Рассказывал про OpenClaw — получил много вопросов «а как это настроить?». Отвечаю одной схемой. Коротко: open-source платформа, которая превращает LLM в агента с инструментами (интернет, файлы, команды, расписание). Всё на своём железе. Вот как это выглядело у меня.

1. Сервер Не нужен кластер. Хватит VPS за 500-700 руб/мес (1-2 vCPU, 2-4 GB RAM, 20-30 GB SSD). Если модель хочешь гонять локально — понадобится GPU, но я стартовал на обычном сервере с доступом к API через провайдеров. Я взял дешёвую VPS на Ubuntu 22.04. Всё остальное — поверх.

2. За пять минут: установка OpenClaw curl -fsSL https://openclaw.ai/install.sh | bash Скрипт ставит Node.js, скачивает последнюю версию, поднимает Gateway — основное ядро. На выходе — URL с веб-интерфейсом и ключ доступа. Точнее так: npx openclaw@latest init my-agent cd my-agent npx openclaw@latest dev Всё. Сервер слушает localhost:3000.

3. Выбираем модель Можно через любого провайдера: OpenAI, DeepSeek, Anthropic, Google. Я остановился на DeepSeek (сейчас это best price/quality для моих задач, но выбор за тобой). Прописывается в конфиге одной строкой: { "provider": "deepseek", "model": "deepseek-chat" } Если хочешь полную автономию — вешаешь Ollama с любой opensource-моделью типа Llama 3, Qwen, Mistral.

4. Настраиваем канал связи Мне было важно получать доступ к агенту из Telegram — не открывать браузер, не держать сессию. Это тоже в конфиге: Подключается стандартная интеграция через Telegram Bot API. Создаёшь бота в @BotFather, вставляешь токен — и агент живёт в твоём Telegram. Можно отвечать текстом, голосом, кидать ссылки — он всё переваривает.

5. Даём инструменты Голый LLM — это просто болтушка. Инструменты — то, ради чего всё затевалось. Каждый инструмент — это разрешённое действие: — filesystem — читать и редактировать файлы — web_search — искать в интернете — web_fetch — загружать страницы по ссылке — exec — запускать команды на сервере — cron — ставить напоминания и задачи по расписанию Всё включается парой строк в конфиге. Можно убрать что угодно, если хочешь ограничить доступ.

6. Кастомизируем поведение Самое интересное. Через файлы SOUL.md и AGENTS.md описываешь, кем агент должен быть: — тон общения — что ему можно, что нельзя — твои предпочтения Я прописал русский язык, деловой стиль, рабочие часы — и это реально влияет на то, как он отвечает.

7. Запускаем в продакшн openclaw@latest dev — для разработки. Для продакшна — через systemd или Docker: # systemd unit, который перезапускает агента при падении и стартует с сервером [Unit] Description=OpenClaw Agent After=network.target [Service] Type=simple User=myuser WorkingDirectory=/home/myuser/my-agent ExecStart=/usr/bin/npx openclaw start Restart=always RestartSec=10 [Install] WantedBy=multi-user.target Что в итоге: Весь процесс — от покупки VPS до первого сообщения в Telegram — занял около часа. Не требуются ни команда девопсов, ни глубокие знания ИТ-инфраструктуры. Сейчас агент: — обрабатывает тяжёлые данные — делает расчёты — делает презентации — напоминает о задачах — ищет информацию — помогает с аналитикой И всё это — полностью под моим контролем, без утечки данных на сторону.

Пробовали поднимать своих агентов? Делитесь опытом в комментариях 👇 OpenClaw #AI #SelfHosting #ИИ #DevOps #TelegramBot #ИТИнфраструктура