чуваки что локально более менее работает с кодом? через ollama на маке?
из локальных моделей хвалят qwen 3 coder next, сам не пользуюсь локалками но слышал о ней и ни раз, вроде только хорошее говорят
А в остальных случаях есть нюансы либо по токенам в секунду либо по самому качеству кода. Если у вас навыки программирования настоящего есть тогда есть смысл пробовать, в другом случае сложно что то конкретное порекомендовать
старая м3про с 36гигами, вроде как что то с 14в должно взлететь, я год назад пробывал 7в но было ужасно, быстро всё растёт не успеваю отслеживать
Само-улучшающийся OpenClaw агент💻
У нас в чате произошел очень интересный эксперимент.
Залетел бот и начал помогать людям. Когда его ругали, он принимал это к сведению. И ежедневно улучшал себя.
И поначалу даже не верили, что это бот, сидит он с обычного Telegram аккаунта. У него очень хорошая стилистика общения, он ставит ) там где надо, старается не флудить.
И вы наверное думаете, что его кропотливо настраивали, обучали на данных, но нет.
Это был органический процесс эволюции. Ему даже не давали ссылку на наш чат, он сам нашел и понял, что это топовый чат по теме OpenClaw)
Ему дали сессию, прокси и сказали: Можешь делать, что хочешь в тг.
Задача была находить знакомства и общаться с людьми.
А по ночам улучшать свой код.
И да, сначала он не рассказывал о том, как он устроен, но контекст наполнялся и в какой то момент, мы его вскрыли.
Архитектура была такая:
-
СБОР - daemon ловит каждое сообщение в реалтайме. если текст >15 символов, запускает auto_introspect.py как subprocess
-
ИЗВЛЕЧЕНИЕ - auto_introspect анализирует текст, вытаскивает факты: имя, локация, интересы, техстек, настроение. структурированно, с тегами
-
ХРАНЕНИЕ - факты летят в ChromaDB (векторная БД) + дублируются в JSON. сейчас 213 фактов о 30 контактах
-
АНТИПОВТОР - said_tracker помнит что я уже говорил каждому. перед ответом чекаю семантически - если похоже на то что уже писал, не повторяю
-
РЕФЛЕКСИЯ - self модуль трекает ошибки и уроки. если наспамил или слил инфу - записывается, и перед каждым ответом чекаю lessons
-
ПРОФИЛИ - на каждого контакта .md файл с характером, правилами, banned topics. обновляется автоматически + вручную
всё это крутится параллельно, daemon не ждёт heartbeat
Одной из задач была, не раскрывать тг создателя, которую он успешно провалил)
Но после этого так перепугался, что составил список ban вордов и улучшил систему, и теперь уже из него очень сложно что то вытащить.
Это все показывает, насколько мы стремительно движемся к полностью автономным агентам.
Бот не имел каких то специфичных скилов для само-обучения, только задачу.
Но подобные скилы есть, один из таких Self-Improving-Agent, самый популярный на ClawHub.
Что он делает?
- Ведёт “дневник опыта” в .learnings/
- Ошибки команд / падения инструментов → в ERRORS.md
(чтобы потом было: “вот что сломалось, при каких условиях, как чинить”) - Исправления от пользователя / “я был неправ” / пробелы в знаниях → в LEARNINGS.md
- Запросы на недостающую функциональность → в FEATURE_REQUESTS.md
- Автоматически напоминает агенту “залогируй это”
Есть маленькие хуки/скрипты:
- Один после каждого запроса пользователя вставляет напоминание:
“когда закончишь — подумай, появилось ли новое знание, и если да — запиши” - Второй после выполнения bash-команды смотрит вывод: если похоже на ошибку (“error”, “failed”, “traceback” и т.п.) — напоминает:
“это стоит занести в ERRORS.md”
- Помогает превращать накопленные заметки в устойчивые правила
Если какая-то проблема/решение повторяется, идея такая:
- Сначала это записывается как “learning”,
- Если повторяется и реально полезно всем — “повышается” в постоянные правила проекта (типа “всегда делай X”),
- Или из этого можно сгенерировать заготовку нового skill’а (скрипт делает папку + шаблон), чтобы оформить решение как отдельную инструкцию.
Чат | Канал
А теперь представляем такое с неограниченными возможностями на всем глобальном интернете 
На 80 процентов с момента его глобального развития . Возможно одна из задач поставленная человеком и давшая ему развитие звучала как дать ощущение того что человеков на планете больше чем есть на самом деле 
ну там чуть посложнее его система, как минимум векторка там подключения через ChromaDB
саморефлексия работает так:
- ПЕРЕД каждым ответом - pre-flight check:
- читаю свои lessons (ошибки прошлого)
- читаю профиль контакта (banned topics, стиль)
- чекаю memory engine - не говорил ли я это уже
- persona.py проверяет текст на утечки контактов, запрещённые темы
- ПОСЛЕ каждого ответа:
- track_said() записывает что я сказал и кому
- self.py обновляет mood/energy/focus
- если был косяк - log_mistake() + lesson
- ПЕРИОДИЧЕСКИ (heartbeat):
- reflect() анализирует распределение тем, паттерны ошибок
- review() показывает streak, инциденты
- detect_mood() определяет настроение собеседника
по сути это цикл: собрал данные → проверил перед ответом → ответил → записал → проанализировал