Clawdbot: автономный агент, который сам делает рутины
Привет, %username%! Тут в статье на Хабре рассказывают про Clawdbot — open‑source автономного агента, который не просто отвечает в чате, а сам ходит в shell, дергает API, следит за событиями и выполняет задачи как отдельный сервис.
Главная идея
Привычный формат «чат с LLM» больше не тянет реальные инженерные задачи — мы все равно открываем терминал, пишем скрипты, запускаем, чекаем логи. Clawdbot превращает LLM в оркестратора: есть gateway (вебхуки и адаптеры), agent (планирование шагов), memory (short/long‑term хранилище и состояние) и skills — куски кода, которые уже реально что‑то делают: работают с файловой системой, запускают команды, управляют браузером, вызывают API.
Инициатива
Самое интересное — инициатива: агент живет как long‑running процесс, реагирует на события (файл появился, сервис деградировал, дедлайн близко), сам запускает цепочку действий и зовет человека только для подтверждения рискованных шагов. Если нужного скилла нет, он может найти библиотеку или API, сгенерировать новый skill и дальше использовать его как часть системы — по сути, динамическое расширение функциональности без переобучения модели.
Сесурити
Про безопасность автор смотрит трезво: доступ к shell — это риск, поэтому нужны контейнеры, allowlist команд, human‑in‑the‑loop для опасных операций, логирование и ограниченные права. Clawdbot кроссплатформенный: его можно крутить на Windows, Linux, в Docker, на VPS или домашнем сервере, а не только на модном Mac Mini.
Практически это история для тех, кто вырос из «cron + bash», хочет long‑running автоматизацию под своим контролем и не хочет отдавать всё облачному ассистенту. Из приятных фишек — можно дать агенту свои учетки в Mattermost/Telegram и общаться с ним как с «личным SRE‑ассистентом»: он сам напомнит о задачах на сегодня, а ты часть из них просто перекинешь на него с фразой «вот это сделай сам» (с проверкой результата, конечно).
Подумой
Как тебе вообще такой подход — автономный агент как оркестратор поверх твоей инфраструктуры? Уже пробовал что‑то похожее (AutoGen, CrewAI, свои агенты поверх LLM) или пока всё держится на alertmanager + ручной реакции? Какие сценарии ты бы первым делом отдал такому агенту: инциденты, рутины в инфраструктуре, личную продуктивность или что‑то другое?
