로컬 AI 모델을 사용한 무료 OpenClaw 저장소 트라이지
Hugging Face
Google/DeepMind
DeepSeek
Anthropic
허깅페이스 블로그에서는 로컬 오픈 웨이트 모델(Gemma 4 26B 및 Qwen 3.6 35B)을 사용하여 OpenClaw 저장소의 이슈와 풀 리퀘스트를 실시간으로 트라이지하는 방법을 설명합니다. 이는 비용이 많이 드는 폐쇄형 모델을 대체합니다. 시스템은 안전한 읽기 전용 작업을 위해 제한된 셸(reposhell)을 사용하는 에이전트 하네스를 사용하며, NVIDIA GB10 시스템에서 높은 처리량을 달성합니다.
블로그에서는 OpenClaw 저장소의 이슈와 PR을 분류하기 위해 폐쇄형 AI 모델을 지역 오픈웨이트 모델로 대체한 방법을 소개합니다. 이는 폐쇄형 모델이 사라질 위험(Anthropic의 Claude Fable 5 제거 사례)에 동기부여받은 것입니다. 'localpager-agent'라는 하네스와 reposhell(제한된 읽기 전용 쉘)을 사용하여 시스템은 각 항목을 local_models, self_hosted_inference 등의 카테고리로 분류합니다. NVIDIA GB10 시스템(128 GB 통합 메모리)에서 Gemma 4 26B와 Qwen 3.6 35B를 테스트했습니다. Gemma는 더 높은 재현율(0.905)과 처리량(행당 1.41초, 16개 동시 작업)을 달성한 반면, Qwen은 더 높은 정밀도(0.831)와 정확 일치(0.540)를 보였지만 행당 13.51초가 소요되었고 작업자 4개만 사용했습니다. 반(半)에이전트 아키텍처는 분류에만 LLM을 사용하고 알림은 규칙 기반으로 처리합니다. 시스템은 gitcrawl 미러링을 통해 항목을 처리하고 결과를 SQLite에 저장하며 Discord를 통해 알림을 보냅니다.
출처: Hugging Face blog —
원문