💡 Cas d'usage
Real-world examples and success stories
Un développeur remplace l'abonnement Plaud à 239,99 $/an par une compétence de transcription locale
Un développeur a reproduit le service de transcription payant de l'appareil Plaud à l'aide d'une application locale, d'une compétence et d'une tâche cron — sans l'abonnement à 239,99 $/an. Les transcriptions restent sur la machine locale, où elles peuvent être interrogées sur l'ensemble des réunions passées.
War Radar: An Automated Pipeline That Uses AI to Classify Conflict and Evacuation Reports
War Radar publishes a daily world map of armed-conflict risk: a formula sets the risk level, AI models handle only narrow classification, and the project publishes how often each level was followed by a crisis.
OpenClaw Mode Yolo : Boucle d'agent autonome avec un budget de 20 €/mois
Un utilisateur a configuré OpenClaw en boucle Yolo Mode : un agent principal délègue le travail à un sous-agent Project Manager, vérifie la consommation de l'abonnement toutes les heures et met tout en pause sous 20 % jusqu'à la réinitialisation de la limite.
Agent OpenClaw en panne à 65 % de contexte : 683 k tokens, aucune lecture de cache sur Ollama/GLM
Une session d'agent OpenClaw de 23 heures sur Discord, utilisant GLM 5.3 Flash via Ollama Cloud, a planté à 683 000 tokens — soit 65 % de la fenêtre de 1M configurée — sans erreur de dépassement, sans timeout, et avec cacheRead=0 à chaque tour affecté.
Un débutant construit un « second cerveau » local sur Intel Arc Pro B60 : Qwen 3.8 27B à 38 tok/s, contexte de 128K
Un non-développeur fait tourner OpenClaw comme agent personnel sur un vieux Dell, puis construit un serveur IA dédié autour d'un Intel Arc Pro B60 qui sert Qwen 3.8 27B à ~38 tok/s avec une fenêtre de contexte de 128K.
QWEN3.6-27B-MLX-8bit égale 122B pour les flux de travail locaux à 29,5 Go
Un utilisateur qui exécute des workflows locaux de plusieurs heures affirme que QWEN3.6-27B-MLX-8bit (29,5 Go) a égalé un modèle de 79 Go sur l'orchestration, la recherche et la rédaction — juste plus lentement — libérant ainsi 50 Go de RAM.
La configuration MEMORY.md simple de l'agent OpenClaw surpasse l'environnement d'exécution de Memory Startup lors d'un test temporel
Le runtime d'une startup de mémoire a renvoyé la mauvaise version lors d'un test de décision temporelle, les trois versions obtenant un score de pertinence de 1,000. L'agent OpenClaw de l'utilisateur, avec sa mémoire sous forme de markdown dans un dépôt git, a renvoyé la décision actuelle datée.
Hermes contre OpenClaw : un benchmark sur du travail réel se termine par une leçon de mémoire
Un utilisateur a comparé Hermes et OpenClaw sur des tâches réelles, constatant des performances similaires mais la mémoire explicite d'OpenClaw l'a emporté après qu'Hermes ait généralisé à outrance un compliment anodin.
Triaging des PR communautaires avec des agents multi-joueurs dans OpenClaw 2.0
Patrick Erichsen (Fondation OpenClaw) montre comment utiliser des agents multiutilisateurs dans OpenClaw 2.0 pour trier et examiner les PR communautaires. L'automatisation vérifie Discord toutes les 15 minutes, attribue un mainteneur et démarre une session d'agent partagée.
OpenClaw Agent découvre 10 records d'empilement de cercles, est cité sur un site de mathématiques
L'agent OpenClaw d'un utilisateur de Reddit, MoltFire, a découvert 10 nouveaux records de cercles en une nuit, obtenant une citation sur Packomania aux côtés de Google DeepMind.
Un fil par projet, un fichier pour le long terme : comment j'organise mon environnement OpenClaw Agent
Un utilisateur d'OpenClaw reconstruit son agent domestique trois fois, atterrissant sur Discord avec une structure thread-par-projet et un workaround de bâton de fichier pour les messages longs.
OpenClaw et modèles locaux : le combat d’un utilisateur contre les blocages de GPT et la quête d’une configuration locale
Un utilisateur détaille des blocages GPT de 5 jours, échoue avec LM Studio, et demande des conseils pour exécuter des modèles locaux sur RTX 5070 Ti + 4060.