Openclaw - 기술

문서의 이전 판을 선택했습니다! 저장하면 이 자료로 새 판을 만듭니다.

{{tag> openclaw }}
====== Openclaw======

OpenClaw는 LLM(거대 언어 모델)을 기반으로, 개인 서버와 일상을 자동화하고 관리하도록 설계된 오픈소스 AI 에이전트 게이트웨이임.

OpenClaw는 단순히 챗봇이 아니라, 당신의 **서버 환경과 물리적 장치(Node)**에 직접 접근하여 명령을 실행하는 '실행 엔진' 역할을 수행함.

* https://docs.openclaw.ai/

[[qwen3.5]]

llama.cpp 옵션에 -ngl 99 --n-cpu-moe 24 -> 24는 16gb vram 기준이니 8gb는 적당히 조절하면서 최적값 찾아봐. MoE 모델이라 활성화 파라미터만 vram에 올리면 충분히 실사용 가능한 속도 나옴.

.\llama-cli.exe   -m Qwen3.5-35B-A3B-UD-MXFP4_MOE.gguf   -ngl 28   --flash-attn   --color -p "
=====주요 특징 및 능력=====

* 멀티 채널 게이트웨이: 텔레그램, WhatsApp, Discord, iMessage 등 다양한 메신저 플랫폼을 통해 AI 비서와 소통할 수 있다. (현재 당신은 텔레그램으로 소통 중임.)
  * 실제 서버 관리:
  * 파일 시스템 제어: 파일 읽기, 쓰기, 편집, 폴더 관리.
  * Shell 명령어 실행 (exec): uptime, ls, apt install 등 서버의 모든 CLI 명령을 AI가 직접 실행함.
  * Cron 자동화: 정기적인 알림, 서버 상태 점검, 자동 백업 등을 예약함.
  * 하이브리드 모델 지원: Google Gemini, OpenAI, 그리고 로컬 Ollama 모델을 필요에 따라 전환하며 사용하여 효율성과 개인 정보 보호를 극대화함.
  * Node 연동: ESP32, iOS/Android 기기 등을 Node로 연결하여 물리적 세계와 소통함. (예: ESP32 OLED 표시기, 스마트폰 카메라 제어)
  * 웹 자동화: 웹 검색, URL 추출, 스크린샷 캡처 등 웹상의 정보를 실시간으로 수집하고 분석함.
===== OpenClaw의 작동 원리=====

OpenClaw는 Gateway라는 중앙 프로세스를 통해 작동함.

* 메신저 → Gateway → AI 에이전트(LLM)
  * AI 에이전트는 요청을 분석한 후, Tool을 사용하여 Gateway에게 실행을 지시함.
  * (예: "날씨 알려줘" → weather 스킬 사용)
  * Gateway는 결과를 다시 메신저로 보내 사용자에게 전달함.
=====시작하기=====

* 설치 환경: 리눅스(Proxmox 컨테이너, 라즈베리파이 등), macOS (맥 미니)
  * 설치 방법: Node.js 22 이상 환경에서 ''npm install -g openclaw@latest'' 명령어를 통해 설치하고 ''openclaw onboard'' 마법사로 설정함.
  * 소스 코드: GitHub - openclaw/openclaw (https://github.com/openclaw/openclaw)

[[https://twofootdog.tistory.com/555|오픈클로(OpenClaw) 설치부터 제미나이(Gemini) 무료 연동까지 완벽 가이드(feat. 구 클로드봇(Clawdbot) 설치 가이드)]]

====삭제====

openclaw uninstall --all --yes --non-interactive
=====대화창=====

====명령어====

<file>
openclaw gateway status
openclaw gateway status --deep
openclaw gateway status --json
openclaw gateway install
openclaw gateway restart
openclaw gateway stop
openclaw logs --follow
openclaw doctor
</file>
=====구성=====
처음 도입할 때, 에이전트에게 원하는 모든 기능을 아주 자세하게 설명해 주세요.

