Что делают с OpenClaw на самом деле: разбор 150+ историй с Hacker News

На Hacker News появился тред с 150+ комментариями реальных пользователей OpenClaw. Без маркетинга, без «game-changer» — просто люди рассказывают, что они реально с этим делают, сколько платят и что постоянно ломается.

Мы проанализировали всё обсуждение и структурировали находки: рабочие паттерны использования, честные цифры по затратам, подводные камни и критику. Без притворства, что это волшебная технология.

Паттерн 1: Маленький бизнес на полном автопилоте

Кейс: Профессиональный садовник в Австралии использует OpenClaw для автоматизации коммерческих предложений. Раньше на подготовку PDF с расчётами уходил вечер. Теперь:

Клиент заполняет intake-форму
Агент генерирует PDF-пропозал 14–32 страницы через LaTeX
Интегрировано: Gmail, Xero MCP, Telegram (фото объектов)
«Освободило время для детей» — прямая цитата

Что нужно: NanoClaw (облегчённый форк), MCP-серверы (Xero, Gmail), LaTeX, cron для follow-up писем.

Стоимость: $100–150/мес на Claude Opus при активном использовании.

Паттерн 2: Семейная история через поколения

Кейс: Пользователь из Непала строит семейное древо через Telegram-бота с включённым Dreaming. Бот задаёт вопросы на непальском языке, сохраняет истории 50+ членов семьи, связывает факты между поколениями.

Ключевая фича: Dreaming анализирует накопленные диалоги ночью, выделяет связи между событиями и персонами. «Он запомнил, что дед рассказывал о войне, и связал это с датой из другого разговора».

Что нужно: Telegram-канал, Dreaming (memory), скилл file-ops для экспорта в Obsidian.

Паттерн 3: Трекинг калорий без приложений

Кейс: Вместо MyFitnessPal — сообщение агенту: «Отметь, что на обед было 825 ккал». OpenClaw ведёт CSV-лог с точностью 100% (по словам автора), строит сводки по неделям, предупреждает о тенденциях.

Почему работает: Не нужно открывать приложение, искать продукт, вводить граммы. Просто пишешь естественным языком.

Формат данных: CSV с колонками date, meal, calories, notes — можно импортировать куда угодно.

Паттерн 4: Утренний брифинг как подкаст

Кейс: Агент собирает календарь, почту, погоду, новости и генерирует RSS-фид. Пользователь слушает «дайджест дня» в подкаст-приложении по дороге на работу.

Интеграции: Google Calendar MCP, Gmail, weather API, TTS (ElevenLabs), RSS feed.

Код триггера:

Каждый день в 7:30:
1. Забери мои встречи на сегодня
2. Проверь важные письма (помеченные звёздочкой)
3. Погода в Москве
4. Главные новости ИИ за 24 часа
5. Сгенерируй текст брифинга и отправь в RSS

Паттерн 5: Память на Obsidian

Кейс: OpenClaw использует Obsidian-рандеву как память. Все диалоги, выводы, задачи сохраняются в markdown-файлы с тегами. Пользователь читает и редактирует эти файлы вручную — полная прозрачность.

Цитата: «Моя память OpenClaw — это просто папка с markdown-файлами. Она под версионным контролем, я могу читать и редактировать всё».

Преимущество: Нет vendor lock-in. Если завтра OpenClaw исчезнет — останется организованная база знаний.

Паттерн 6: Автоматизация продуктовых закупок

Кейс: Семья использует агента для управления продуктами:

Парсер цен в магазинах (cron каждые 4 часа)
Составление недельного меню на основе акций
Генерация списка покупок
Telegram для добавления «на лету»: «Нужна зубная паста» — агент добавляет в активный список

Интеграции: web-fetch (парсинг цен), Telegram, file-ops (меню и списки).

Паттерн 7: DevOps без ночных дежурств

Кейс: Разработчик настроил OpenClaw как «младшего DevOps-инженера»:

Агент берёт тикеты из Jira
Создаёт PR с исправлениями
Другой AI-агент (Code Reviewer) проверяет код
Автор получает только финальное одобрение

Сработало для: типовых багов, обновлений зависимостей, рефакторинга. Не сработало для архитектурных задач.

