Oito Agentes de IA, Uma Única Máquina AMD: Minha Stack Local de Agentes (OpenClaw)

Agora mesmo há oito agentes de IA com nome morando num mini PC lá em casa. Eles têm funções, uma hierarquia, e um chat em grupo que toda a minha família consegue abrir pelo celular. Rodar todos eles custa cerca de 24 dólares por mês — a API barata do DeepSeek cuida do raciocínio do dia a dia, e os trabalhos que não deveriam sair de casa rodam em modelos locais gratuitos.

O que você ganha

Primeiro, o dia a dia. Este é o DisPatch, o app de chat que construí para ficar na frente do gateway — as capturas de tela são dados de demonstração daquele artigo, minhas conversas de verdade continuam minhas.

Item	O número
Agentes com nome	8 (Bits, Flash, Brains, Hermes, Doxy, Charley, Alpha, Beta)
Modelos de nuvem na tabela de roteamento	2 (DeepSeek flash e pro)
Entradas de modelo local	algumas na máquina principal, o resto servido de uma caixa com GPU na minha rede
Maior modelo local	um MoE de 122B na caixa com GPU; o próprio mini PC chega no máximo a uns 7B
Conta mensal de nuvem medida	cerca de $24 (DeepSeek, o principal responsável)
Porta do gateway	18789
Porta do chat	8765, na rede doméstica
Backup noturno	02:17
Heartbeat do gateway	a cada 2 horas
Janela do watchdog	5 minutos, depois um trabalhador silencioso é cobrado

A máquina

O gateway e tudo ao redor dele rodam numa única máquina pequena. Sem rack, sem aluguel de GPU na nuvem, sem segunda hipoteca.

• CHUWI AuBox Ai365 — AMD Ryzen AI 9 365 ("Strix Point"), 10 núcleos, GPU integrada Radeon 880M
• 30 GB de DDR5 utilizável, compartilhado entre o sistema operacional e todo o resto — sem reserva de VRAM que mereça esse nome
• 1 TB NVMe, rodando Bluefin (imutável, baseado no Fedora Atomic)
• ROCm, não CUDA, para o que roda localmente — ele se comporta um pouco diferente do que os tutoriais pressupõem, mas funciona

Esta é a segunda máquina a ocupar o posto. A primeira foi um ROG Flow Z13 de 128 GB com 64 GB reservados como VRAM, que rodou um modelo mixture-of-experts de 120B localmente até desenvolver uma falha de energia em julho. Posts mais antigos aqui descrevem aquela máquina; esta é a que a substituiu, e ela tem um quarto da memória.

O que tornou isso suportável é a outra metade da configuração: um segundo PC na minha rede com GPUs de verdade, servindo os modelos grandes via StudioForge, um servidor compatível com OpenAI que escrevi exatamente para isso. O nível de 120B se mudou para lá em vez de desaparecer, e a geração de imagens foi junto. O mini PC mantém um modelo pequeno e o modelo de embedding para o trabalho privado; qualquer coisa maior atravessa a rede.

O elenco

Em vez de uma aba de chat conversando com um modelo, eu tenho um pequeno escritório. Todo mundo tem uma função e um modelo que combina com ela — nuvem barata do DeepSeek para a maior parte do trabalho, modelos locais gratuitos onde privacidade ou visão importam. (Os modelos locais eram o plano original; na prática, os tempos de carregamento e o teto mais baixo os transformaram no nível de fallback, não no padrão.)

Agente	Função	Modelo principal	Roda em
Bits	Recepção. Fala comigo, não executa nenhuma ferramenta ela mesma, terceiriza tudo	DeepSeek (nuvem, nível pro)	nuvem
Flash	Trabalhos rápidos — resumos, buscas, edições de rotina. Personalidade zero, ferramenta pura	DeepSeek (nuvem, nível flash)	nuvem
Brains	Pensamento difícil — arquitetura, depuração, revisão de código	DeepSeek (nuvem, nível pro)	nuvem
Hermes	Deploys e programação, conectado por uma runtime de agente separada. Dry-run por padrão; deploys de verdade precisam do meu sinal verde explícito	DeepSeek (nuvem, nível pro)	nuvem
Doxy	Trabalho braçal em massa. Sem medidor de API num modelo local, então roda a noite toda de graça	um modelo denso de 27B (local)	a caixa com GPU
Charley	Visão — realmente olha capturas de tela, diagramas, caixas de diálogo de erro	Gemma-4, com capacidade de visão (local)	a caixa com GPU
Alpha / Beta	Bots seguros de "recepção" para os dispositivos da família, só ferramentas somente leitura	flash (nuvem) / Gemma-4 26B (local)	nuvem / a caixa com GPU

