Настройка бесплатного ИИ-агента с OpenClaw и GLM-5.1

Наконец-то собрать мощного и бесплатного ИИ-агента на своем компьютере стало делом пары кликов! В треде shmidtqq описан отличный рабочий стек: Ollama в качестве движка, открытая китайская модель GLM-5.1 и агент OpenClaw. Сама языковая модель — тяжеловес на 744 миллиарда параметров, которая выбивает 58.4 балла в тестах SWE-Bench Pro, обходя GPT-5.4 и Claude Opus 4.6. Запустить такую махину локально без серверного оборудования не выйдет, но разработчики предусмотрели облачную версию glm-5.1:cloud. Она работает через Ollama абсолютно бесплатно и без жестких требований к вашей видеокарте.
Всю грязную работу в этой связке берет на себя OpenClaw. Это полноценный агент, превращающий базовую модель в функционального ассистента: он умеет искать информацию в сети, работать с локальными файлами, писать код и отправлять сообщения в Telegram, Slack или WhatsApp. Для старта через облако потребуется только ПК с 8 ГБ оперативной памяти и установленный Node.js версии 22 или выше. Если же планируете запускать другие модели среднего размера полностью локально, понадобится минимум 16 ГБ ОЗУ и видеокарта с 8+ ГБ видеопамяти.
Процесс установки укладывается в три этапа. Сначала скачиваем приложение с официального сайта Ollama, запускаем в терминале команду ollama и выбираем опцию Chat with a model. Для доступа к облачной GLM-5.1 потребуется создать бесплатный аккаунт — после авторизации модель сразу готова отвечать на запросы. В конце устанавливаем сам агент OpenClaw: он инсталлируется одной командой терминала, автоматически подхватывает запущенную в Ollama модель и сразу дает доступ к продвинутой автоматизации рутинных задач.
Поделиться:
Ещё из архива
Все публикации
Интервью с Владимиром Аюевым: графический язык бигтеха, студия SASHA и дизайн-образование
1 месяц назад
Jockey от TwelveLabs: ИИ-агент для семантического поиска по видеоархивам и извлечения метаданных
1 месяц назад
Архитектура винной этикетки: баланс наборного шрифта и каллиграфии в кейсе Winecraft
1 месяц назад
Оптимизация контекста в Claude Code: как работает кэширование промптов и за что мы платим
1 месяц назад
Архитектура памяти для LLM-агентов: от базового SQLite до Graph RAG
1 месяц назад