Lições Práticas da Implantação do OpenClaw em Cinco Empresas

Um desenvolvedor com cinco instâncias OpenClaw rodando em produção em VPS da Hetzner compartilha lições concretas de implantações reais em negócios.

Decisões de Infraestrutura

O desenvolvedor tentou implantação local (mais fácil, mas não escalável) e AWS (caro), depois optou pelo Hetzner CPX22 a €13/mês (3 vCPU, 4GB RAM) por ser barato, rápido e estável. Uma descoberta crucial: WhatsApp não funciona em IPs de datacenter porque a Meta os bloqueia, levando a dois dias perdidos tentando aprovação no Meta Developer App. O Telegram se tornou o padrão porque sua API é mais tolerante que a do WhatsApp.

Cada cliente recebe seu próprio VPS. Multitenancy foi testado no início, mas abandonado porque um processo descontrolado de um cliente não deve derrubar o agente de outro cliente. O isolamento é considerado que vale €13/mês e não é negociável.

Integração e Personalização

Os primeiros agentes eram genéricos, mas não eficazes. O desenvolvedor criou um formulário de admissão com 26 perguntas que alimenta um fluxo de trabalho n8n que gera automaticamente um SOUL.md e USER.md para cada implantação. O formulário abrange tipo de negócio, preferências de tom, o que o agente deve lidar vs escalar, ferramentas usadas, agenda diária e estilo de comunicação. Um usuário relatou que o agente foi "tão útil e específico logo de cara".

O desenvolvedor observa: "Um agente genérico é um produto. Um personalizado é um membro da equipe. Ainda mais — quanto mais eles usam, mais incorporado ele se torna."

Abordagem de Cobrança

O que não funciona: cobrar pela configuração e torcer para que fiquem. O que funciona: teste gratuito de 7 dias na chave de API Anthropic do desenvolvedor (custando $5-15), depois os clientes obtêm sua própria chave. O desenvolvedor guia eles pela configuração ao vivo no Zoom em cerca de 10 minutos. Os clientes veem a transparência e controlam seus custos. Um cliente mudou de Claude para OpenAI em 3 minutos porque já tinha uma assinatura.

Estratégia de Hierarquização de Modelos

A pilha padrão por implantação:

• Haiku: Batimentos cardíacos, respostas simples, verificações de rotina (90% do volume)
• Sonnet: Tarefas complexas, fluxos de trabalho de várias etapas, qualquer coisa que precise de julgamento (9%)
• Opus: Pensamento estratégico, decisões de alto risco (1%)

O desenvolvedor compara isso a uma estrutura típica de pequena empresa: "O visionário/fundador no topo, depois as pessoas entram para executar a visão."

Dica importante: fixe modelos em cada tarefa cron. Esquecer de fixar um resultou em executar batimentos cardíacos no Sonnet por uma semana com uma conta de $40.

Otimização Técnica

Use o sistema operacional, não o LLM, para tarefas mecânicas como rotacionar logs, reiniciar serviços ou fazer backup de arquivos. O LLM é invocado para decisões, enquanto o SO lida com a mecânica. Isso reduziu o uso de tokens em cerca de 30% em todas as implantações.

Casos de Uso Reais

• Agência de cuidados: Lembretes de conformidade CQC, conflitos de agendamento de equipe, consulta de políticas (economiza ~5 horas/semana)
• Negócio de eventos: Captura de leads, sequências de acompanhamento, geração de orçamentos integrada ao CRM
• Consultor SEN: Acompanhamento de prazos EHCP, modelos de comunicação com pais, agendamento de ligação escolar
• Detalhista automotivo (Flórida): Reserva de compromissos, acompanhamento de avaliações, organização de fotos
• Agente do próprio desenvolvedor: Planejamento estratégico, redação de conteúdo, memória em mais de 4.000 arquivos de workspace

O desenvolvedor observa: "Nenhum deles queria um chatbot. Eles queriam um sistema operacional de negócios que por acaso usa IA."