Собираем своего ИИ-агента: аналог OpenClaw за 18 шагов

Смотреть урок

Большинство людей используют ИИ-агентов как чёрный ящик. Открытый репозиторий build-your-own-openclaw даёт возможность собрать такой ящик самому — от пустого терминала до системы, которая работает в Telegram, выполняет задачи по расписанию и помнит всё между сессиями.

Что внутри:
🔹 Фаза 1 — одиночный агент: chat loop, инструменты, скиллы, история, компакция контекста, веб-поиск
🔹 Фаза 2 — событийная архитектура: EventBus, каналы, Telegram, WebSocket
🔹 Фаза 3 — автономность: cron-задачи, мультиагентный роутинг, делегирование между агентами
🔹 Фаза 4 — продакшн: контроль конкурентности, долгосрочная память

💡 18 шагов с рабочим кодом на каждом. Подходит всем, кто хочет понять, как устроены агентные системы изнутри, а не только уметь ими пользоваться.

Наш установщик безопасных агентов под ключ— 🔗 ссылка доступна участникам

Собираем своего ИИ-агента: аналог OpenClaw за 18 шагов

Хочешь собрать своего ИИ-агента — не использовать чужой, а понять, как он устроен изнутри. Этот гайд разбирает открытый репозиторий, который шаг за шагом строит аналог OpenClaw: от простого цикла чата до автономной мультиагентной системы с памятью, расписанием и поддержкой Telegram.

  • 18 шагов, разбитых на четыре фазы.

  • Каждый шаг это рабочий код и конкретная идея, которую он реализует.

  • Проходишь последовательно: запускаешь, смотришь как работает, переходишь дальше.

  • Ссылка на репозиторий.

  • В гайде ниже разбор каждого шага: что строится, как это работает и зачем это нужно знать.

Фаза 1. Дееспособный одиночный агент

Шаг 1. Базовый цикл чата

  • Любой агент начинается с одного и того же: пользователь вводит текст.

  • Агент отвечает.

  • Это и есть chat loop, фундамент всего, что будет построено дальше.

  • На этом шаге создаются три компонента.

  • ChatLoop принимает ввод пользователя и выводит ответы в терминале.

  • Session хранит историю переписки и каждый раз передаёт её в LLM целиком: модель видит весь контекст, а не только последнее сообщение.

  • LLM Call отправляет историю в языковую модель через провайдер и возвращает ответ.

  • Перед запуском любого шага нужно скопировать конфиг и добавить API-ключ: cp default_workspace/config.example.yaml default_workspace/config.user.yaml.

  • Запуск: cd 00-chat-loop и uv run my-bot chat.

  • Зачем этот шаг: Без цикла чата агента не существует.

  • Здесь закладывается ключевой принцип: LLM stateless, она не помнит предыдущие сообщения сама по себе.

  • Мы сами передаём ей всю историю при каждом запросе.

  • Это понимание нужно, чтобы правильно работать со всем, что идёт дальше.

🔒

Этот материал доступен участникам Клуба. Войдите или оформите доступ, чтобы читать целиком, открывать видео и комментировать.

Войти Вступить / купить доступ