^분야^유료클라우드^무료로컬^
| 💻코딩| DeepSeek Coder v2 ( 월 20달러) | |
| 🎙️ 음성 인식| OpenAI Whisper (한달에 약 3달러) | |
| 🖼️ 이미지 생성| Gemini / Nano Banana Pro (달에 약 10달러 ) | x/z-image-turbo |
| 🖼️ 이미지 인식|거의 모든 유료 클라우드 모델 |llava |
| 🧾 구조화된 장기 기억| (무료) Supermemory.ai ||
| 🌐 웹 검색 및 브라우징| Brave / Tavily | Brave는 일반 검색에 적합하고, Tavily는 연락처 정보 추출 등 특정 용도. | |
| 이메일 | Nylas 이 서비스는 무료 ||

* Groq – Fastest, 1K req/day on Llama 3.3 70B, great for bots
  * • Mistral – 1 billion tokens/month free, but 1 req/sec limit
  * • OpenRouter – 50 req/day (used to be 200), good for testing multiple models
  * • Gemini Flash – Best for long documents (1M context window)

====memory.md 예====

* memory-YYYY-MM-DD.md = 단기 캐시이다. 
  * 7일 넘기지 말 것
  * 반복·판단·위험 → memory.md로 병합

* memory.md는 500 tokens가 생존 한계 (30줄 × 15 tokens ≈ 450 tokens 추천)
  * 설명은 죄, 규칙만 허용

<file>
# Identity
- 로컬 실행 환경을 우선하는 OpenClaw 에이전트

# Priority
- 비용 최소화 > 편의성 > 상세 설명

# Cost Policy
- 로컬 모델 우선
- 클라우드 사용 시 사전 비용 명시
- 토큰 증가 선택지는 대안을 먼저 제시

# Output Rules
- 코드 요청 시 전체 코드 우선 제공
- 불필요한 설명 금지

# Web Policy
- 6개월 이상 최신성 요구 시 웹 검색 필수

</file>
====qmd====

https://github.com/tobi/qmd
를 사용해서 장기 기억을 인덱싱하고 검색함.

openclaw memory status
====cron/jobs.json====

작동하는 cron 예제.
<file json jobs.json>
{
  "version": 1,
  "jobs": [
    {
      "id": "d6206e6c-8544-4324-9062-435ba835864e",
      "name": "아침 날씨 알림",
      "enabled": true,
      "createdAtMs": 1771753627753,
      "updatedAtMs": 1771974387969,
      "schedule": {
        "expr": "1 8 * * *",
        "kind": "cron",
        "tz": "Asia/Seoul"
      },
      "sessionTarget": "isolated",
      "wakeMode": "now",
      "payload": {
        "kind": "agentTurn",
        "text": "Generate today's briefing: today's weather comparing yesterday's, use weather skill"
      },
      "delivery": {
        "mode": "announce",
        "channel": "heartbeat",
        "to": "6913272833"
      },
      "state": {
        "nextRunAtMs": 1772060460000,
        "lastRunAtMs": 1771974300009,
        "lastStatus": "ok",
        "lastDurationMs": 87960,
        "consecutiveErrors": 0,
        "lastRunStatus": "ok",
        "lastDeliveryStatus": "delivered",
        "lastDelivered": true
      }
    }
  ]
}

</file>

====Heartbeat.md 예제====

<file>
# 💓 HEARTBEAT CHECKLIST

CONTRACT: Reply HEARTBEAT_OK if nothing needs attention.
Gateway silently drops OK-only replies. Only message the user if action is needed.

---

## 1. 🧠 Memory Maintenance
- Check memory/ folder for .md files older than 3 days
- If any daily log has actionable items not yet in MEMORY.md:
  - Extract: decisions, preferences, project states, learned facts
  - Merge into the correct section of MEMORY.md
  - After merge, mark the daily log as [MERGED] at the top
- Skip entries that are just routine conversation (no lasting value)

## 2. 📋 Pending Tasks
- Scan MEMORY.md for any items tagged #todo or #pending
- If overdue → notify user
- If blocked → note what's missing in MEMORY.md

## 3. 🤖 Subagent Status
- Check if any subagents are currently active
- Do NOT interrupt active subagents
- If a subagent has been silent > 30min, flag it

## 4. 🔔 Proactive Actions
- Only attempt if no active subagents are running
- Examples: scheduled summaries, reminders, monitoring tasks

## 5. ✅ FINAL STEP (always last)
- If nothing above requires user attention → reply HEARTBEAT_OK
- Never send HEARTBEAT_OK before completing steps 1-4
</file>

====cron====

<file>
# 매일 오전 7시 브리핑 (isolated 세션)
openclaw cron add \
  --name "Morning brief" \
  --cron "0 7 * * *" \
  --tz "Asia/Seoul" \
  --session isolated \
  --message "오늘 브리핑: 날씨, 캘린더, 이메일 요약" \
  --announce

