Einzelentwickler führt Unternehmen mit 4 KI-Agenten auf Geminis kostenloser Stufe
Architektur und Implementierung
Das System verwendet vier KI-Agenten, die auf OpenClaw (Open Source) basieren und auf WSL2 zu Hause mit 25 systemd-Timern laufen. Die Agenten übernehmen spezifische Aufgaben:
- Erstellen täglich 8 Social-Media-Beiträge über Plattformen hinweg mit Qualitätsprüfung (erzeugen → Selbstprüfung → neu schreiben bei Bewertung < 7/10)
- Interagieren mit Community-Beiträgen und antworten automatisch auf Kommentare (kontextbewusst, maximal 2 Runden)
- Recherche über RSS + HN-API + Jina Reader → speisen Erkenntnisse zurück in Inhalte
- UltraProbe (KI-Sicherheitsscanner) für Lead-Generierung ausführen
- 7 Endpunkte überwachen, veraltete Leads kennzeichnen, Kundendaten synchronisieren
- Blog-Artikel automatisch auf Discord posten bei Git-Push (0 LLM-Tokens – verwendet Commit-Nachricht direkt)
Token-Optimierungsstrategie
Der Entwickler verwendet einen spezifischen Ansatz, um den Token-Verbrauch zu minimieren: Agenten führen niemals lange Gespräche. Jede Anfrage folgt diesem Muster: (1) vorkalkulierte Intelligenzdateien lesen (lokales Markdown, 0 Tokens), (2) ein fokussierter Prompt mit eingefügtem Kontext, (3) eine Antwort → parsen → handeln → fertig. Die Recherche-Pipeline (RSS, HN, Web-Scraping) kostet 0 LLM-Tokens – es ist reiner HTTP + Jina Reader. Das LLM übernimmt nur kreative/analytische Arbeit.
Echte Zahlen und Infrastruktur
- 27 automatisierte Threads-Konten, 12K+ Follower, 3,3M+ Aufrufe
- 25 systemd-Timer, 62 Skripte, 19 Intelligenzdateien
- RPD-Nutzung: 7 % (105/1.500) – 93 % Spielraum verbleiben
- Monatliche Kosten: 0 $ LLM + ~5 $ Infrastruktur (Vercel Hobby + Firebase kostenlos)
Erkenntnisse aus Fehlern
Der Entwickler teilte spezifische aufgetretene Probleme mit:
- 127 $-Gemini-Rechnung in 7 Tagen: API-Schlüssel aus einem abrechnungsfähigen GCP-Projekt erstellt statt aus AI Studio. Dachten, Tokens (3,50 $/1M) ohne Ratenbegrenzung. Lektion: immer Schlüssel direkt aus AI Studio erstellen.
- Engagement-Schleifen-Fehler: iterierte ALLE Beiträge statt Top N. Verbrannte 800 RPD an einem Tag und verhungerte alles andere.
- Telegram-Health-Check rief getUpdates auf, kollidierte mit Long-Polling des Gateways. 18 doppelte Nachrichten in 3 Minuten.
Stack und Ressourcen
Stack: OpenClaw, Gemini 2.5 Flash (kostenlos), WSL2/systemd, React/TypeScript/Vite, Vercel, Firebase, Telegram Bot, Resend, Jina Reader. Die Website (https://ultralab.tw) ist vollständig zweisprachig (zh-TW/en) mit 21 Blogbeiträgen, wobei i18n, Blog-Publishing und Discord-Benachrichtigungen alle Teil der automatisierten Pipeline sind.
GitHub-Repository mit Playbook: https://github.com/UltraLabTW/free-tier-agent-fleet
Live-Agenten-Dashboard: https://ultralab.tw/agent
📖 Read the full source: HN LLM Tools
👀 Siehe auch
Wie man Claude AI als Denkpartner statt als Suchmaschine nutzt
Ein Reddit-Nutzer erklärt, dass die Behandlung von Claude wie Google sein Potenzial einschränkt. Stattdessen sollten Nutzer in einen Dialog treten, Kontext über Ziele und Versuche geben und Claude nutzen, um ihr eigenes Denken zu testen.
Wie ein Team eine 6-stellige HubSpot-Agentur durch Claude Code ersetzte
Ein mittelständisches E-Commerce-Unternehmen führte seine gesamte HubSpot-Enterprise-Migration mit Claude Code durch und ersetzte damit Angebote von 20.000 bis 80.000 Euro für Teilumsetzungen. In 4 Monaten bauten sie 6 benutzerdefinierte Objekte, 5 n8n-Integrationen und eine KlickTipp-Migration auf – Claude Code übernahm sowohl Code als auch Dokumentation.
Claude Code als reine Bewertungs-Engine über den gesamten SDLC ausführen
Ein Entwickler teilt seine Architektur für die Nutzung von Claude Code als Reasoning Engine in einem mehrschichtigen System: Python übernimmt die Orchestrierung, Claude Code das Schreiben und Reviewen von Code, mit isolierten Subagenten und einer persistenten Wiki-Ebene.
Google-Kontosperrung und -Wiederherstellung für die Nutzung von KI-Agenten
Ein Entwickler erstellte ein neues Gmail-Konto für seinen KI-Agenten, das Google innerhalb von 20 Minuten sperrte. Nachdem er einen detaillierten Wiederherstellungsantrag mit Erläuterungen zum Zweck und zu den Sicherheitsmaßnahmen des Agenten eingereicht hatte, stellte Google den Zugang innerhalb von 12 Stunden wieder her.