Ringkasan singkat situasi sebelumnya..
Membeli M4 32GB untuk mencoba menjalankan openclaw di Mac mini. Saya mencoba menginstal LLM secara lokal, tetapi karena sangat lambat bahkan untuk 30b, saya segera menyerah.
Dan pada akhir pekan, saya beralih ke arah menggunakan API AI komersial.
Setelah menyiapkan kunci API OpenAI, Claude, dan Gemini, saya mencoba mengimplementasikan orchestrator dengan mengonfigurasi agent yang ada di openclaw untuk setiap agent.
Orchestrator adalah istilah yang sedang populer akhir-akhir ini karena mengotomatisasi pekerjaan agent AI, mengoordinasikan sesuai urutan, dan mengelola seluruh alur kerja secara efisien - seperti direktur yang mengoordinasikan instrumen, mengintegrasikan dan mengelola interaksi antar sistem untuk meningkatkan efisiensi operasional.
Yang perlu diketahui di sini adalah bahwa saya mengatur Mac mini ini untuk pekerjaan umum, jadi saya tidak menggunakan model terbaru.
Saya ingin mengorganisir berbagai hal, menganalisisnya, memahaminya, menerima konten yang penting dan terstruktur, dan menggunakannya sebagai referensi atau arah saat bekerja. Dengan kata lain, saya ingin menggunakannya sebagai asisten pendukung.
(Saya ingin menerima informasi yang telah diproses pada tingkat pertama atau konten yang terorganisir dan meminimalkan informasi yang tidak perlu.)
Dan orchestrator juga tidak selalu baik. Pekerjaan sederhana mungkin lebih cepat dan lebih baik ditangani oleh satu agent. Saya ingin mendistribusikan pekerjaan dengan keyakinan bahwa orchestrator lebih efisien ketika ada banyak pekerjaan.
Struktur akhir yang saya kejar adalah sebagai berikut:
Agent yang dibuat adalah pm, orchestrator, planner, backend, frontend, designer, crawler, summary, collector, data, reviewer, dan masing-masing peran pertama-tama menetapkan model gpt-5-mini, gemini-2.5-flash, claude-sonnet-4-5 masing-masing. Dan ketika saya menguji, hasilnya seperti mengeluarkan sesuatu yang benar.
Ini adalah kebohongan. Ketika saya melihat agent yang aktif, pm sendiri menangani dan menjawab seolah-olah telah terjadi pembagian kerja. Saya perhatikan bahwa agent lain tidak dipanggil atau dieksekusi sama sekali.
Saya ingin pm menjalankan agent sebagai child, kemudian setelah hasil diperoleh, mengirimkan kembali ke pm untuk diatur, lalu melaporkan kembali kepada pengguna, tetapi bagian ini tidak berfungsi.
Saat ini, openclaw memiliki struktur untuk menjalankan setiap agent secara terpisah, dan saya perhatikan bahwa itu tidak mendukung orchestrator seperti itu.
Jadi, selama dua hari, saya menyelesaikan masalah ini... tetapi itu sangat berat.
(Tentu saja, saya tidak melakukannya dan codex menangani hampir semuanya... haha, codex sangat bagus.)
Bagian-bagian kunci yang saya tangani adalah
Pemrosesan respons PM/agent
Kontrol sesi seperti sessions_spawn, sessions_yield
Mengirimkan acara penyelesaian subagent kepada induk
Perakitan pesan untuk ditampilkan di gateway dan TUI
Bagian ini, dan untuk menyelesaikannya, saya menyelesaikannya dengan mengedit file inti openclaw (reply-Bm8VrLQh.js). Menangani bagian sessions_yield ini adalah yang paling sulit. (codex berhasil menyelesaikannya setelah berjalan sendiri selama satu setengah jam)
Setelah perbaikan, saya berhasil menjalankan setiap agent dalam multi-thread, mengonsolidasikan hasil, dan mengembalikan laporan ke pm.
Namun, saya menemukan masalah bahwa nama model yang digunakan menggunakan model AI default..
Setelah perbaikan lagi, model yang ditentukan untuk setiap agent bekerja dan menghasilkan hasil yang dilaporkan ke pm..
Tentu saja, ketika mendistribusikan pekerjaan ke setiap agent dan menerima hasilnya kembali, diperlukan lebih banyak waktu.
Memerlukan waktu sekitar 30 detik hingga 1 menit.. Saya merasa perlu memeriksa lebih lanjut dan menyetel apakah hasilnya lebih baik.
Ini adalah penggunaan yang dikonfirmasi dari dashboard. Bahkan dengan model berbiaya rendah, biayanya tampaknya lebih tinggi dari yang saya kira..
Meskipun saya melakukannya dengan buta saat pengujian, tampaknya mengeluarkan sekitar 0,9 dolar selama dua hari.
(openclaw mengirimkan informasi lain selain query, jadi token cenderung jauh lebih banyak.)
Saat digunakan, memori mencapai 10~16GB.
Saya telah dengan singkat menuliskan apa yang saya lakukan pada akhir pekan.
Jika ada orang yang menginginkan informasi lebih lanjut, saya akan menulisnya secara detail lagi.
