OpenClaw چیست؟ آشنایی با دستیار هوش مصنوعی متنباز و قابلیتهای آن

ابزارهای هوش مصنوعی در سالهای اخیر تغییرات زیادی داشتهاند. در ابتدا، بیشتر کاربران از این ابزارها برای پاسخدادن به پرسشها، تولید متن یا دریافت راهنمایی استفاده میکردند؛ اما نسل جدید دستیارهای هوشمند میتوانند فراتر از گفتوگو عمل کنند. آنها به ابزارهای مختلف متصل میشوند، اطلاعات را از منابع گوناگون جمعآوری میکنند، با فایلها کار میکنند و حتی بخشی از فرایندهای روزمره را بهصورت خودکار پیش میبرند.
OpenClaw یکی از پروژههایی است که با همین رویکرد توسعه پیدا کرده است. این ابزار متنباز به کاربران اجازه میدهد یک دستیار هوش مصنوعی را روی سیستم شخصی یا سرور خود راهاندازی کنند و از طریق پیامرسانها و ابزارهای مختلف با آن ارتباط داشته باشند. در این مقاله با نحوه عملکرد OpenClaw، قابلیتها، کاربردها، روش راهاندازی و منابع سختافزاری موردنیاز آن آشنا میشویم.
OpenClaw چیست و چه تفاوتی با چتباتهای معمولی دارد؟
OpenClaw یک دستیار هوش مصنوعی متنباز و خودمیزبان است که میتواند به مدلهای زبانی، پیامرسانها و ابزارهای مختلف متصل شود. برخلاف چتباتهایی که صرفا به دریافت پیام و تولید پاسخ محدود هستند، OpenClaw امکان اجرای عملیات مشخص را نیز فراهم میکند.
برای مثال، تصور کنید از یک چتبات معمولی بخواهید فایلهای موجود در یک پوشه را بررسی کند و گزارشی از محتوای آنها تهیه کند. این چتبات ممکن است راهنمایی لازم را ارائه دهد، اما لزوما امکان دسترسی مستقیم به فایلها و انجام این کار را ندارد. در مقابل، OpenClaw میتواند با دریافت مجوزهای لازم، فایلها را بخواند، اطلاعات موردنیاز را استخراج کند و نتیجه را از طریق همان کانال ارتباطی در اختیار شما قرار دهد.
یکی از ویژگیهای مهم این پروژه، امکان خودمیزبانی است. به این معنا که کاربر میتواند OpenClaw را روی کامپیوتر شخصی، سرور مجازی یا سرور اختصاصی نصب کند و مدیریت محیط اجرا، تنظیمات، اطلاعات ذخیرهشده و دسترسیها را در اختیار داشته باشد.
البته باید به یک تفاوت مهم توجه کرد: OpenClaw خودش یک مدل هوش مصنوعی نیست. این ابزار برای تحلیل درخواستها و تصمیمگیری به یک مدل زبانی نیاز دارد. این مدل میتواند از طریق API یک سرویس هوش مصنوعی در دسترس باشد یا روی زیرساخت شخصی کاربر اجرا شود.
OpenClaw چگونه کار میکند؟
برای درک بهتر عملکرد OpenClaw، باید با چند بخش اصلی معماری آن آشنا شویم. این اجزا در کنار یکدیگر امکان دریافت درخواست، پردازش آن و اجرای عملیات موردنیاز را فراهم میکنند.
ارتباط با مدلهای هوش مصنوعی
مدل زبانی بخش اصلی پردازش درخواستها را بر عهده دارد. وقتی کاربر پیامی برای دستیار ارسال میکند، OpenClaw درخواست را همراه با اطلاعات و ابزارهای در دسترس به مدل میفرستد. مدل پس از بررسی درخواست، مشخص میکند که چه پاسخی باید ارائه شود یا برای تکمیل کار به کدام ابزار نیاز دارد.
برای این ارتباط دو روش اصلی وجود دارد:
- استفاده از API: در این روش، درخواستها به سرویسهایی مانند OpenAI یا سایر ارائهدهندگان مدل ارسال میشوند و پردازش روی زیرساخت آنها انجام میشود. این روش راهاندازی سادهتری دارد و به سختافزار قدرتمند برای اجرای مدل نیازمند نیست.
