Triagem do Repositório OpenClaw com Modelos de IA Locais e Gratuitos

O blog mostra como os autores substituíram modelos de IA fechados por modelos locais de pesos abertos para triagem de issues e pull requests no repositório OpenClaw, motivados pelo risco de modelos fechados serem removidos (citando a remoção do Anthropic Claude Fable 5). Usando uma estrutura chamada 'localpager-agent' com reposhell (um shell restrito somente leitura), o sistema classifica cada item em categorias como local_models, self_hosted_inference, etc. Eles testaram o Gemma 4 26B e o Qwen 3.6 35B em um sistema NVIDIA GB10 (128 GB de memória unificada). O Gemma alcançou maior revocação (0,905) e vazão (1,41 segundos por linha, 16 workers concorrentes), enquanto o Qwen teve maior precisão (0,831) e correspondência exata (0,540), mas levou 13,51 segundos por linha com apenas 4 workers. Uma arquitetura semi-agêntica usa o LLM apenas para classificação; notificações são baseadas em regras. O sistema processa itens via espelhamento gitcrawl, armazena resultados em SQLite e notifica via Discord.