Clawmates: OpenClaw para equipos
Ha surgido un nuevo proyecto en la comunidad OpenClaw que aborda un problema común: ejecutar agentes de IA para equipos enteros, no solo para individuos.
El desafío es familiar para muchos usuarios avanzados de OpenClaw. La arquitectura multiagente de OpenClaw fue diseñada pensando en un solo operador — una persona gestionando múltiples personas (un agente de trabajo, un agente de casa, etc.) a través de un gateway. ¿Pero qué pasa si quieres que cada miembro del equipo tenga su propio agente de IA dedicado con su propio workspace, su propio bot de Telegram y sus propias sesiones?
Eso es exactamente lo que resuelve Clawmates.
Según el anuncio en Reddit, un equipo de 5 usuarios pasó dos semanas encantados con OpenClaw antes de toparse con esta barrera. Su solución: un despliegue con un solo comando que da a cada miembro del equipo su propio agente de IA, con bases de conocimiento compartidas, visibilidad de costes y controles de administrador.
Características principales:
- Workspaces y sesiones individuales por usuario
- Conocimiento compartido en todo el equipo
- Seguimiento y visibilidad de costes
- Controles administrativos para líderes de equipo
El proyecto está disponible en clawmates.io y los creadores ofrecen pruebas gratuitas para equipos que quieran probarlo.
Este es un desarrollo significativo para el ecosistema de OpenClaw, demostrando cómo la plataforma se está extendiendo para casos de uso empresarial y de equipos más allá de su diseño original para un solo usuario.
📖 Leer la fuente completa: Reddit
👀 Ver también
oMLX presenta el almacenamiento en caché SSD KV para Apple Silicon, reduciendo los tiempos de respuesta de OpenClaw de 30-90 segundos a 5 segundos.
oMLX es un nuevo backend que persiste los bloques de caché KV en SSD en formato safetensors, evitando la invalidación de la caché cuando cambia el contexto. Esto reduce los tiempos de respuesta de OpenClaw de 30-90 segundos a solo 5 segundos en turnos posteriores.
Resultados de Referencia: 15 LLMs Evaluados en 38 Tareas de Flujo de Trabajo Real
Un desarrollador comparó 15 LLMs en la nube y locales en 38 tareas de su flujo de trabajo real, incluyendo transformaciones CSV, conteo de letras, aritmética modular y cumplimiento de formato. Claude 3.5 Sonnet y Opus obtuvieron ambos un 100%, pero Sonnet cuesta 3.5 veces menos por llamada.
Servidor MCP GodotIQ otorga a los agentes de IA comprensión espacial de escenas de Godot
GodotIQ es un servidor MCP que proporciona a los agentes de codificación una comprensión real de las escenas 2D/3D, las señales y las dependencias de código en Godot. En una prueba, construyó de forma autónoma un juego de supervivientes de doble joystick en una hora a partir de activos y un prompt.
NLA transforma las activaciones internas de Gemma 3 en texto legible para cualquier token
Anthropic publicó Natural Language Autoencoders (NLA) que decodifican el estado interno de un modelo en texto. Combinado con Gemma 3, el Auto Verbalizer explica lo que el modelo "pensaba" para cualquier token generado. Los pesos están en Hugging Face; demo en Neuronpedia.