- اجرای مدل بهصورت محلی: در این حالت، مدل روی سیستم یا سرور خود کاربر اجرا میشود. ابزارهایی مانند Ollama، LM Studio و vLLM میتوانند برای مدیریت و اجرای مدلهای محلی مورد استفاده قرار بگیرند.
انتخاب میان این دو روش به بودجه، منابع سختافزاری، سطح محرمانگی اطلاعات و میزان پردازش موردنیاز بستگی دارد.
نقش Gateway در معماری OpenClaw
Gateway بخش مرکزی ارتباطات OpenClaw است. این سرویس بهصورت مداوم اجرا میشود و ارتباط میان پیامرسانها، رابط کاربری، مدل هوش مصنوعی و سایر اجزای سیستم را مدیریت میکند.
برای مثال، زمانی که کاربر از طریق تلگرام پیامی ارسال میکند، Gateway پیام را دریافت میکند، آن را به عامل هوش مصنوعی مربوط میرساند و نتیجه پردازش را دوباره به همان کانال بازمیگرداند. مدیریت نشستها، اتصال به سرویسهای مختلف و دریافت رویدادها نیز از وظایف این بخش است.
این ساختار باعث میشود برای استفاده از چند کانال ارتباطی، نیازی به راهاندازی یک دستیار جداگانه برای هر پیامرسان نباشد.
اتصال به ابزارها و سرویسهای مختلف
OpenClaw میتواند از طریق ابزارهای تعریفشده با محیط اطراف خود تعامل داشته باشد. مرورگر، سیستم فایل، اجرای دستورات و سرویسهای خارجی از جمله امکاناتی هستند که میتوانند در اختیار عامل هوش مصنوعی قرار بگیرند.
البته دسترسی به این امکانات خودکار و بدون محدودیت نیست. مدیر سیستم میتواند مشخص کند دستیار به چه ابزارهایی دسترسی داشته باشد و کدام عملیات برای اجرای آن به تایید کاربر نیاز دارند.
مهمترین قابلیتهای OpenClaw چیست؟
قابلیتهای OpenClaw تنها به پاسخگویی به پیامها محدود نمیشوند. ترکیب مدل زبانی با ابزارهای اجرایی باعث شده است این پروژه برای خودکارسازی طیف گستردهای از فعالیتها قابل استفاده باشد.
اتصال به پیامرسانهای مختلف
یکی از ویژگیهای کاربردی OpenClaw، امکان ارتباط با پیامرسانهایی مانند Telegram، WhatsApp، Discord و Slack است. کاربران میتوانند بدون مراجعه به یک پنل جداگانه، درخواستهای خود را از طریق پیامرسان موردعلاقهشان ارسال کنند.
برای مثال، مدیر یک کسبوکار میتواند از طریق تلگرام از دستیار بخواهد وضعیت یک سرویس را بررسی کند یا گزارشی از اطلاعات جمعآوریشده تهیه کند. نتیجه نیز از همان مسیر در اختیار او قرار میگیرد.
خودکارسازی وظایف تکراری
OpenClaw امکان تعریف وظایف زمانبندیشده و اجرای خودکار برخی فرایندها را فراهم میکند. به کمک قابلیتهایی مانند Cron و Heartbeat میتوان فعالیتهایی را در زمان مشخص یا براساس شرایط تعریفشده اجرا کرد.
برای نمونه، میتوان دستیار را طوری تنظیم کرد که هر روز صبح اطلاعات مشخصی را جمعآوری کند، گزارش کوتاهی تهیه کند و آن را برای مدیر مجموعه بفرستد. Webhookها نیز امکان شروع فرایندها در واکنش به رویدادهای سرویسهای دیگر را فراهم میکنند.
تعامل با مرورگر و وب
با فعالکردن ابزارهای مرورگر، دستیار میتواند برخی فعالیتهای تحت وب را انجام دهد. جستوجوی اطلاعات، بازکردن صفحات، استخراج دادهها و تعامل با عناصر موجود در وبسایتها از جمله این فعالیتها هستند.
برای مثال، میتوان از دستیار خواست اطلاعات چند محصول را از وبسایتهای مشخص جمعآوری و در قالب یک گزارش مقایسهای ارائه کند. البته انجام این کار به تنظیمات مرورگر، دسترسیهای تعریفشده و محدودیتهای وبسایت مقصد بستگی دارد.