Todo agente tem modelos de fallback — se o principal está ocupado ou fora do ar, ele cai silenciosamente para um backup, na nuvem ou local. Beta e Charley são restritos rigidamente a ferramentas somente leitura: buscar informações, gerar imagens, nunca tocar em arquivos ou rodar comandos. Exatamente o que você quer num bot que uma criança de dez anos pode abrir. A troca de mensagens entre agentes está ativada, controlada por uma lista de permissões de quem pode falar com quem.

As peças

Nada disso é um único programa. São oito pequenos serviços, cada um fazendo uma função, todos supervisionados pelo systemd em vez de um script babá.

Serviço	O que faz	Onde
openclaw-gateway.service	O gateway do OpenClaw — o cérebro da stack	porta 18789, só loopback, autenticação por token
local-chat.service	DisPatch, o front-end do chat	porta 8765, LAN
lm-studio.service	Servidor de modelo local (um AppImage extraído) servindo os modelos da própria máquina, mais o modelo de embedding	porta 1234, local
a caixa com GPU	Modelos grandes via StudioForge, e geração de imagens — ambos pela rede, nenhum nesta máquina. O ComfyUI local já morou aqui e não mora mais; não há memória suficiente para ele e para um modelo de linguagem ao mesmo tempo.	um segundo PC, via Tailscale
mailforge.service	MailForge — triagem de e-mail; rascunha respostas, nunca envia uma	—
hermes-gateway.service	Um gateway separado que conecta o agente de deploy/programação	—
openclaw-backup.timer	Backup noturno	dispara às 02:17
dispatch-tracker-watch.path	O gatilho do watchdog (mais sobre isso abaixo)	—

Toda unidade se reinicia sozinha em caso de falha, ajustada para que uma pane signifique segundos de indisponibilidade, não uma ligação às 2 da manhã. A unidade do LM Studio verifica a saúde da própria API antes de se declarar pronta. A configuração do gateway recarrega a quente, então a maioria das mudanças de roteamento não precisa de reinício. A atualização automática está desligada de propósito — uma atualização quebrou a stack exatamente uma vez, e agora as atualizações de versão acontecem na minha agenda. Para conferir o zoológico inteiro:

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

Como uma mensagem de chat realmente se move

A rota é a que você imaginaria: navegador → DisPatch → gateway → o modelo do agente, local ou na nuvem, e de volta pelo mesmo caminho. Dois detalhes importam: se o modelo principal está ocupado ou fora do ar, um fallback responde no lugar dele, e a entrega de volta ao navegador é confirmada por caminhos redundantes, então uma conexão que cai não perde a mensagem.

Fazendo trabalho de verdade

Respostas de chat são o caso fácil. O padrão útil é pedir algo grande e deixar o elenco resolver quem faz.

O trabalho pesado — refatorações longas, edições em lote, qualquer coisa entediante — vai para a Doxy no modelo local gratuito, que mói por uma hora inteira pelo custo da eletricidade. O trabalho de imagem em lote vai para a mesma caixa com GPU.

De olho em si mesmo

Um trabalho despachado que morre silenciosamente é pior do que um trabalho que nunca começou — você só descobre quando vai procurar. Por isso existe um watchdog, a única peça desta stack da qual eu realmente me orgulho.

Isso substituiu uma ideia genuinamente ruim: um cron de LLM perpétuo a cada cinco minutos. Ele enchia o modelo de spam e causava seus próprios timeouts de requisição — o watchdog estava criando exatamente o problema que existia para pegar. A versão orientada a eventos só se arma quando há um despacho para vigiar, e depois se apaga de qualquer jeito.

