Triage Repositori OpenClaw Secara Gratis Menggunakan Model AI Lokal
Hugging Face
Google/DeepMind
DeepSeek
Anthropic
Blog Hugging Face menjelaskan bagaimana model lokal dengan bobot terbuka (Gemma 4 26B dan Qwen 3.6 35B) digunakan untuk melakukan triase masalah dan pull request di repositori OpenClaw secara real-time, menggantikan model tertutup yang mahal. Sistem ini menggunakan agen harness dengan shell terbatas (reposhell) untuk operasi baca-saja yang aman dan mencapai throughput tinggi pada sistem NVIDIA GB10.
Blog ini menunjukkan bagaimana penulis mengganti model AI tertutup dengan model bobot terbuka lokal untuk memilah isu dan PR di repositori OpenClaw, didorong oleh risiko model tertutup yang bisa dihapus (mengutip penghapusan Claude Fable 5 milik Anthropic). Dengan menggunakan alat yang disebut 'localpager-agent' bersama reposhell (shell read-only yang dibatasi), sistem mengklasifikasikan setiap item ke dalam kategori seperti local_models, self_hosted_inference, dan lain-lain. Mereka menguji Gemma 4 26B dan Qwen 3.6 35B pada sistem NVIDIA GB10 (memori terpadu 128 GB). Gemma mencapai recall lebih tinggi (0,905) dan throughput (1,41 detik per baris, 16 pekerja bersamaan), sementara Qwen memiliki presisi lebih tinggi (0,831) dan exact match (0,540), tetapi membutuhkan 13,51 detik per baris dengan hanya 4 pekerja. Arsitektur semi-agentik hanya menggunakan LLM untuk klasifikasi; notifikasi berbasis aturan. Sistem memproses item melalui gitcrawl mirror, menyimpan hasil di SQLite, dan memberi notifikasi melalui Discord.
Sumber: Hugging Face blog —
asli