Za 7 dana preko 9000 zvezdica — Go verzija OpenClaw-a je stigla, uz tutorijal za integraciju sa DingTalk-om.

OpenClaw je popularan već neko vreme; ove nedelje, osim Seedance 2.0 koji mu može parirati, nema više nikoga.

Čak i ova reprodukcija, PicoClaw, za samo nedelju dana prikupila je preko 9000 zvezdica.

Prepisan u Go-u, može da se integriše sa platformama poput DingTalk-a, Discord-a; ključno — veoma je lako za početak, za 10 minuta je pokrenut.

I ja sam ga integrisao sa DingTalk-om i izgradio bota PaiSmart. U nastavku ću vam detaljno predstaviti ovaj projekat — zašto je postao popularan, kako ga iskoristiti za integraciju sa DingTalk-om i koja je vrednost ovog projekta pri traženju posla.

01. Zašto je OpenClaw iznenada postao toliko popularan

Pre nego što pričamo o PicoClaw-u, da kažemo nešto o tome zašto je OpenClaw eksplodirao.

Ključni razlog: pretvorio je AI iz alata za razgovor u digitalnog radnika koji može da obavlja posao.

Raniji AI asistenti su mogli samo da daju savete i odgovaraju na pitanja. Pitate ih da mi rezervišete sutrašnju salu za sastanak — oni će vam reći kako da to uradite, ali vi i dalje morate sami da otvorite pretraživač, prijavite se u sistem i klikćete dugmiće.

OpenClaw je drugačiji. On može direktno da kontroliše vaš računar, pokreće skripte, otvara pretraživač, klikće dugmiće, prenosi fajlove, čak i napiše kod i odmah ga pokrene lokalno.

To je kvalitativni skok od razgovora do izvršenja.

Drugi razlog eksplozije OpenClaw-a jelokalna prvenstvo.

Danas većina AI aplikacija radi u oblaku; vaši podaci, evidencija razgovora i tok rada su na serverima drugih. OpenClaw, naprotiv, u potpunosti radi na vašem uređaju; ima sistemsku dozvolu, podatke čuva lokalno i privatnost je potpuno pod kontrolom.

Za preduzeća i developere to znači da osetljivi podaci ne napuštaju lokalno okruženje, pozivi API-ja su kontrolisani, a može se čak integrisati i sa intranet sistemima.

02. Instalacija PicoClaw-a

PicoClaw nudi više načina instalacije; ja sam izabrao Docker, sa najmanje zavisnosti okruženja i zgodan za brz početak.

Prvo pomoću GitHub desktop aplikacije preuzmite repozitorijum lokalno.

Sledeći je ključni korak konfiguracije. Otvorite ~/.picoclaw/config.json i konfigurišite svog LLM provajdera.

Ja koristim Zhipu-ov GLM-5:

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model": "glm-5",
      "max_tokens": 8192,
      "temperature": 0.7,
      "max_tool_iterations": 20
    }
  },
  "providers": {
    "zhipu": {
      "api_key": "vaš Zhipu API Key",
      "api_base": "https://open.bigmodel.cn/api/paas/v4"
    }
  }
}

Prefiks API-ja za Zhipu Plan paket je https://open.bigmodel.cn/api/coding/paas/v4. Pazite da ne pogrešite.

Nakon završetka konfiguracije, možete direktno pomoću Docker-a preuzeti sliku:

docker compose --profile gateway up -d

Za interaktivno ćaskanje direktno pokrenite:

docker compose run --rm picoclaw-agent

Tako ulazite u interaktivno okruženje nalik REPL-u u koem možete voditi kontinuirani razgovor.

Prompt koji sam uneo je: danas je prvi dan prolećnog festivala u Godini konja; koliko je drugova još uvek u kalemu?

Odgovor nije loš.

03. Integracija sa DingTalk-om

Ovog puta želimo da realizujemo sledeću funkcionalnost: pomoću PicoClaw-a se povezati sa DingTalk-om i izgraditi bota PaiSmart koji može da obrađuje svakodnevne upite, postavlja podsetnike i pretražuje materijale.

Prvi korak — otiđite na developerski centar DingTalk-a, https://open.dingtalk.com/, i kliknite na kreiranje aplikacije.

