год, чтобы AI не забывал историю конкретной темы внутри группы.

В: Как защитить данные, если MacBook сломается?

О: Используется двойной бэкап. Весь код и Markdown-файлы конфигурации пушатся в GitHub каждый час. Все базы данных (SQLite) автоматически копируются на Google Drive.

В: Можно ли использовать Cursor для управления OpenClaw?

О: Да, это рекомендуемый способ. Вы подключаетесь по SSH к макбуку, где запущен OpenClaw, и правите файлы .md (инструкции агента) прямо в Cursor. Это удобнее, чем менять настройки через чат.

В: Что такое "Humanizer Skill"?

О: Это специальный набор инструкций для AI, который заставляет его писать тексты без "привкуса ИИ" (без лишних тире, списков из 10 пунктов и специфических слов типа "delve"). Это делает ответы в Slack и Telegram более естественными.

Конспект создан на основе видео «How I'm Using OpenClaw» канала Matt Berman. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=Q7r--i9lLck