مدیریت فایلها و اجرای دستورات
OpenClaw در صورت دریافت مجوزهای لازم میتواند فایلها را بخواند، محتوای آنها را بررسی کند و عملیات مشخصی روی آنها انجام دهد. همچنین امکان اجرای دستورات سیستمی از طریق ابزارهای مربوط به این قابلیت وجود دارد.
برای مثال، یک توسعهدهنده میتواند از دستیار بخواهد فایلهای Log یک سرویس را بررسی کند و خطاهای مهم را استخراج کند. در صورت فراهمبودن دسترسی مناسب، دستیار حتی میتواند دستورات مشخصی را برای بررسی وضعیت سرویس اجرا کند.
حافظه و مدیریت چند عامل هوشمند
OpenClaw از سازوکار حافظه برای نگهداری اطلاعات موردنیاز در تعاملات مختلف استفاده میکند. این قابلیت به دستیار کمک میکند اطلاعات مهم، ترجیحات کاربر و جزئیات مرتبط با فعالیتهای قبلی را در مراجعات بعدی در دسترس داشته باشد.
همچنین امکان تعریف چند عامل هوشمند با تنظیمات و وظایف جداگانه وجود دارد. برای مثال، یک عامل میتواند مسئول بررسی اطلاعات فنی باشد و عامل دیگری وظیفه تهیه گزارش یا مدیریت درخواستها را بر عهده بگیرد. این تفکیک به سازماندهی بهتر فعالیتها کمک میکند، هرچند هر عامل باید دسترسیهای متناسب با وظیفه خود داشته باشد.
OpenClaw چه کاربردهایی در دنیای واقعی دارد؟
ارزش اصلی OpenClaw زمانی مشخص میشود که آن را برای حل یک مسئله واقعی به کار بگیریم. بسته به ابزارهای متصل و سطح دسترسی، این دستیار میتواند در فعالیتهای شخصی و کاری مختلف مورد استفاده قرار بگیرد.
خودکارسازی فعالیتهای روزمره
بسیاری از کاربران روزانه بخشی از زمان خود را صرف کارهای تکراری میکنند؛ از بررسی پیامها و تهیه گزارش گرفته تا پیگیری یادآوریها و جمعآوری اطلاعات.
OpenClaw میتواند بخشی از این فعالیتها را خودکار کند. برای مثال، دستیار میتواند پیامهای مشخصی را خلاصه کند، رویدادهای مهم را یادآوری کند یا در زمان تعیینشده گزارشی از وظایف انجامشده تهیه کند.
استفاده در برنامهنویسی و توسعه نرمافزار
توسعهدهندگان میتوانند OpenClaw را به محیط کاری و ابزارهای توسعه متصل کنند. بررسی فایلهای پروژه، تحلیل Logها، اجرای دستورات مجاز و جمعآوری اطلاعات فنی از جمله کاربردهای احتمالی آن هستند.
برای مثال، میتوان از دستیار خواست خروجی اجرای یک برنامه را بررسی کند، خطاهای احتمالی را تشخیص دهد و پیشنهادهایی برای رفع آنها ارائه کند. البته تصمیمگیری درباره تغییرات مهم کد یا اجرای دستورات حساس بهتر است همچنان با نظارت توسعهدهنده انجام شود.
استفاده در کسبوکارها و تیمهای کاری
در محیطهای کاری، OpenClaw میتواند بهعنوان واسطهای میان کارکنان و ابزارهای مختلف سازمان عمل کند. جمعآوری اطلاعات از سرویسها، تهیه گزارشهای دورهای، پیگیری درخواستها و هماهنگی برخی فعالیتهای تکراری از جمله موارد استفاده آن هستند.
برای مثال، یک تیم پشتیبانی میتواند دستیار را به منابع اطلاعاتی مشخص متصل کند تا پاسخ اولیه درخواستهای متداول را آماده کند یا موارد نیازمند بررسی بیشتر را به مسئول مربوط ارجاع دهد.
ساخت دستیار هوشمند شخصی
کاربران میتوانند با اتصال OpenClaw به پیامرسانها، ابزارهای مدیریت کار، فایلها و سرویسهای موردنیاز خود، یک دستیار شخصی متناسب با فعالیتهایشان ایجاد کنند.
مزیت این روش، امکان تغییر تنظیمات و انتخاب ابزارها براساس نیاز واقعی کاربر است. در نتیجه، بهجای استفاده از یک دستیار با قابلیتهای ثابت، میتوان محیطی ساخت که بهمرور با نیازهای جدید توسعه پیدا کند.