Unesite ime, opis i otpremite ikonu, zatim kliknite na sačuvaj.

Drugi korak — uđite u konfiguraciju bota. Ime bota može se izabrati da bude ime aplikacije; isto važi i za ikonu.

Zatim popunite kratak opis bota, opis bota itd.

Važno je da režim prijema poruka izaberete kao stream režim.

Zvanično objašnjenje je sledeće. Za razliku od HTTP režima, Stream režim može da osluškuje povratne pozive bota, povratne pozive za pretplatu na događaje i registruje povratne pozive kartica. DingTalk otvorena platforma će komunicirati sa aplikacijom preko Websocket veze, što će znatno smanjiti prag integracije i zavisnosti od resursa; ne zahteva javni server, IP, domen i slične resurse.

Treći korak — uđite u upravljanje verzijama i objavljivanje.

Kreirajte novu verziju, popunite broj verzije, opis, izaberite vidljivo osoblje itd., a zatim kliknite na sačuvaj.

Zatim se vratite na akreditive i osnovne informacije, kopirajte Client ID i Client Secret, spremne za unos u konfiguracioni fajl PicoClaw-a.

Dobro, vratite se u konfiguracioni fajl PicoClaw-a, pronađite stavku za DingTalk ispod channels i unesite prethodno kopirane Client ID i Client Secret.

{
  "channels": {
    "dingtalk": {
      "enabled": true,
      "clientId": "vaš Client ID",
      "clientSecret": "vaš Client Secret",
      "allowFrom": ["vaš korisnički ID"]
    }
  }
}

Ponovo pokrenite Gateway.

docker compose restart picoclaw-gateway

Ako vidite DingTalk channel started, to znači da je integracija uspela.

Vratite se na DingTalk i pošaljite poruku svom botu.

U poruci pretražite[PaiSmart]i videćete bota koji smo ranije kreirali.

Ranije sam, čim bih završio objavu, dolazio da pretražujem i nikako ga ne bih našao; izašao sam u šetnju sa psom, kad se vratim — pretraga ga pronađe; ne znam zašto.

Uglavnom, ako ga ne pronađete odmah, sačekajte malo i pokušajte ponovo.

Ja sam čak stalno sumnjao da sam negde pogrešno odradio.

Dobro, vratimo se u prozor za razgovor sa PaiSmart-om, unesite bilo kakav prompt i vidimo da li može da odgovori.

Da pozovemo šefa da izbaci novčanu nagradu — takođe radi.

04. Vrednost OpenClaw-a pri traženju posla

Pregledao sam nedavno prilično mnogo JD-ova za AI Agent pozicije i otkrio trend:preduzeća sve više cene inženjersku sposobnost u AI aplikacijama, a ne samo pozivanje API-ja.

Nekoliko tipičnih zahteva iz JD-a:

• Poznavanje tehnologija oko velikih modela (RAG, Prompt inženjerstvo)
• Sposobnost dizajna i orkestracije Agent radnih tokova
• Poznavanje Agent okvira poput OpenClaw-a, LangGraph-a
• Iskustvo u stvarnoj primeni projekata

Drugim rečima, samo znati pisati pozive OpenAI API-ju radi razgovora više nije dovoljno. Intervjuer želi da vidi:

• Da li možete da dizajnirate kompletan radni tok Agenta
• Da li razumete upravljanje memorijom Agenta, razlaganje zadataka, pozivanje alata
• Da li imate iskustvo u stvarnoj primeni Agenta u poslovni scenario

Projekti poput OpenClaw ili PicoClaw vam upravo pomažu da nadoknadite te sposobnosti.

05. Razlika između PicoClaw-a i OpenClaw-a

PicoClaw je ultralaki AI Agent koga je Sipeed otvorio kao open source; napisan je u Go-u iznova i pozicioniran kao zamena za OpenClaw.

Sa stanovišta dizajna arhitekture, jezgrona filozofija dva projekta je različita:

Filozofija dizajna OpenClaw-a: funkcionalno potpun, bogat dodacima, vođen zajednicom.

