La red de Docker es la razón por la que casi abandoné mi configuración de OpenClaw en contenedores. Todo funcionaba localmente: el agente podía acceder a la base de datos, conectarse a la API, servir webhooks. Luego lo puse en Docker y nada podía comunicarse con nada.
Si alguna vez has mirado un error de “conexión rechazada” desde dentro de un contenedor de Docker y has pensado
Quería un panel que mostrara lo que están haciendo mis agentes de IA. No un monitoreo al nivel de Grafana con métricas y alertas; eso ya lo tengo. Quería algo que pudiera ver rápidamente en mi teléfono y saber: qué agentes están activos, en qué están trabajando, cuánto han gastado hoy y si hay algo que necesita mi atención.
Así que
Los webhooks cambiaron mi forma de ver la automatización de agentes de IA. Antes de los webhooks, mis automatizaciones eran todas basadas en tiempo: revisar nuevos correos electrónicos cada 5 minutos, escanear notificaciones de GitHub cada 10 minutos, consultar el estado del servidor cada hora. Con los webhooks, los eventos llegan a mí. Sin consultas. Sin retrasos. Sin llamadas API desperdiciadas comprobando cuando no hay nada.
Seis meses de registros de OpenClaw. Eso es lo que tenía cuando finalmente me senté a averiguar por qué algunas sesiones de depuración tomaban 5 minutos y otras 2 horas. La respuesta fue obvia en retrospectiva: registros.
No se trataba de si tenía registros; siempre tenía registros. El problema era que la mitad de mis registros eran ruido innecesario.
El agente de IA necesita enviar correos electrónicos. No reenviarlos, ni resumirlos, sino realmente componerlos y enviarlos según el contexto. ¿Un cliente envía un correo sobre un pedido retrasado? El agente debería verificar el estado del pedido, redactar una respuesta adecuada y enviarla (o ponerla en espera para mi aprobación).
Construir esto me llevó tres iteraciones. El
Perdí una semana configurando OpenClaw una vez. No por un hackeo o una falla de hardware. Sino porque realicé una actualización del sistema que corruptó mi tarjeta SD. Todo — mi configuración, mis habilidades personalizadas, mis archivos de memoria, las definiciones de mis trabajos cron — desapareció.
Reconstruir todo tomó un fin de semana entero. Y lo peor: sabía que
Una Raspberry Pi cuesta $35. Mi agente de IA funciona en ella 24/7 y utiliza aproximadamente 3 vatios de electricidad — alrededor de $3 al año. Con una inversión total de $38 en el primer año, tengo un asistente de IA personal que está siempre encendido, siempre disponible y sentado tranquilamente en mi escritorio en lugar de consumir una
Quería agregar una función a OpenClaw que no existía: un resumen de Hacker News que resumiera las principales historias cada mañana y las publicara en mi Slack. No había nada así como una habilidad. Así que construí una.
Me tomó cuatro horas la primera vez, incluyendo dos horas de leer incorrectamente la especificación de la habilidad. El
La primera vez que uno de mis agentes dejó de funcionar silenciosamente, no me di cuenta durante tres días. Tres días de informes programados perdidos. Tres días de mensajes automáticos sin respuesta. Tres días de un trabajo de monitoreo que no estaba monitoreando nada.
Mi cliente se dio cuenta antes que yo. Eso fue embarazoso.
Así que configuré Grafana para vigilar a mis agentes.
Cada semana, alguien en el Discord de OpenClaw pregunta: “¿Debería usar OpenClaw o LangChain?” Y cada semana, la respuesta es la misma: “No son realmente productos competidores.” Pero nadie explica por qué de manera clara, así que aquí está mi intento.
He usado ambos de manera extensiva. LangChain durante aproximadamente un año, OpenClaw durante ocho meses. He construido sistemas de producción con cada uno. Y