Вокруг AI-агентов сейчас много шума. Я решил проверить всё на практике: не просто «поболтать с моделью», а собрать рабочие автоматизации в ежедневных процессах.

Главный вывод: OpenClaw для меня — это не чат, а оркестратор действий. Модель здесь — это «мозги», и мозгов может быть несколько: облачные + локальные, под разные задачи.

Что уже автоматизировано

1) Ежедневный цикл подготовки поста (самое полезное)

Это самый ценный сценарий: от идеи до публикации без ручной рутины.

Как выглядит процесс:

  1. В заданное время OpenClaw сам запускает диалог по новому посту.
  2. Проводит интервью: тема, аудитория, цель, ключевая мысль, кейс, структура, заголовки.
  3. Если прошлый пост оценён ниже целевого уровня, вопросы становятся жёстче: меньше воды, больше фактов.
  4. Мы дорабатываем текст прямо в этом чате до финального варианта, по которому у меня не остаётся вопросов.
  5. После этого Жора предлагает опциональный шаг — локальный предпросмотр (к этому моменту уже подготовлены нужные файлы поста).
  6. Отдельным шагом — публикация: после моего явного апрува Жора делает git add/commit/push, а дальше CI/CD pipeline публикует сайт.

Почему здесь важен именно git push: это дополнительный защитный контур. История изменений хранится в удалённом репозитории, поэтому даже если локально что-то пойдёт не так (включая ошибочные действия агента), состояние можно быстро откатить и восстановить.

Что это дало на практике:

  • не начинаю «с пустого листа»;
  • меньше ручных шагов;
  • процесс публикации предсказуемый и повторяемый;
  • не нужно держать весь workflow в голове.

2) Утренний бриф: погода, контекст дня, риски

Каждое утро приходит короткий бриф: погода, оперативный контекст, фокус дня. Вместо переключений между несколькими источниками — один компактный вход в день.

3) Утренняя подборка материалов

Автоматически приходит отобранный список статей по моим темам: backend/highload, инженерные практики, инфраструктура, безопасность. Экономит время на первичный фильтр «что вообще стоит читать».

4) Мониторинг умного дома (пока исследовательский этап)

Сценарий работает как регулярный технический пайплайн, а не как «магическая сводка».

Как это устроено:

  1. По расписанию запускается задача в OpenClaw (cron).
  2. Агент ходит в VictoriaMetrics напрямую (HTTP API + PromQL-запросы).
  3. Проверяет набор правил аномалий:
    • температура в жилых комнатах: выход за пороги;
    • температура в котельной/котла: недогрев/перегрев;
    • корреляция «мороз на улице + холод в доме»;
    • качество воздуха (CO₂ / VOC);
    • напряжение в сети (провалы/перенапряжение);
    • «мёртвые» датчики (нет свежих данных > N часов).
  4. На этапе анализа применяются фильтры шума (исключения по проблемным сенсорам/метрикам).
  5. На выходе формируется короткий отчёт только по отклонениям и отправляется в Telegram.

Почему это пока «исследовательский этап»:

  • пороги и правила ещё калибруются на реальных данных;
  • часть срабатываний пока диагностическая;
  • цель текущей стадии — поднять качество сигнала и убрать шум.

5) Подборка моделей с Printables

Здесь тоже не «ручной дайджест», а автоматический пайплайн по расписанию.

Как это работает технически:

  1. По cron запускается отдельная задача в OpenClaw.
  2. Агент забирает данные со страниц Printables по трём срезам:
    • по скачиваниям,
    • по трендам,
    • по количеству makes.
  3. Для извлечения используется инструментальный вызов (MCP/Tavily extract), чтобы получать структурированные данные.
  4. Из каждого среза собирается топ-10 по порядку выдачи.
  5. Применяются фильтры:
    • исключение нежелательных моделей (например, 3D BENCHY),
    • при необходимости дедупликация пересечений между категориями.
  6. Формируется итоговое сообщение в Telegram: категория, название, ссылка, короткая практическая заметка.

Зачем это нужно:

  • не нужно мониторить Printables вручную;
  • выдача приходит уже структурированной;
  • частота, размер топа и фильтры настраиваются как параметры процесса.

Чем это отличается от обычного AI-чата

Обычный чат работает в режиме: «пришёл с вопросом — получил ответ». OpenClaw работает в режиме: «настроил процесс — дальше он работает сам».

Разница на практике:

  • чат = реакция на запрос;
  • OpenClaw = расписание, инструменты, маршрутизация, доставка результата в нужный канал.

Итог

Для меня OpenClaw — это полезный слой автоматизаций поверх рутины, а не «очередной AI-чат». Самая заметная польза уже сейчас — в контентном цикле (идея → интервью → черновик → предпросмотр → апрув → push → публикация). Остальные сценарии в разной стадии зрелости, но уже видно главное: из разрозненных действий складывается системный процесс.