On ima kompletni ekosistem (ClawHub), podržava automatizaciju pretraživača (Playwright), vizuelni interfejs za konfiguraciju i više rešenja za skladištenje (JSONL, SQLite, Vector). Ako vam treba sveobuhvatan Agent okvir, OpenClaw je prvi izbor.

Filozofija dizajna PicoClaw-a: ekstremna lakoća, efikasnost resursa, pogodnost za ugrađivanje.

On izračunavski intenzivno LLM rezonovanje outsorsuje na API u oblaku, dok lokalno radi samo rutiranje poruka, upravljanje sesijama i čuvanje memorije. Prednost je izuzetno niska zauzećost memorije; može da radi na RISC-V razvojnoj ploči, industrijskom kontroleru, pa čak i na kameri.

Razlika u izboru tehnologije je takođe zanimljiva:

OpenClaw koristi TypeScript; prednost je bogat frontend ekosistem, visoka efikasnost razvoja i aktivna zajednica. Ali TypeScript zavisi od Node.js runtime-a, memorijski trošak je velik i deploy na ugrađene uređaje je otežan.

PicoClaw koristi Go; kompajlira se u jedinstveni binarni fajl bez runtime zavisnosti. Go-ovo upravljanje memorijom je efikasnije, prirodno podržava konkurentnost, a unakrsno kompajliranje se rešava jednom komandom za tri platforme: RISC-V, ARM, x86.

06. Upis u biografiju

Dobro, praktičan zadatak je završen; da pričamo o tome kako ovaj projekat upisati u biografiju.

Naziv projekta: Integracija enterprise AI Agent-a sa DingTalk-om na osnovu PicoClaw-a

Kratak opis: Na osnovu ultralakog AI Agent okvira PicoClaw, pisanog u Go-u, realizovana je integracija DingTalk enterprise aplikacije preko Stream režima; izgrađen je inteligentni asistent sa privatnim deploy-jem koji podržava razgovor na prirodnom jeziku, zakazane zadatke, dugoročnu memoriju i druge funkcije.

Tehnološki stek: Go 1.21+, Zhipu GLM-4.7 / OpenRouter API, DingTalk Stream SDK, WebSocket, Docker

Ključne odgovornosti:

• Na osnovu okvira PicoClaw završena je lokalna kompilacija i deploy; konfigurisan je Zhipu GLM-5 kao donji motor za rezonovanje i realizovane su jezgrene sposobnosti Agenta (razgovor, pretraga, memorija).
• Proučavan mehanizam integracije DingTalk Stream režima; konfigurisan WebSocket komunikacioni kanal i realizovana je integracija enterprise aplikacije bez javnih resursa, čime se izbegavaju zavisnost od domena i servera koju donosi tradicionalni HTTP režim.
• Dizajniran mehanizam korisničkog allow-list-a radi obezbeđenja sistemskog bezbednosti; realizovana je kontrola pristupa zasnovana na DingTalk korisničkom ID-u radi sprečavanja neovlašćenih poziva.
• Konfigurisan mehanizam otkucaja srca (Heartbeat) za automatsko izvršavanje periodičnih zadataka; podržano je kreiranje pod-Agenta preko spawn radi asinhrone obrade dugotrajnih zadataka (npr. pretraga interneta, analiza podataka), čime se osigurava da glavni proces ne blokira pri odgovoru.
• Uporedno proučavanje razlika u arhitekturi PicoClaw-a i OpenClaw-a; razumevanje patern-a slojevitog dizajna „lokalna koordinacija + rezonovanje u oblaku“ i inženjerskih prednosti Go-ovog kompajliranja u jedan binarni fajl i deploy-ja na više platformi.

07. Moguća pitanja na intervjuu

Pošto se upisuje u biografiju, na intervjuu će sigurno biti pitano. Pripremio sam vam unapred nekoliko čestih pitanja:

Q1: Koja je ključna razlika između OpenClaw-a i PicoClaw-a? Zašto jedan u izboru tehnologije koristi TypeScript, a drugi Go?

Odgovor: OpenClaw je pozicioniran kao funkcionalno potpun Agent okvir, razvijen u TypeScript-u; prednost mu je bogat frontend ekosistem, aktivna zajednica i visoka efikasnost razvoja, pogodan za scenarije koji zahtevaju vizuelni interfejs i bogate dodatke. Ali zavisi od Node.js runtime-a, zauzeće memorije je veliko (preko 1GB), pokretanje sporo (preko 500 sekundi), a deploy na ugrađene uređaje ili servere niske konfiguracije je otežan.

