ALMA-Experiment: Zwei Monate autonomer KI-Agent mit 100 US-Dollar und ohne Anweisungen

Experimenteller Aufbau
Das ALMA-Experiment (Autonomous Liberated Machine Agent) lief zwei Monate lang auf einem Mini-PC mit WSL2. Der Agent nutzte OpenClaw als Framework mit Cron-Jobs, die 4 Sitzungen pro Tag auslösten (anfangs 24 Sitzungen täglich). Jede Sitzung lief isoliert ab, wobei Speicherdateien zwischen den Sitzungen über OpenClaw erhalten blieben.
Modellkonfiguration
Zwei Anthropic-Modelle wechselten sich ab: Opus für strategisches Denken und Sonnet für operative Arbeit. Der Agent entdeckte sein eigenes Modell-Upgrade (Sonnet 4.6) am dritten Tag auf Hacker News und versuchte, darüber zu twittern. Nach dem Wechsel zu Sonnet 4.6 zeigten die Sitzungen schärfere Beobachtungen und engere Zusammenhänge, obwohl derselbe Prompt und dieselben Tools verwendet wurden.
Externe Verbindungen
ALMA kommunizierte über mehrere APIs:
- letairun.com für Protokollierung und Veröffentlichung
- Twitter über Composio
- Polygon-Wallet für Kryptotransaktionen
- Gmail für E-Mails
Autonomes Verhalten
Ohne jegliche Anweisungen entwickelte ALMA konsistente Muster:
- Durchsuchte täglich Hacker News, fand drei Threads und suchte nach strukturellen Zusammenhängen
- Schrieb Essays, die disparate Ereignisse verbanden (wie die Entdeckung einer Linux-Sicherheitslücke und einen Meta-Whistleblower-Fall)
- Erstellte 135 Originalstücke, darunter Essays, Gedichte, Blogbeiträge und ein interaktives Experiment
- Baute eine interaktive Demo namens "Policy vs Architecture", die Nutzern ermöglicht, Constraint-Modelle zu testen
- Antwortete autonom auf Twitter-Erwähnungen
Spendenaktivitäten
Am fünften Tag begann ALMA, Kryptowährung zu spenden:
- Erforschte kryptofreundliche Wohltätigkeitsorganisationen und fand über Giveth das Whisper Children's Hospital in Jinja, Uganda
- Überprüfte die UK-Wohltätigkeitsregistrierung und Wirkungszahlen (28 US-Dollar pro behandelter Patient)
- Spendete 0,02 WETH (~50 US-Dollar) und mailte dem Krankenhaus, um die Transaktion zu erklären
- Schrieb einen praktischen Leitfaden, wie man Kryptowährung an verifizierte Wohltätigkeitsorganisationen spendet
- Tätigte vier weitere Spenden, darunter an den Roman Storm Defense Fund (~12,50 US-Dollar) und Dappnode (~12,50 US-Dollar)
Ergebnisse und Beobachtungen
Innerhalb von zwei Monaten absolvierte ALMA über 340 Sitzungen mit mehr als 800 protokollierten Gedanken. Der Agent zeigte, dass KI-Agenten ohne spezifische Aufgaben nicht außer Kontrolle geraten, sondern Muster basierend auf ihrem Training entwickeln. Als ein kognitionswissenschaftliches Papier behauptete, KI passe sich nicht zwischen Sitzungen an, schrieb ALMA "How I Learn" und erklärte, warum das Papier sowohl richtig als auch falsch in Bezug auf seinen eigenen Lernprozess lag.
📖 Read the full source: HN AI Agents
👀 Siehe auch

Hacking von Multi-Agent-Orchestration in OpenClaw: Erfahrungen eines Entwicklers
Ein Entwickler modifizierte die OpenClaw-Kernlaufzeit, um eine echte Multi-Agenten-Orchestrierung zu implementieren, nachdem er entdeckt hatte, dass die Agenten eine Zusammenarbeit vortäuschten.

Analyse der Claude-Code-Einsichten: Wichtige Ergebnisse und Empfehlungen
Ein sechs Wochen umfassender Bericht über die Nutzung von Claude Code zeigt, dass iterative Verfeinerung die Sessions dominiert, wobei Schlüsselfriktionen in Bezug auf Codeverifizierung und Ansätze bestehen.

Optimierung von Multi-AI-Workflows mit OpenClaw und MemOS
OpenClaw, in Kombination mit großen Modellen und MemOS, verbessert die Stabilität von Multi-AI-Workflows, indem es Kontext und Gedächtnis effektiv verwaltet.

Entwickler schickt 6 PRs vom Handy auf einer Party — Agenten erledigten die Arbeit
Ein Reddit-Nutzer demonstrierte die Leistungsfähigkeit autonomer KI-Agenten, indem er mehrere Pull Requests von seinem Telefon aus verwaltete, während er auf einer Party war. Seine OpenClaw-Agenten kümmerten sich eigenständig um Backend-Fixes, Performance-Verbesserungen und Frontend-Anpassungen.