Архитектурные паттерны агента OpenClaw: Делегирование между агентами, 5-уровневая память и системы мониторинга (Watchdog)

Делегирование между несколькими агентами для контроля затрат

Разработчик запускает специализированных под-агентов для различных задач, чтобы снизить затраты на API, сохраняя качество. Конфигурация включает:

• Дешёвую модель для фонового обслуживания и проверки работоспособности (конкретно Haiku 4.5 для heartbeat.md)
• Модель, ориентированную на исследования, для сканирования веб-страниц
• Модель Grok для нативного поиска в X
• Модель, ориентированную на безопасность, для ежедневного аудита системы
• Основную модель для прямого диалога

У каждого агента есть собственный документ с инструкциями, определяющий его роль, а основная модель координирует делегирование задач. Разработчик пробовал переключиться на очень дешёвую основную модель, но результаты оказались разочаровывающими, отметив, что половина привлекательности OpenClaw заключается в использовании высококачественных моделей.

5-уровневая архитектура памяти

Чтобы решить проблему ограниченной встроенной памяти OpenClaw, разработчик внедрил пятиуровневую систему:

• База данных структурированных фактов (SQLite с сущностями, связями, оценками достоверности, взвешиванием важности)
• Векторная память (ChromaDB для семантического поиска по всему)
• Эпизодическая память (значимые события с метками времени и важностью)
• Процедурная память (отслеживание того, что сработало, что нет, и эффективности)
• Графовая память (связи между сущностями, показывающие, кто с чем связан)

Гибридная система поиска запрашивает все пять уровней и ранжирует результаты. Система включает механизм затухания памяти, где факты со временем теряют точность, а не просто сохраняются или удаляются. Высоковажные воспоминания остаются в полном разрешении, а менее используемые сжимаются до сводок, затем до сущностей, а затем до простого хеша, подтверждающего их существование. Агент может восстановить затухшие воспоминания до полного разрешения, когда они снова становятся актуальными.

Советы из нескольких агентов (MACx)

Для сложных решений разработчик параллельно запускает 5 передовых моделей от разных поставщиков:

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

Модели заменяются по мере выхода новых. Каждая модель анализирует независимо, затем они взаимно проверяют работу друг друга, и председатель синтезирует результаты. Система имеет три режима: обсуждение (поддержка решений), исследование (глубокий анализ) и мозговой штурм (творческое генерирование идей). Недавно был добавлен «Фаза 0», где совет сначала определяет предположения и задаёт уточняющие вопросы перед обсуждением.

Подход к безопасности и мониторингу

Услышав о вредоносном ПО на хабах навыков, разработчик принял политику создания индивидуальных решений для каждой модификации, подобной навыку. Claude Code, общаясь с OpenClaw через ACPX, создаёт что-то с авторизацией после оценки кодовых баз навыков других. Каждая новая сборка начинается почти с нуля, только с идеи.

Ежедневный под-агент сканирует, что другие делают со своими агентами OpenClaw, для вдохновения. Система наблюдения имеет три уровня: базовый мониторинг работоспособности, проверки на уровне сервисов и более глубокая диагностическая возможность, связанная с вызовом ACPX к виб-кодеру, работающему на хост-машине, когда базовые проверки и команды недостаточны.