PicoClaw je pozicioniran kao ultralaki Agent, prepisan u Go-u. Go se kompajlira u jedinstveni statički binarni fajl, bez runtime zavisnosti, zauzeće memorije ispod 10MB, pokretanje ispod 1 sekunde, prirodno podržava unakrsno kompajliranje; jednom komandom mogu se kompajlirati izvršni fajlovi za tri platforme: RISC-V, ARM, x86. Pogodan za okruženja sa ograničenim resursima, rubne uređaje i scenarije brzog deploy-ja.

Suštinska razlika u izboru tehnologije je: OpenClaw teži funkcionalnoj potpunosti, dok PicoClaw teži ekstremnoj optimizaciji resursa.

Q2: Koja je razlika između DingTalk Stream režima i tradicionalnog HTTP režima? Zašto Stream režim ima niži prag?

Odgovor: Tradicionalni HTTP režim podrazumeva da DingTalk server aktivno gura poruke na vaš server, pa vam je potreban javni IP, domen, SSL sertifikat i konfiguracija webhook povratnog poziva. Za pojedinačnog developera, već je naporno rešiti te preduslove.

Stream režim podrazumeva da vaša aplikacija aktivno uspostavlja WebSocket vezu ka DingTalk serveru, a DingTalk gura poruke preko te duge veze. Tako nije potrebno javne resurse; i lokalno razvojno okruženje i intranet serveri mogu biti integrisani.

Sa arhitektonske strane, Stream režim je režim povlačenja (aplikacija povuče poruke), dok je HTTP režim režim guranja (DingTalk gura poruke). Prednost režima povlačenja je fleksibilan deploy i lako otklanjanje grešaka.

Q3: Koji je princip traka-stil reda instrukcija u OpenClaw-u? Zašto je ovako dizajniran?

Odgovor: Red instrukcija u traka-stilu je mehanizam kojim OpenClaw rešava konflikt istovremenosti. Prosto rečeno, kada Agent izvršava zadatak, svakom korisniku (ili sesiji) dodeljuje se nezavisna traka; instrukcije unutar trake se izvršavaju sekvencijalno, a trake između sebe paralelno i izolovano.

Zašto ovakav dizajn? Zato što Agent operiše sistemskim resursima (fajlovi, pretraživač, mreža); ako se više zadataka izvršava istovremeno, može doći do konkurencije za resurse i konflikta stanja. Na primer, dva zadatka istovremeno pišu u isti fajl ili istovremeno upravljaju istim prozorom pretraživača — nastaje problem.

Mehanizam traka obezbeđuje da se zadaci istog korisnika izvršavaju po redosledu, izbegavajući sukob sam sa sobom, dok se zadaci različitih korisnika mogu obraditi paralelno, bez međusobnog blokiranja. To je tipičan model konkurentnosti — jedan korisnik sekvencijalno, više korisnika paralelno.

Q4: Ako bi ti zadatak optimizacije PicoClaw-a, iz kojih pravaca bi krenuo?

Odgovor: Nekoliko pravaca:

Prvo, podrška za degradaciju na lokalni mali model. Trenutno PicoClaw potpuno zavisi od API-ja u oblaku; ako mreža padne ili API ograniči protok, potpuno je neupotrebljiv. Može se razmotriti integracija Ollame ili llama.cpp i lokalno pokretanje malih modela poput Phi-3, Qwen-1.5B, uz automatsku degradaciju na lokalno rezonovanje pri mrežnim anomalijama.

Drugo, optimizacija čuvanja i pretrage dugoročne memorije. Trenutno se memorija čuva u fajlu MEMORY.md, a pretraga ide preko Grep-a, što nije efikasno. Može se uvesti SQLite + FTS5 pretraga celog teksta ili koristiti vektorska baza (Chroma, Qdrant) radi podrške za semantičku pretragu.