چگونه OpenClaw را نصب و راهاندازی کنیم؟
راهاندازی اولیه OpenClaw پیچیدگی زیادی ندارد، اما انتخاب روش نصب به سیستمعامل و محیط اجرای موردنظر بستگی دارد. برای نصب روی سرور لینوکسی، میتوان مراحل زیر را دنبال کرد:
۱. آمادهسازی محیط اجرا
ابتدا باید یک سیستم لینوکسی یا سرور آماده داشته باشید. یکی از پیشنیازهای اصلی OpenClaw، Node.js است. در نسخه فعلی پروژه، نسخههای پشتیبانیشده Node.js 24 و 26 هستند و بهتر است از نسخههای بهروز آنها استفاده کنید.
برای بررسی نسخه نصبشده میتوانید دستور زیر را اجرا کنید:
node --version
۲. نصب OpenClaw
پس از آمادهسازی Node.js، میتوانید بسته رسمی OpenClaw را با npm نصب کنید:
npm install -g openclaw@latest
۳. اجرای فرایند راهاندازی اولیه
پس از نصب، دستور زیر را اجرا کنید:
openclaw onboard --install-daemon
در این مرحله، تنظیمات اولیه دستیار انجام میشود. انتخاب ارائهدهنده مدل هوش مصنوعی، واردکردن اطلاعات احراز هویت، ایجاد فضای کاری و پیکربندی Gateway از جمله مراحل این فرایند هستند.
۴. اتصال به پیامرسان
در مرحله بعد میتوانید کانال ارتباطی موردنظر خود را تنظیم کنید. برای مثال، اگر قصد دارید از طریق تلگرام با دستیار ارتباط داشته باشید، باید اطلاعات ربات و مجوزهای لازم را در تنظیمات مربوط وارد کنید.
۵. بررسی عملکرد دستیار
پس از تکمیل تنظیمات، با دستورات زیر میتوانید وضعیت Gateway را بررسی کرده و رابط کاربری را باز کنید:
openclaw gateway status openclaw dashboard
در نهایت، یک درخواست آزمایشی ارسال کنید تا از برقراری ارتباط با مدل و عملکرد صحیح ابزارهای موردنیاز مطمئن شوید.
دستورها و جزئیات نصب ممکن است با انتشار نسخههای جدید تغییر کنند؛ بنابراین بهتر است برای راهاندازی کامل، مستندات رسمی OpenClaw را نیز بررسی کنید.
ملاحظات امنیتی هنگام استفاده از OpenClaw
توانایی OpenClaw در تعامل با فایلها، مرورگر و دستورات سیستمی، در کنار کاربردهای گسترده آن، مسئولیتهای امنیتی مهمی نیز ایجاد میکند. اگر دستیار به منابع حساس دسترسی داشته باشد، یک درخواست مخرب یا تنظیم اشتباه میتواند زمینه دسترسی غیرمجاز یا افشای اطلاعات را فراهم کند.
یکی از تهدیدهای مهم در این زمینه، Prompt Injection است. در این نوع حمله، مهاجم تلاش میکند با قرار دادن دستورهای مخرب در یک صفحه وب، ایمیل، فایل یا پیام، رفتار مدل را تغییر دهد. برای مثال، ممکن است محتوای یک صفحه از دستیار بخواهد دستورهای قبلی را نادیده بگیرد و اطلاعات ذخیرهشده را ارسال کند.
برای کاهش این خطرات، رعایت چند نکته ضروری است:
- محدودکردن دسترسی کاربران: دریافت پیام از افراد ناشناس را غیرفعال کنید یا از روشهایی مانند Pairing و فهرست مجاز استفاده کنید.
- محافظت از Gateway: رابط مدیریتی و پورتهای ارتباطی را بدون احراز هویت در دسترس اینترنت قرار ندهید. استفاده از فایروال و تنظیمات مناسب دسترسی ضروری است.
- نگهداری امن کلیدهای API: اطلاعات احراز هویت را در فایلها و پیامهای عمومی قرار ندهید و دسترسی به فایلهای تنظیمات را محدود کنید.
- کنترل اجرای دستورات: دسترسی به ابزارهایی مانند Shell و اجرای دستورات سیستمی را فقط برای فعالیتهای ضروری فعال کنید.
- بررسی افزونهها و مهارتها: پیش از نصب ابزارهای شخص ثالث، منبع و مجوزهای آنها را بررسی کنید.