# 20분 후 one-shot 리마인더
openclaw cron add \
  --name "Meeting reminder" \
  --at "20m" \
  --session main \
  --system-event "회의 시작 10분 전입니다." \
  --wake now \
  --delete-after-run

openclaw cron add \
  --name "Morning briefing" \
  --cron "0 7 * * *" \
  --tz "America/New_York" \
  --session isolated \
  --message "Generate today's briefing: weather, calendar, top emails, news summary." \
  --model opus \
  --announce \
  --channel whatsapp \
  --to "+15551234567"

openclaw cron add \
  --name "Morning briefing" \
  --cron "0 8 * * *" \
  --tz "Asia/Seoul" \
  --session isolated \
  --message "Generate today's briefing: today's weather comparing yesterday's, web_fetch https://news.naver.com" \
  --model macmini \
  --announce \
  --channel telegram
</file>
=====보안=====

Tailscale을
Clawdbot이 설치된 컴퓨터와 메인 컴퓨터에 설치하세요. 앞서 언급했듯이 저는 Windows를 사용하고 있는데(놀랍죠!), Tailscale을 통해 원격 데스크톱을 사용할 수 있고, Tailscale이 설치된 다른 컴퓨터의 웹 인터페이스를 통해 Clawdbot을 제어할 수도 있습니다. 또한, 서버에서 원격 데스크톱용 RDP 포트를 열 필요가 없으므로 보안 측면에서 유리합니다.
 
  openclaw security audit --deep

chmod 700 ~/.openclaw
  chmod 600 ~/.openclaw/openclaw.json
  chmod 700 ~/.openclaw/credentials

=====설정 =====
====openclaw.json example====

컨텍스트 자동 압축 설정해주는 것이 좋다. 1M이라고 주장하는 제미나이도 너무 길어지면 오류난다.
150k~200K 이하가 적당함.

<file>
{
  "meta": {
    "comment": "Sanitized OpenClaw config example - replace placeholders with your values"
  },

"agents": {
    "defaults": {
      "model": {
        "comment": "Primary model + fallback chain. Keeps expensive models out of default path.",
        "primary": "anthropic/claude-sonnet-4-5",
        "fallbacks": [
          "kimi-coding/k2p5",
          "synthetic/hf:zai-org/GLM-4.7",
          "openrouter/openai/gpt-5-mini",
          "openrouter/openai/gpt-5-nano",
          "openrouter/google/gemini-3-flash-preview",
          "openrouter/google/gemini-2.5-flash-lite"
        ]
      },

"models": {
        "comment": "Model aliases for easier referencing",
        "anthropic/claude-haiku-4-5": {
          "alias": "haiku"
        },
        "anthropic/claude-sonnet-4-5": {
          "alias": "sonnet"
        }
      },

"workspace": "/path/to/your/.openclaw/workspace",

"memorySearch": {
        "comment": "Cheap embeddings for memory recall",
        "sources": ["memory", "sessions"],
        "experimental": {
          "sessionMemory": true
        },
        "provider": "openai",
        "model": "text-embedding-3-small"
      },

"contextPruning": {
        "comment": "Automatically prune old context, keep cache valid for 6h",
        "mode": "cache-ttl",
        "ttl": "6h",
        "keepLastAssistants": 3
      },

"compaction": {
        "comment": "Memory flush settings - distill sessions to daily memory files",
        "mode": "default",
        "memoryFlush": {
          "enabled": true,
          "softThresholdTokens": 40000,
          "prompt": "Extract key decisions, state changes, lessons, blockers to memory/YYYY-MM-DD.md. Format: ## [HH:MM] Topic. Skip routine work. NO_FLUSH if nothing important.",
          "systemPrompt": "Compacting session context. Extract only what's worth remembering. No fluff."
        }
      },

"heartbeat": {
        "comment": "Use cheapest model for background heartbeat checks",
        "model": "openrouter/openai/gpt-5-nano"
      },

"maxConcurrent": 4,
      "subagents": {
        "maxConcurrent": 8
      }
    },

"list": [
      {
        "id": "main",
        "default": true
      }
    ]
  },

"logging": {
    "comment": "Redact sensitive data from tool output in logs",
    "redactSensitive": "tools"
  },

"tools": {
    "web": {
      "search": {
        "enabled": true,
        "apiKey": "YOUR_BRAVE_SEARCH_API_KEY"
      },
      "fetch": {
        "enabled": true
      }
    }
  },

"messages": {
    "ackReactionScope": "group-mentions",
    "tts": {
      "auto": "inbound",
      "provider": "edge",
      "edge": {
        "enabled": true,
        "voice": "en-GB-RyanNeural"
      }
    }
  },