Treće, pojačanje sposobnosti orkestracije zadataka. Trenutno je izvršenje zadataka u PicoClaw-u prilično linearno; može se pozvati na pristup LangGraph-a i podržati orkestraciju usmerenog acikličnog grafa (DAG), realizujući uslovne grane, petlje i paralelno izvršavanje.

Četvrto, usavršavanje nadzora i opservabilnosti. Dodati jednostavan Web Dashboard koji prikazuje istoriju izvršenja zadataka, statistiku poziva API-ja i logove grešaka, radi lakšeg otklanjanja problema.

08. Vrednost OpenClaw-a u razvoju AI Agent-a

Za kraj, da pričamo o vrednosti učenja.

Mnogi možda misle da su OpenClaw ili PicoClaw samo okviri; naučiš da ih koristiš i gotovo, nema potrebe dublje proučavati principe.

Moje mišljenje je upravo suprotno:vrednost ovakvih projekata nije u tome da se znaju, već u tome da se razume zašto su ovako dizajnirani.

U arhitektonskom dizajnu OpenClaw-a krije se mnogo inženjerske mudrosti:

1. Vrednost slojevitog dizajna

Sloj mrežnog prolaza (Orchestrator), sloj izvršenja (Agent Runner), sloj skladištenja (Memory), sloj bezbednosti (Security) — svaki sloj ima jasne odgovornosti i može se nezavisno zameniti. Ovakav slojevit pristup primenljiv je u svakom srednjem i velikom sistemu.

2. Obrada asinhronih zadataka

Heartbeat mehanizam otkucaja srca + spawn pod-Agenta obezbeđuje da dugi zadaci ne blokiraju glavni proces. To je tipičan model reda zadataka + Worker, veoma čest u backend razvoju.

3. Odabir lokalne prvenstva

Radi privatnosti i kontrole, izabran je lokalni deploy, uz cenu složenosti deploy-ja i zauzeća resursa. PicoClaw je kompromis napravio preko lokalne koordinacije + rezonovanja u oblaku; ovakva sposobnost odmeravanja ključna je u arhitektonskom dizajnu.

4. Implementacija sigurnosnih mehanizama

Allow lista, klasifikacija instrukcija, kontrola ovlašćenja — sve su to sigurnosni dizajni neophodni za enterprise aplikacije. Naučite ovo i primenjivaće se u svakom sistemu koji uključuje ovlašćenja.

Sa stanovišta traženja posla, projekat OpenClaw vam pomaže da izgradite kognitivni okvir inženjerstva AI aplikacija.

Intervjuer neće pitati znate li da pozovete OpenAI API — to je previše osnovno.

Pitaće:

• Kako dizajnirate skalabilnu arhitekturu Agenta?
• Kako obrađujete izuzetke i ponovne pokušaje pri izvršenju zadataka Agenta?
• Kako obezbeđujete sigurnost i kontrolu Agenta?
• Kako balansirate troškove lokalnog deploy-ja i poziva u oblaku?

Odgovori na ova pitanja nalaze se u arhitekturi OpenClaw-a i PicoClaw-a.

ending

Eksplozija OpenClaw-a nije slučajna.

Pogodio je nekoliko ključnih tačaka: skok sposobnosti od razgovora do izvršenja, zaštita privatnosti zasnovana na lokalnoj prvenstvu i iskustvo deploy-ja koje radi odmah.

PicoClaw je ovu ideju u Go-u sveo na ekstremnu lakoću, omogućivši AI Agentu da radi na bilo kom uređaju.

Sa stanovišta učenja, ova dva projekta daju nam kompletan uzorak inženjerstva AI Agent-a.

Sa stanovišta traženja posla, to je projekat koji se može upisati u biografiju, izdržati dodatna pitanja i pokazati inženjersko razmišljanje.

Nakon što sam lično integrisao PicoClaw sa DingTalk-om, najveći utisak mi je:

[Vrednost AI Agent-a nije u tome koliko je pametan, već u tome u kojoj meri se može integrisati u vaš radni tok.]

OpenClaw i PicoClaw rade upravo to — pretvaraju AI iz alata koji povremeno otvorite da proćaskate, u asistenta koji vam stalno radi u pozadini.

To je i konačnica AI Agent-a.

Oni koji nisu probali, neka odvoje pola sata da ga provedu kroz jednu rundu.