Padrões de Arquitetura do Agente OpenClaw: Delegação Multiagente, Memória de 5 Camadas e Sistemas de Vigilância

Delegação Multiagente para Controle de Custos

O desenvolvedor executa subagentes especializados para diferentes tarefas para reduzir os custos de API mantendo a qualidade. A configuração inclui:

• Um modelo barato para manutenção de fundo e verificações de integridade (especificamente Haiku 4.5 para heartbeat.md)
• Um modelo focado em pesquisa para varredura da web
• Um modelo Grok para busca nativa no X
• Um modelo focado em segurança para auditorias diárias do sistema
• O modelo principal para conversação direta

Cada agente tem seu próprio documento de briefing definindo seu papel, e o modelo principal orquestra a delegação de tarefas. O desenvolvedor tentou mudar para um modelo principal super barato, mas achou os resultados decepcionantes, observando que metade do apelo do OpenClaw é usar modelos de alta qualidade.

Arquitetura de Memória de 5 Camadas

Para lidar com a memória limitada integrada do OpenClaw, o desenvolvedor implementou um sistema de cinco camadas:

• Banco de dados de fatos estruturados (SQLite com entidades, relacionamentos, pontuações de confiança, ponderação de importância)
• Memória vetorial (ChromaDB para busca semântica em tudo)
• Memória episódica (eventos significativos com carimbos de data/hora e importância)
• Memória procedural (rastreando o que funcionou, o que não funcionou e a eficácia)
• Memória de grafo (relacionamentos de entidades mostrando quem se conecta com o quê)

Um sistema de recuperação híbrida consulta todas as cinco camadas e classifica os resultados. O sistema inclui um mecanismo de decaimento de memória onde os fatos perdem fidelidade ao longo do tempo em vez de serem simplesmente mantidos ou excluídos. Memórias de alta importância permanecem em resolução total, enquanto as menos usadas são comprimidas para resumos, depois essências e depois apenas um hash provando que existiram. O agente pode promover memórias degradadas de volta à resolução total quando se tornam relevantes novamente.

Conselhos Multiagentes (MACx)

Para decisões complexas, o desenvolvedor inicia 5 modelos de fronteira em paralelo em diferentes provedores:

• ChatGPT 5.4 Thinking
• Grok 4.20 Reasoning
• Opus 4.6
• Minimax M2.5
• Gemini 3.1

Os modelos são substituídos à medida que novos são lançados. Cada modelo analisa independentemente, depois eles revisam cruzadamente o trabalho uns dos outros, e um presidente sintetiza os resultados. O sistema tem três modos: deliberação (suporte à decisão), pesquisa (investigação profunda) e brainstorming (ideação criativa). Um "Fase 0" foi recentemente adicionada, onde o conselho identifica suposições primeiro e faz perguntas esclarecedoras antes de deliberar.

Abordagem de Segurança e Monitoramento

Após ouvir sobre malware em hubs de habilidades, o desenvolvedor adotou uma política de construir soluções personalizadas para cada modificação semelhante a habilidade. Claude Code, conversando com o OpenClaw via ACPX, constrói algo com autorização após avaliar as bases de código de habilidades de outros. Cada nova construção começa meio do zero, apenas com a ideia.

Um subagente diário escaneia o que outros estão fazendo com seus agentes OpenClaw para inspiração. O sistema de vigilância tem três camadas: monitoramento básico de saúde, verificações de nível de serviço e capacidade de diagnóstico mais profunda vinculada a uma chamada ACPX para um codificador de vibrações em execução na máquina hospedeira quando verificações básicas e comandos não forem suficientes.