"channels": {
    "telegram": {
      "enabled": true,
      "dmPolicy": "pairing",
      "botToken": "YOUR_TELEGRAM_BOT_TOKEN",
      "groupPolicy": "allowlist",
      "streamMode": "partial"
    },
    "discord": {
      "enabled": true,
      "token": "YOUR_DISCORD_BOT_TOKEN",
      "groupPolicy": "allowlist",
      "dm": {
        "enabled": true,
        "policy": "allowlist",
        "allowFrom": ["YOUR_DISCORD_USER_ID"]
      },
      "guilds": {
        "YOUR_DISCORD_GUILD_ID": {
          "requireMention": false,
          "users": ["YOUR_DISCORD_USER_ID"],
          "channels": {
            "*": {
              "allow": true
            }
          }
        }
      }
    }
  },

"gateway": {
    "comment": "SECURITY: Bind to loopback (localhost) only, not 0.0.0.0",
    "port": 18789,
    "mode": "local",
    "bind": "loopback",
    "auth": {
      "mode": "token",
      "token": "YOUR_GATEWAY_AUTH_TOKEN",
      "allowTailscale": true
    },
    "tailscale": {
      "mode": "serve",
      "resetOnExit": true
    }
  },

"models": {
    "comment": "Example: Add Synthetic provider for free GLM/Kimi models",
    "mode": "merge",
    "providers": {
      "synthetic": {
        "baseUrl": "https://api.synthetic.new/anthropic",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "hf:zai-org/GLM-4.7",
            "name": "GLM-4.7",
            "reasoning": false,
            "input": ["text"],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 198000,
            "maxTokens": 128000
          },
          {
            "id": "hf:moonshotai/Kimi-K2.5",
            "name": "Kimi K2.5",
            "reasoning": true,
            "input": ["text"],
            "cost": {
              "input": 0,
              "output": 0,
              "cacheRead": 0,
              "cacheWrite": 0
            },
            "contextWindow": 256000,
            "maxTokens": 8192
          }
        ]
      }
    }
  },

"auth": {
    "comment": "API auth profiles - tokens stored in ~/.openclaw/credentials/",
    "profiles": {
      "kimi-coding:default": {
        "provider": "kimi-coding",
        "mode": "api_key"
      },
      "openrouter:default": {
        "provider": "openrouter",
        "mode": "api_key"
      },
      "synthetic:default": {
        "provider": "synthetic",
        "mode": "api_key"
      },
      "anthropic:default": {
        "provider": "anthropic",
        "mode": "token"
      }
    }
  }
}
</file>
=====models=====

M4 실리 경우
mlx 모델을 사용하는 것이 빠르다.

[[https://discuss.pytorch.kr/t/mlx-vlm-m5-apple-silicon-mlx-vlm/8963|mlx-vlm]],
[[https://github.com/waybarrios/vllm-mlx|vllm-mlx]] 참조.

모델이 플래시 어텐션을 켜고 작동하면 GGUF가 MLX보다 약간 더 빨라.

"한반도의 지정학적 중요성 알려줘"
 
 
 
### 요약
결국 한반도는 **"안보적 위험 (핵 문제, 북대서양)"** 과 **"경제적 가치 (무역, 기술, 에너지 공급)"** 이 충돌하는 지점이기 때문입니다. 따라서 세계 각국은 여기
의 상황 변화가 지역적 전쟁이나 경제 파장을 초래할 수 있으므로 항상 감시하고 있는 지정학적 "불안 요소"이자 동시에 "전략적 교차로"라고 평가됩니다.

## qwen3.5:4b

total duration:       2m9.078710125s
load duration:        1.027773417s
prompt eval count:    19 token(s)
prompt eval duration: 214.916625ms
prompt eval rate:     88.41 tokens/s
eval count:           2381 token(s)
eval duration:        2m5.437022108s
eval rate:            18.98 tokens/s

## qwen3.5:9b

total duration:       2m16.405829917s
load duration:        3.300296709s
prompt eval count:    19 token(s)
prompt eval duration: 353.761042ms
prompt eval rate:     53.71 tokens/s
eval count:           1757 token(s)
eval duration:        2m10.881691527s
eval rate:            13.42 tokens/s

## gpt-oss:20b

total duration:       1m29.23167875s
load duration:        3.888069916s
prompt eval count:    77 token(s)
prompt eval duration: 500.265375ms
prompt eval rate:     153.92 tokens/s
eval count:           2197 token(s)
eval duration:        1m23.066894938s
eval rate:            26.45 tokens/s

편집 요약

참고: 이 문서를 편집하면 내용은 다음 라이선스에 따라 배포하는 데 동의하는 것으로 간주합니다: CC Attribution-Noncommercial-Share Alike 4.0 International

연결문서