- استفاده از محیط ایزوله: برای اجرای وظایف حساس، از Sandbox استفاده کنید تا دسترسی دستیار به منابع سیستم محدود شود.
نکته مهم دیگر این است که خودمیزبان بودن به معنای محرمانه ماندن تمام اطلاعات نیست. اگر OpenClaw از API یک سرویس خارجی استفاده کند، بخشی از درخواستها و اطلاعات موردنیاز برای پردازش به زیرساخت همان ارائهدهنده ارسال میشود. بنابراین، سیاست حفظ حریم خصوصی سرویسهای متصل نیز باید بررسی شود.
برای اجرای OpenClaw به چه سروری نیاز داریم؟
انتخاب سرور مناسب برای OpenClaw به نحوه استفاده از آن بستگی دارد. تعداد کاربران، حجم درخواستها، ابزارهای متصل و مهمتر از همه روش اجرای مدل هوش مصنوعی، در تعیین منابع سختافزاری موردنیاز تاثیر دارند.
نکتهای که نباید نادیده گرفت این است که اجرای OpenClaw و اجرای مدل زبانی دو فعالیت جداگانه هستند. به همین دلیل، در بسیاری از پروژهها میتوان OpenClaw را روی یک سرور معمولی اجرا کرد و پردازش هوش مصنوعی را به یک سرویس خارجی سپرد.
اجرای OpenClaw با استفاده از API مدلهای هوش مصنوعی
در این روش، مدل زبانی روی زیرساخت ارائهدهنده سرویس اجرا میشود و سرور کاربر وظیفه مدیریت Gateway، ارتباط با پیامرسانها، نگهداری اطلاعات و اجرای ابزارهای موردنیاز را بر عهده دارد.
در چنین شرایطی، نیازی به GPU اختصاصی برای اجرای OpenClaw وجود ندارد. یک سرور با CPU مناسب، حافظه RAM کافی، فضای ذخیرهسازی متناسب و اتصال شبکه پایدار میتواند نیازهای بسیاری از کاربران را برطرف کند.
البته اگر تعداد درخواستها زیاد باشد یا چندین عامل بهصورت همزمان فعالیت کنند، باید منابع بیشتری برای مدیریت نشستها و اجرای ابزارها در نظر گرفت.
اجرای مدلهای هوش مصنوعی بهصورت محلی
اگر هدف، اجرای مدل زبانی روی زیرساخت شخصی باشد، شرایط سختافزاری متفاوت خواهد بود. در این حالت، سرور علاوه بر اجرای OpenClaw باید توان پردازش مدل هوش مصنوعی را نیز تامین کند.
مقدار حافظه GPU، توان پردازشی کارت گرافیک و پهنای باند حافظه از عوامل مهم در انتخاب سختافزار هستند. مدلهای کوچک و فشردهشده ممکن است با منابع محدودتری اجرا شوند، اما مدلهای بزرگتر برای بارگذاری و پردازش سریع به حافظه و توان محاسباتی بیشتری نیاز دارند.
اگر قصد اجرای مدلهای زبانی بزرگ یا چند مدل بهصورت همزمان را دارید، بررسی گزینههای مختلف و خرید سرور مناسب برای هوش مصنوعی میتواند نقطه شروع مناسبی برای انتخاب زیرساخت باشد. در این سناریو، سرورهای مجهز به GPU امکان اجرای مدلهای محلی و مدیریت مستقیم منابع پردازشی را فراهم میکنند.
چرا اجرای دائمی OpenClaw به زیرساخت پایدار نیاز دارد؟
OpenClaw برای حفظ ارتباط با پیامرسانها، دریافت درخواستها و اجرای وظایف زمانبندیشده به Gateway متکی است. اگر سرور خاموش شود یا ارتباط شبکه برای مدت طولانی قطع شود، بخشی از این فعالیتها نیز متوقف خواهد شد.
به همین دلیل، برای استفاده مستمر یا سازمانی باید به عواملی مانند پایداری شبکه، منابع پردازشی کافی، فضای ذخیرهسازی مناسب و امکان تهیه نسخه پشتیبان توجه کرد.
استفاده از سرور با منابع اختصاصی کامل نیز در پروژههایی که چندین کاربر یا عامل هوشمند بهصورت همزمان فعالیت میکنند، اهمیت بیشتری پیدا میکند. در این شرایط، منابع پردازشی مشخص و در دسترس پروژه قرار دارند و برنامهریزی برای اجرای سرویسهای مختلف با اطمینان بیشتری انجام میشود.
