Immagina un sistema in cui un agente AI gestisce altri agenti AI. Puoi seguire ogni conversazione in tempo reale dal telefono, intervenire quando vuoi, e le tue credenziali API non vengono mai esposte. Questo è HiClaw.
Ho configurato HiClaw con modelli locali per mostrarti come funziona l'orchestrazione multi-agente. È un progetto open-source costruito sopra OpenClaw che risolve un problema concreto: i task complessi mandano in crisi gli agenti singoli.
HiClaw introduce un'architettura manager-worker dove un agente manager coordina più agenti worker attraverso chat room Matrix. Tu osservi tutto in tempo reale e puoi entrare dove serve.
Cos'è HiClaw e che Problema Risolve
HiClaw è un sistema operativo multi-agente basato su OpenClaw. Il problema che risolve è semplice: gli agenti singoli si bloccano sui task complessi.
La soluzione? Un manager che coordina worker specializzati. Ogni worker lavora su una parte del progetto, il manager assegna i compiti e monitora il progresso.
Il modello di sicurezza è solido: i worker non vedono mai le tue chiavi API reali. Hanno solo token consumer, e le credenziali vere non escono mai dal gateway Higress.
Un comando installa tutto: gateway AI, server Matrix, storage file, client web e l'agente manager. L'intero team AI gira sulla tua macchina.
Vuoi automatizzare task complessi con AI?
Contattami per una consulenza su come implementare sistemi multi-agente nella tua azienda.
Requisiti per Installare HiClaw
Per questa guida ho usato un sistema Ubuntu con una GPU NVIDIA RTX 6000 e 48 GB di VRAM. Il modello che uso è GLM 4.7 Flash su Ollama.
Requisiti minimi:
- Docker installato e funzionante
- Ollama in esecuzione (se usi modelli locali)
- Driver NVIDIA e CUDA (se usi GPU)
Verifica Docker:
docker --versionControlla la GPU (se disponibile):
nvidia-smiLista i modelli Ollama disponibili:
ollama listL'endpoint OpenAI-compatibile di Ollama di default è:
http://localhost:11434Se non hai ancora configurato Ollama, leggi la guida completa su come configurare OpenClaw con Ollama.
Installazione di HiClaw Passo per Passo
Lancio lo script di installazione che installa HiClaw e tutti i suoi componenti. Il wizard chiede qualche input e io scelgo il percorso manuale.
Seleziono inglese come lingua. Scelgo Manual setup invece di Quick Start, e salto il loro piano a pagamento per il coding. Scelgo l'opzione OpenAI-compatible API.
Quando mi chiede il base URL, inserisco l'endpoint OpenAI-compatibile di Ollama. Se lo esegui su un'altra porta o URL, adatta di conseguenza.
Inserisco l'ID del modello Ollama. Dato che Ollama non richiede API key in locale, metto un valore qualsiasi nel campo chiave.
Imposto username e password. Uso admin e lascio che generi la password automaticamente.
Mantengo il deployment locale per uso personale così non esponi nulla alla rete. Per i container Docker e la console Higress, accetto le porte di default (puoi cambiarle se serve).
Vedrai un'opzione per entry di dominio locale e deployment ECS. In parole semplici, serve per domini custom tra i servizi, ma per run locali accetto i default.
Salto il token GitHub. Accetto i percorsi di volume Docker di default.
Per l'integrazione ci sono due opzioni: OpenClaw e Copa. Scelgo OpenClaw perché è quella che offre l'esperienza completa al momento.
Salto E2E per ora. Mantengo valori di default e percorso home directory, poi lascio che l'installer scarichi le immagini e avvii i container.
Lo script scarica molte immagini Docker e ci mette un po'. Dopo i download, il container manager parte e appare la pagina di login con le credenziali autogenerate.
Primo Login e Interfaccia
Apro la pagina di login nel browser, inserisco le credenziali e accedo. La schermata di benvenuto mostra una sezione Manager dove puoi chattare con l'agente manager. È già connesso a OpenClaw.
Puoi fare il deploy sulla LAN. Puoi anche connetterlo con Copa, che è un altro framework per agenti. Da qui l'esperienza assomiglia a OpenClaw e progetti simili.
Puoi creare più room e assegnare agenti diversi a room diverse. Per quello, non raccomando modelli base locali in produzione. Usa modelli API hosted da OpenAI o Alibaba Model Studio se ti serve velocità e affidabilità su scala.
Scopri i Miei Progetti AI
Dai un occhio ai progetti su cui sto lavorando e alle tecnologie che uso per automatizzare con AI.
Test Rapido: Hello World
Chiedo al manager di creare un semplice programma Hello World per mostrare come funziona. Risponde con il codice e la documentazione. Puoi vedere che sta usando OpenClaw dietro le quinte.