Паттерн 8: Генерация карточек для запоминания

Кейс: Ночной cron берёт заметки из Obsidian, генерирует flashcards (вопрос-ответ), загружает в кастомное приложение spaced repetition.

Формат: Front (вопрос) / Back (ответ) / Source (ссылка на заметку) / Tags (из Obsidian).

Исключение: Карточки без достаточного контекста не создаются — агент фильтрует «пустые» заметки.

Честный раздел: проблемы и критика

Цена: от $20 до $150 в месяц

Claude Opus 4.5/6: $100–150/мес при активном использовании с полным доступом к инструментам
Переход на Codex: снизило счёт до $20/мес (по отзыву того же пользователя)
DeepSeek/Ollama: $0–5/мес, но качество ниже на сложных задачах

Вывод из обсуждения: Для «production» использования (не игрушки) бюджет нужен реальный. Экономия на модели = потеря в качестве.

Хрупкость: «ломается каждое утро»

Множество пользователей подтвердили: агенты ненадёжны. Цитаты:

«Ломался каждое второе утро, говорил, что починился, и это больше не повторится. Повторялось»
«Я потратил больше времени на дебаг, чем сэкономил на автоматизации»
«Постоянно нужно следить, что он не ушёл в цикл или не начал галлюцинировать»

Частые причины:

Model context overflow (забывает контекст в длинных сессиях)
Tool calling loops (агент зацикливается на вызове инструментов)
Rate limiting от провайдеров
Breaking changes в обновлениях OpenClaw

Безопасность: «walking CVE»

Самая жёсткая критика в треде:

«Это самая большая регрессия в безопасности за всю историю человечества»
Агент с exec-доступом = потенциальный remote shell
MCP-серверы от незнакомцев = запуск чужого кода со своими ключами
Нет sandbox по умолчанию для многих конфигураций

Рекомендации из обсуждения:

Никогда не давайте exec без sandbox (Docker)
Используйте allowlist для разрешённых команд
Проверяйте MCP-серверы перед установкой
Отдельный API-ключ с ограниченным бюджетом

«Я могу сделать это cron-скриптом»

Классическая критика, как у раннего Dropbox («это же FTP + cron»):

«Всё, что я построил на OpenClaw, работало бы лучше как обычный скрипт»
«LLM нужен только там, где нужно понимание языка. Остальное — код»
«Переписал на Python: в 10 раз быстрее, в 100 раз дешевле, работает стабильно»

Контр-аргументы сторонников:

Скрипт не адаптируется к неструктурированному вводу
Скрипт не «понимает» контекст из прошлых взаимодействий
OpenClaw — это оркестратор, не замена коду

Для чего OpenClaw реально подходит

На основе анализа 150+ комментариев:

Сценарий	Подходит?	Почему
Персональный ассистент (Telegram)	✅ Да	Нативная интеграция, работает из коробки
Работа с неструктурированными данными	✅ Да	Там, где нужен NLP, а не парсер
Память/контекст между сессиями	✅ Да	Dreaming и memory — сильная сторона
Исследования и summaries	✅ Да	Лучше, чем ручной поиск
Автоматизация с чёткими правилами	⚠️ Спорно	Лучше n8n или скрипты
Критический production	❌ Нет	Слишком хрупко, требует постоянного надзора
Бизнес с высокими ставками	❌ Нет	Цена + риск ошибки неоправданны

Практические выводы

Что работает прямо сейчас

Telegram + простые команды — самый стабильный паттерн
Obsidian как память — полный контроль над данными
Morning briefings — рутинная задача, где хуже не станет
Черновики и идеи — генерация карточек, структурирование заметок

Что требует осторожности

Exec/policy automation — любой код может сломать систему
Долгие автономные задачи — агенты забывают цель в длинных сессиях
Критические бизнес-процессы — лучше иметь fallback без LLM

Источник и благодарности

Оригинальный тред: news.ycombinator.com/item?id=47783940

Спасибо сообществу Hacker News за честные отзывы — как позитивные, так и критические. Эта статья не была бы возможна без открытого обсуждения реальных проблем.