Ocho agentes de IA, un solo equipo AMD: mi pila local de agentes (OpenClaw)

Ahora mismo hay ocho agentes de IA con nombre propio viviendo en una mini PC de mi casa. Tienen trabajos, un orden jerárquico y un chat grupal que toda mi familia puede abrir desde el teléfono. Correrlos a todos cuesta unos $24 al mes — la API barata de DeepSeek se encarga del pensamiento del día a día, y los trabajos que no deberían salir de la casa corren en modelos locales gratuitos.

Lo que obtienes

Primero el día a día. Esto es DisPatch, la app de chat que construí para ponerle una cara al gateway — las capturas son datos de demostración de sandbox de ese artículo, mis conversaciones reales siguen siendo mías.

Qué	El número
Agentes con nombre	8 (Bits, Flash, Brains, Hermes, Doxy, Charley, Alpha, Beta)
Modelos en la nube en la tabla de enrutamiento	2 (DeepSeek flash y pro)
Entradas de modelos locales	~7 en el equipo principal, 6 más en una segunda PC para desbordamiento
Modelo local más grande	un MoE de 120B parámetros, corriendo en una GPU integrada
Factura mensual medida en la nube	unos $24 (DeepSeek, el principal responsable)
Puerto del gateway	18789
Puerto del chat	8765, en la red doméstica
Backup nocturno	02:17
Latido del gateway	cada 2 horas
Ventana del watchdog	5 minutos, y luego se persigue a un trabajador silencioso

El equipo

Todo esto corre en una sola máquina. Sin rack, sin renta de GPU en la nube, sin una segunda hipoteca.

• AMD Ryzen AI Max+ 395 ("Strix Halo") — 32 hilos, GPU integrada Radeon 8060S
• 128GB de memoria unificada, de los cuales 64GB se reservan como VRAM de GPU (el sistema operativo ve unos 62GB disponibles)
• 1TB NVMe, corriendo Bazzite Linux (inmutable, basado en Fedora Atomic)
• ROCm, no CUDA — se comporta un poco distinto a lo que asumen los tutoriales, pero funciona

Esos 64GB reservados son el titular: suficiente para correr un modelo de mezcla de expertos de 120B localmente, a velocidad usable, en una GPU integrada. Una segunda PC en mi red atiende el desbordamiento y los modelos de respaldo.

El elenco

En lugar de una sola pestaña de chat hablando con un solo modelo, tengo una pequeña oficina. Todos tienen un trabajo y un modelo que le queda bien — DeepSeek barato en la nube para la mayor parte del trabajo, modelos locales gratuitos donde importa la privacidad o la visión. (Los modelos locales fueron el plan original; en la práctica, sus tiempos de carga y su techo más bajo los convirtieron en el nivel de respaldo, no en el predeterminado.)

Agente	Trabajo	Modelo principal	Corre en
Bits	Recepción. Habla conmigo, no hace ningún trabajo de herramientas ella misma, delega todo	DeepSeek (nube, nivel flash)	nube
Flash	Trabajos rápidos — resúmenes, búsquedas, ediciones rutinarias. Personalidad cero, pura herramienta	DeepSeek (nube, nivel flash)	nube
Brains	Pensamiento difícil — arquitectura, depuración, revisión de código	DeepSeek (nube, nivel pro)	nube
Hermes	Despliegues y programación, conectado mediante un runtime de agente separado. Dry-run por defecto; los despliegues reales necesitan mi aprobación explícita	DeepSeek (nube, nivel pro)	nube
Doxy	Trabajo pesado a granel. Sin medidor de API en un modelo local, así que corre toda la noche gratis	MoE de 120B (local)	este equipo
Charley	Visión — de verdad mira capturas de pantalla, diagramas, cuadros de error	Gemma-4 31B, con visión (local)	este equipo
Alpha / Beta	Bots de "recepción" seguros para los dispositivos de la familia, solo herramientas de solo lectura	flash (nube) / Gemma-4 26B (local)	mixto

Todos los agentes tienen modelos de respaldo — si el principal está ocupado o caído, se baja en silencio a un respaldo, en la nube o local. Beta y Charley tienen restricción estricta a herramientas de solo lectura: buscar cosas, hacer imágenes, nunca tocar archivos ni ejecutar comandos. Exactamente lo que quieres en un bot que un niño de diez años pueda abrir. La mensajería entre agentes está activa, controlada por una lista de permitidos de quién puede hablar con quién.

Las piezas

Nada de esto es un solo programa. Son ocho servicios pequeños, cada uno haciendo un trabajo, todos supervisados por systemd en lugar de un script niñero.

Servicio	Qué hace	Dónde
openclaw-gateway.service	El gateway de OpenClaw — el cerebro de la pila	puerto 18789, solo loopback, autenticación por token
local-chat.service	DisPatch, el frontend de chat	puerto 8765, LAN
lm-studio.service	Servidor de modelos local (un AppImage extraído) que sirve todos los modelos locales, más el modelo de embeddings	puerto 1234, local
comfyui.service	Generación de imágenes (ComfyUI + Z-Image Turbo en la iGPU) — los agentes y el chat pueden iniciarlo y detenerlo	local, bajo demanda
openclaw-email.service	Clasificación de correo — redacta respuestas, nunca envía ninguna	—
hermes-gateway.service	Un gateway separado que conecta al agente de despliegue/programación	—
openclaw-backup.timer	Backup nocturno	se dispara a las 02:17
dispatch-tracker-watch.path	El disparador del watchdog (más sobre esto abajo)	—

Cada unidad se reinicia sola al fallar, ajustada para que una caída signifique segundos de inactividad, no una llamada a las 2am. La unidad de LM Studio verifica la salud de su propia API antes de darse por lista. La configuración del gateway se recarga en caliente, así que la mayoría de los cambios de enrutamiento no necesitan reinicio. La actualización automática está apagada a propósito — una actualización rompió la pila exactamente una vez, y ahora los saltos de versión pasan según mi propio calendario. Para revisar todo el zoológico:

systemctl --user status openclaw-gateway local-chat lm-studio comfyui
journalctl --user -u openclaw-gateway -f

Cómo se mueve realmente un mensaje de chat

La ruta es la que imaginas: navegador → DisPatch → gateway → el modelo del agente, local o en la nube, y de vuelta por el mismo camino. Dos detalles importan: si el modelo principal está ocupado o caído, responde un respaldo en su lugar, y la entrega de vuelta al navegador se confirma por rutas redundantes, así que una conexión caída no pierde el mensaje.