Quanto custa

A economia é o ponto principal da divisão do elenco. Preços da nuvem, por milhão de tokens:

Modelo	Entrada	Saída
Nível flash do DeepSeek (Flash, Alpha)	$0,14 / M tokens	$0,28 / M tokens
Nível pro do DeepSeek (Bits, Brains, Hermes)	$0,435 / M tokens	$0,87 / M tokens
Modelos locais — Doxy, Charley e Beta, todos na caixa com GPU	$0	$0

Até o nível "caro" custa frações de centavo por requisição típica. A economia de verdade está em onde fica o volume: trabalhos repetitivos de milhares de tokens vão para o modelo local gratuito; o medidor da nuvem só gira para decisões que exigem julgamento. A busca de memória também roda num modelo de embedding local, então as buscas constantes em segundo plano também nunca tocam numa API paga.

As regras que ele não quebra

Um gateway que pode criar agentes e rodar ferramentas precisa de salvaguardas que não dependam do bom comportamento do modelo.

• Acesso à câmera, gravação de tela, SMS e comandos de contatos/calendário são negados terminantemente no nível do gateway — não é "o agente não deveria", é realmente bloqueado.
• Beta e Charley recebem ferramentas somente leitura. Sem escrita de arquivos, sem shell, não importa quão educadamente você peça.
• Os plugins são uma lista de permissões rígida com sete itens: dois provedores de modelo local, DeepSeek, busca na web da Brave, um navegador headless, memória entre agentes e a ponte de deploy. Nada mais carrega, instalado ou não.
• Hermes — o único agente que pode tocar em produção — faz dry-run por padrão. Um deploy de verdade precisa do meu sinal verde explícito, e os deploys do site do meu negócio ficam atrás do mesmo portão.

Ciladas

A lista honesta — coisas que realmente quebraram, na ordem em que me morderam:

• Modelos locais precisam de reasoning: true definido explicitamente. Os meus emitem um stream de raciocínio separado antes da resposta de verdade; com a flag errada, o gateway interpretava isso como travamento e matava a requisição por volta dos 6,5 minutos. O modelo não estava travado — estava pensando em voz alta num canal que o gateway não conhecia.
• Todo timeout parte do padrão da velocidade da nuvem. Um 120B numa iGPU é lento, não quebrado. Aumentei os timeouts de provedor, turno e aborto para cerca de 20, 30 e 35 minutos; antes disso, trabalhos longos eram mortos no meio do raciocínio pelo crime de serem locais.
• O AppImage do LM Studio travava com SIGBUS sempre que seu ponto de montagem FUSE em /tmp era reciclado sob pressão de memória — um erro de barramento genuíno, não um OOM kill. Extrair o AppImage e rodá-lo como um serviço systemd simples resolveu.
• A lista de permissões de mensagens diferencia maiúsculas de minúsculas, mas o gateway converte os IDs de agente para minúsculas internamente. Os envios entre agentes falhavam até eu adicionar duplicatas em minúsculas de cada nome. Sem erro, sem linha de log — só nada era entregue.
• A mensagem entre agentes precisa de duas chaves separadas — a flag de recurso e a configuração de visibilidade de sessão. Ative uma sem a outra e o padrão bloqueia silenciosamente todo envio.
• Um watchdog de LLM agendado é uma pane autoinfligida — a história do cron de cinco em cinco minutos lá em cima. O modelo orientado a eventos venceu o agendado, com folga.
• Um agente já ressuscitou sua própria configuração ruim. Um passe de reconciliação de identidade reinjetou um arquivo de workspace desatualizado e colocou o gateway num loop de pane. Configuração que um agente pode tocar é configuração que pode te morder de volta.
• Uma lista de permissões de plugins não vazia é absoluta. Marcar uma entrada com enabled: true não faz nada se o ID dela também não estiver na lista de permissões. A lista de permissões vence, silenciosamente.

Relacionado: StudioForge, a caixa com GPU que serve os modelos grandes, o benchmark que uso para decidir qual modelo fica com qual tarefa, DeepSeek Harness, outro agente de codificação morando na mesma máquina, e quanto tudo isso realmente custa.