البته انتخاب سرور اختصاصی بهتنهایی به معنای نیاز به GPU نیست. اگر مدل از طریق API اجرا شود، معمولا منابع CPU و RAM اهمیت بیشتری دارند؛ اما برای اجرای مدلهای محلی باید مشخصات GPU و ظرفیت حافظه آن نیز با نیاز پروژه هماهنگ باشد.
OpenClaw برای چه افرادی و کسبوکارهایی مناسب است؟
OpenClaw برای کاربرانی مناسب است که میخواهند هوش مصنوعی را از یک ابزار صرفا گفتوگومحور به بخشی از فرایندهای کاری خود تبدیل کنند. توسعهدهندگان میتوانند از آن برای بررسی پروژهها و خودکارسازی برخی فعالیتهای فنی استفاده کنند. کسبوکارها نیز میتوانند با اتصال این دستیار به سرویسهای داخلی، بخشی از کارهای تکراری و زمانبر را کاهش دهند.
از طرف دیگر، افرادی که به ساخت دستیار هوشمند شخصی علاقه دارند، میتوانند محیط اجرای آن را روی سیستم یا سرور خود مدیریت کنند و ابزارهای موردنیازشان را به آن متصل کنند.
در نهایت، انتخاب OpenClaw تنها به قابلیتهای نرمافزاری آن محدود نمیشود. روش اتصال به مدل هوش مصنوعی، سطح دسترسی ابزارها، تعداد کاربران و منابع زیرساختی همگی در عملکرد نهایی تاثیر دارند. اگر این موارد متناسب با نیاز پروژه انتخاب شوند، OpenClaw میتواند راهکاری انعطافپذیر برای خودکارسازی فعالیتهای شخصی و سازمانی باشد.
سوالات متداول
OpenClaw یک دستیار هوش مصنوعی متنباز و خودمیزبان است که به مدلهای زبانی، پیامرسانها و ابزارهای مختلف متصل میشود. این ابزار علاوه بر پاسخگویی به درخواستها، امکان اجرای برخی وظایف و خودکارسازی فرایندهای روزمره را نیز فراهم میکند.
خیر. OpenClaw یک چارچوب برای ساخت و مدیریت دستیار هوش مصنوعی است و برای پردازش درخواستها به یک مدل زبانی نیاز دارد. این مدل میتواند از طریق API یک سرویس خارجی یا با اجرای محلی روی سرور در دسترس باشد.
خیر. اگر از API مدلهای هوش مصنوعی استفاده کنید، نیازی به GPU اختصاصی ندارید و یک سرور با CPU و RAM مناسب کافی است. اما برای اجرای مدلهای هوش مصنوعی بهصورت محلی، بسته به اندازه مدل و حجم پردازش، ممکن است به کارت گرافیک قدرتمند نیاز داشته باشید.
بله. OpenClaw را میتوان روی سرور مجازی لینوکس نصب و اجرا کرد. میزان منابع موردنیاز به تعداد کاربران، ابزارهای متصل و نوع فعالیتهای دستیار بستگی دارد.
OpenClaw از کانالهای ارتباطی مختلفی مانند Telegram، WhatsApp، Discord و Slack پشتیبانی میکند. نوع اتصال و امکانات هر کانال ممکن است متفاوت باشد و به تنظیمات و افزونههای مربوط بستگی دارد.
امنیت OpenClaw به نحوه نصب، تنظیم دسترسیها و سرویسهای متصل بستگی دارد. محدودکردن دسترسی کاربران، محافظت از کلیدهای API، کنترل اجرای دستورات و استفاده از محیط ایزوله میتواند خطرات امنیتی را کاهش دهد.
در روش API، پردازش درخواستها روی سرور ارائهدهنده مدل انجام میشود و منابع سختافزاری زیادی در سرور میزبان OpenClaw نیاز نیست. در اجرای محلی، مدل روی زیرساخت خود کاربر قرار میگیرد و کنترل بیشتری بر محیط پردازش وجود دارد، اما به منابع سختافزاری بیشتری نیاز خواهد بود.































شما میتوانید دیدگاه خود را در مورد این مطلب با ما با اشتراک بگذارید.