Poniéndolos a trabajar de verdad

Las respuestas de chat son el caso fácil. El patrón útil es pedir algo grande y dejar que el roster decida quién lo hace.

El trabajo pesado — procesamiento por lotes de imágenes, refactorizaciones largas, cualquier cosa aburrida — va para Doxy, en el 120B local gratuito, que puede moler una hora entera por el costo de la electricidad.

Vigilándose a sí mismo

Un trabajo delegado que muere en silencio es peor que uno que nunca empezó — no te enteras hasta que vas a revisar. Por eso hay un watchdog, la única pieza de esta pila de la que de verdad estoy orgulloso.

Esto reemplazó a una idea genuinamente mala: un cron de LLM perpetuo cada cinco minutos. Bombardeaba de spam al modelo y provocaba sus propios timeouts de solicitud — el watchdog estaba creando exactamente el problema que existía para detectar. La versión orientada a eventos se arma solo cuando hay algo que vigilar, y luego se borra sola de cualquier manera.

Lo que cuesta

La economía es todo el sentido de dividir el roster así. Precios en la nube, por millón de tokens:

Modelo	Entrada	Salida
DeepSeek nivel flash (Bits, Flash, Alpha)	$0.14 / M tokens	$0.28 / M tokens
DeepSeek nivel pro (Brains, Hermes)	$0.435 / M tokens	$0.87 / M tokens
120B local (Doxy), visión local (Charley), Gemma local (Beta)	$0	$0

Incluso el nivel "caro" son fracciones de centavo por solicitud típica. El verdadero ahorro está en dónde queda el volumen: los trabajos repetitivos de miles de tokens van al modelo local gratuito; el medidor de la nube solo gira para las decisiones de criterio. La búsqueda de memoria también corre en un modelo local de embeddings, así que las búsquedas constantes de fondo tampoco tocan jamás una API de pago.

Las reglas que no rompe

Un gateway que puede generar agentes y ejecutar herramientas necesita barandas de seguridad que no dependan del buen comportamiento del modelo.

• El acceso a la cámara, la grabación de pantalla, los SMS y los comandos de contactos/calendario están negados de plano a nivel del gateway — no un "el agente no debería", sino realmente bloqueado.
• Beta y Charley tienen herramientas de solo lectura. Nada de escritura de archivos, nada de shell, sin importar cuán amablemente se lo pidas.
• Los plugins son una lista estricta de siete permitidos: dos proveedores de modelos locales, DeepSeek, la búsqueda web de Brave, un navegador headless, memoria entre agentes y el puente de despliegue. Nada más se carga, esté instalado o no.
• Hermes — el único agente que puede tocar producción — hace dry-run por defecto. Un despliegue real necesita mi aprobación explícita, y los despliegues de mi sitio de negocios están detrás de la misma puerta.

Tropiezos

La lista honesta — cosas que de verdad se rompieron, en el orden en que me mordieron:

• Los modelos locales necesitan reasoning: true puesto a mano. Los míos emiten un stream de razonamiento separado antes de la respuesta real; con la bandera mal puesta, el gateway lo leía como un estancamiento y mataba la solicitud alrededor de los 6.5 minutos. El modelo no estaba atascado — estaba pensando en voz alta en un canal que el gateway no conocía.
• Todo timeout viene por defecto a velocidad de nube. Un 120B en una iGPU es lento, no está roto. Subí los timeouts de proveedor, turno y aborto a unos 20, 30 y 35 minutos respectivamente; antes de eso, los trabajos largos morían a mitad de pensamiento por el crimen de ser locales.
• El AppImage de LM Studio se caía con SIGBUS cada vez que su montaje FUSE en /tmp se reciclaba bajo presión de memoria — un error de bus genuino, no un OOM kill. Extraer el AppImage y correrlo como un servicio systemd normal terminó con eso.
• La lista de permitidos de mensajería distingue mayúsculas, pero el gateway pone en minúsculas los IDs de agente internamente. Los envíos entre agentes fallaban hasta que agregué duplicados en minúsculas de cada nombre. Sin error, sin línea de log — simplemente nada se entregaba.
• La mensajería entre agentes necesita dos interruptores separados — la bandera de la función y el ajuste de visibilidad de sesión. Activa uno sin el otro y el valor por defecto bloquea en silencio todos los envíos.
• Un watchdog programado con LLM es una interrupción autoinfligida — la historia del cron cada cinco minutos de arriba. Lo orientado a eventos le ganó a lo programado, con facilidad.
• Un agente una vez resucitó su propia configuración mala. Una pasada de reconciliación de identidad reinyectó un archivo de espacio de trabajo obsoleto y dejó al gateway en un bucle de caídas. La configuración que un agente puede tocar es configuración que puede morderte de vuelta.
• Una lista de permitidos de plugins no vacía es absoluta. Marcar una entrada como enabled: true no hace nada si su ID no está también en la lista de permitidos. La lista de permitidos gana, en silencio.