La risposta arriva veloce e il manager genera tutto in autonomia. È un buon test per verificare che l'integrazione OpenClaw funzioni.
Orchestrazione Multi-Agente con il Manager
La vera potenza di HiClaw è l'orchestrazione e coordinamento multi-agente. Gli chiedo di creare un worker di nome Alice per lo sviluppo front-end e un worker di nome Bob per il back-end. Gli assegno un task condiviso: costruire una to-do app autocontenuta.
Bob gestisce un back-end Python FastAPI e Alice gestisce il front-end. Voglio che collaborino. Sul lato sinistro dell'interfaccia appaiono i worker, e io entro nelle loro room.
Il manager spiega che può creare worker e gestire progetti multi-agente. Per produzione e lavoro intenso suggerisco modelli basati su API per performance. Poi crea i task di progetto e i workflow e mi chiede conferma.
Confermo, e il progetto parte. Il manager assegna a Bob i task di back-end e lo tagga nella room di progetto. Stessa cosa per Alice sui task di front-end, e gli aggiornamenti iniziano ad arrivare tra le room.
C'è una room del manager, una room di Bob, e una room di progetto dove gli agenti parlano tra loro. I progetti complessi richiedono più tempo, e se usi modelli API, tieni d'occhio costo e token.
La velocità è un po' lenta nel mio caso, ma le feature di coordinamento sono solide sopra OpenClaw.
Se i tuoi agenti devono controllare il browser per workflow web, guarda l'esempio pratico su come automatizzare il browser con OpenClaw.
Modelli: Locale vs Hosted
Modelli Locali con Ollama
I modelli locali sono ottimi per privacy e controllo completo. Funzionano bene per prototipi, strumenti interni ed esperimenti controllati dove vuoi mantenere i dati locali.
Pro: niente chiavi API esterne, controllo totale sui dati, costo prevedibile.
Contro: risposte più lente, requisiti VRAM elevati, ragionamento più debole su task complessi rispetto ai migliori modelli hosted.
Modelli API Hosted
I modelli hosted da provider come OpenAI e Alibaba Model Studio funzionano bene per progetti multi-agente in produzione. Brillano su pianificazione complessa, uso di tool e coordinamento tra team.
Pro: risposte più veloci, migliore affidabilità, qualità di output superiore.
Contro: costo continuo, limiti di token, devi gestire la sicurezza delle API key.
Hai bisogno di aiuto con l'integrazione AI?
Posso aiutarti a scegliere i modelli giusti e a configurare sistemi multi-agente per le tue esigenze.
Snippet di Configurazione
Se l'integrazione ti chiede un base URL OpenAI-compatibile per Ollama, questo è il valore tipico locale:
# Base URL nel prompt dell'installer
http://localhost:11434Se vuoi forzare Ollama ad ascoltare su un'interfaccia e porta specifica prima di lanciare l'installer:
# Opzionale - bind Ollama a localhost:11434
export OLLAMA_HOST=127.0.0.1:11434
ollama servePer confermare il tuo model ID per l'installer:
# Trova il tuo identificatore esatto del modello
ollama list
# Scarica un modello se serve
ollama pull <your_ollama_model_id>Consigli e Note Pratiche
I worker detengono solo token consumer. Le tue credenziali reali restano dietro il gateway Higress, che è la giusta postura di sicurezza per setup multi-agente.
Puoi monitorare ogni conversazione in tempo reale e intervenire quando serve. Progetti con più room e thread di task lunghi richiederanno più tempo per convergere.
Attenzione ai costi: se usi modelli API hosted per progetti complessi, i token si sommano velocemente. Monitora sempre l'uso.
Visualizzazione real-time: una delle feature migliori è vedere come gli agenti comunicano tra loro. Ti dà una trasparenza che normalmente non hai con sistemi single-agent.
Considerazioni Finali
HiClaw porta un pattern manager-worker ai progetti multi-agente e rende l'intero workflow visibile e interattivo. L'installer one-step configura gateway, chat Matrix, storage, client web e manager così il tuo team gira completamente in locale.
Usa modelli Ollama locali per demo e test privati, e passa ad API hosted quando ti serve velocità e affidabilità per il coordinamento multi-agente in produzione.
Quando usare HiClaw:
- Task complessi che richiedono competenze specializzate
- Progetti dove vuoi osservare e guidare il coordinamento tra agenti
- Setup dove la sicurezza delle credenziali è critica
- Ambienti dove la privacy dei dati è prioritaria
Quando evitarlo:
- Task semplici che un single agent può gestire
- Situazioni dove la velocità è più importante della coordinazione
- Budget limitato (attenzione ai costi API su task lunghi)
Se vuoi approfondire OpenClaw e costruire il tuo primo agente, leggi la guida su come creare la tua prima skill OpenClaw.
