Artificial Intelligence
Agentensysteme und persoenliche AI-Assistenten
Vier Repositories, vier Architekturansaetze: OpenClaw-Gateway, Always-On-Sprachassistent, Open Interpreter und AutoGen im Vergleich.
ReleasedOpen in signal graph →- Category
- Artificial Intelligence
- Difficulty
- Intermediate
- Reading time
- 7 min
- Updated
- TODO
Vier Wege zum Assistenten
Die vier geforkten Repositories beantworten dieselbe Frage — wie baut man einen nuetzlichen AI-Assistenten? — mit vier verschiedenen Architekturen:
OpenClaw (Clawdbot) setzt auf ein lokales Gateway als Control Plane. Alle Kanaele (WhatsApp, Telegram, Discord, Signal, iMessage) laufen in einen WebSocket-Hub, dahinter arbeitet die Agent-Runtime. Der Assistent gehoert einer Person und laeuft auf deren Geraeten.
Always-On AI Assistant reduziert das Problem auf Sprache und CLI: RealtimeSTT hoert lokal zu, ein LLM (DeepSeek V3 oder lokal phi4) uebersetzt gesprochene Auftraege in Typer-Kommandos, ElevenLabs antwortet. Das Scratchpad dient als gemeinsames Arbeitsgedaechtnis.
Open Interpreter gibt dem Modell genau ein Werkzeug: exec(language, code). Damit wird jedes Function-Calling-LLM zum Universalwerkzeug fuer den eigenen Rechner — mit Bestaetigungspflicht vor jeder Ausfuehrung als zentraler Sicherheitsgrenze.
AutoGen denkt vom Team her: mehrere spezialisierte Agenten koordinieren sich ueber Message Passing, AgentTool-Komposition und Gruppen-Chats. Das Framework ist heute im Maintenance Mode; der Nachfolger ist das Microsoft Agent Framework.
Gemeinsame Lehren
Ueber alle vier Ansaetze hinweg wiederholen sich drei Prinzipien:
- Untrusted Input ernst nehmen. OpenClaw behandelt eingehende DMs grundsaetzlich als nicht vertrauenswuerdig (Pairing-Codes, Allowlists, Sandboxing); Open Interpreter verlangt Freigabe vor Codeausfuehrung.
- Faehigkeiten explizit machen. Ob Typer-Kommandodatei, Skills-Verzeichnis oder AgentTool — die besten Systeme deklarieren, was der Assistent kann, statt es implizit zu lassen.
- Modellwahl entkoppeln. LiteLLM, Modell-Failover im Gateway oder austauschbare Gehirne in der Konfiguration: Die Architektur ueberlebt den Modellwechsel.
Bezug zum Archiv
Der Genie-Assistent dieser Seite folgt denselben Prinzipien: quellengebundene Antworten (RAG), explizit deklarierte Wissensbasis und ein Provider-Abstraktionslayer fuer OpenAI und Azure OpenAI.