Em resumo
- O OpenClaw ultrapassou 300 mil estrelas no GitHub, tornando-se o projeto mais estrelado da história da plataforma.
- O projeto conecta modelos de IA a 50+ integrações, incluindo WhatsApp, Slack, Discord e dispositivos smart home.
- A tendência de agentes locais reflete preocupação com privacidade e custo de APIs na nuvem.
- O criador Peter Steinberger se juntou à OpenAI, e o projeto migrou para uma fundação open-source.
Um agente de IA passou o React no GitHub
Eu acompanho o GitHub como quem acompanha placar de futebol. E quando vi que o OpenClaw tinha ultrapassado o React em estrelas — o React, que era o projeto mais estrelado há anos — eu sabia que algo tinha mudado no mercado.
O OpenClaw é um agente de IA pessoal que roda inteiramente no seu computador. Ele conecta modelos de IA a mais de 50 integrações: WhatsApp, Slack, Discord, Gmail, smart home, navegador, terminal. Ele pode navegar na web, preencher formulários, escrever e executar código, e até criar suas próprias skills.
Em números: 300 mil+ estrelas, crescendo de 9 mil para 60 mil em poucos dias quando explodiu. Isso não é hype de lançamento. É uma comunidade real construindo algo.
Por que as pessoas querem agentes locais
Eu testei o OpenClaw por uma semana para entender o apelo. E a resposta é mais simples do que parece:
Privacidade. Seus dados nunca saem do seu computador. O modelo roda local, as integrações são locais, a memória é local. Para quem trabalha com dados sensíveis — clientes, finanças, saúde — isso é uma necessidade real.
Custo. Rodar um modelo via Ollama custa zero por chamada. Com API da OpenAI, cada interação tem custo. Para um agente que você quer que esteja sempre ativo, o custo de API acumula rápido.
Controle. Você escolhe o modelo, configura as permissões, decide o que o agente pode e não pode fazer. Não depende de decisões de uma empresa sobre o que é permitido.
O que eu testei e o que funcionou
Meu teste focou em três cenários:
1. Automação de navegador. O OpenClaw consegue navegar em sites, clicar em botões, preencher formulários. Testei para buscar informações de preços em sites de concorrentes. Funcionou, mas a velocidade depende do modelo. Com Llama 3 via Ollama, era aceitável. Com modelos menores, era lento demais.
2. Execução de código. O agente pode escrever e executar scripts Python. Testei para processar dados de um CSV e gerar um relatório. Funcionou bem, mas tive que configurar limites de execução para evitar loops infinitos.
3. Integração com WhatsApp. Conectei para testar respostas automáticas. Funcionou, mas a configuração não é trivial — precisa de um número de WhatsApp Business e tokens de API.
Onde o OpenClaw me decepcionou
O problema mais sério é segurança. O OpenClaw tem permissões amplas por padrão — ele pode acessar navegador, terminal, sistema de arquivos. Para um agente rodando no seu computador pessoal, isso é arriscado. Se uma skill maliciosa for instalada, o dano pode ser significativo.
O ecossistema de skills é grande, mas não auditado. Qualquer pessoa pode criar e publicar uma skill. Não há garantia de que uma skill não vai fazer algo inesperado.
Outro ponto: o projeto mudou de mãos. O criador Peter Steinberger se juntou à OpenAI, e o projeto agora é mantido por uma fundação open-source. Isso é bom para a continuidade, mas a transição pode causar instabilidade no curto prazo.
O que isso significa para o mercado
O sucesso do OpenClaw mostra que as pessoas querem IA que elas controlam. Não é só sobre privacidade ou custo. É sobre autonomia. Queremos agentes que fazem o que a gente pede, do jeito que a gente quer, sem depender de uma empresa que pode mudar os termos de uso a qualquer momento.
Para quem trabalha com automação e infraestrutura, a mensagem é clara: o futuro é híbrido. Modelos na nuvem para tarefas pesadas, modelos locais para tarefas contínuas. E o OpenClaw é a prova de que essa combinação já é possível.
Como eu testei na pratica
Minha semana com o OpenClaw foi intensa. Configurei três cenários: automação de navegador para pesquisa de mercado, execução de scripts para processamento de dados, e integração com WhatsApp para respostas automáticas.
O que mais me surpreendeu foi a automação de navegador. O OpenClaw consegue navegar em sites, clicar em botões, preencher formulários e extrair dados. Testei para coletar preços de produtos em 10 sites diferentes. Em 20 minutos, ele tinha processado todos e gerado uma planilha comparativa. Faria o mesmo trabalho manualmente em umas 3 horas.
O que menos gostei foi a configuração de permissões. Por padrão, o OpenClaw quer acesso a quase tudo — navegador, terminal, sistema de arquivos. Para um agente que vai rodar no meu computador pessoal, isso é preocupante. A documentação diz que é possível restringir permissões, mas não é trivial.
Minha recomendação: se você quer testar, use uma máquina virtual ou container. Não instale direto no seu computador principal sem configurar permissões primeiro. O risco de uma skill maliciosa ou de um bug que execute comandos indesejados é real. Segurança com agentes locais nao e paranoia — é precaução básica.
Perguntas que eu faria antes de marcar uma call
OpenClaw funciona em qualquer computador?
Funciona, mas modelos de IA precisam de recursos. Para modelos via Ollama, um computador com 16GB de RAM e GPU dedicada é recomendado. Para usar APIs na nuvem, qualquer computador serve.
É seguro instalar skills de terceiros no OpenClaw?
Com cautela. O ecossistema não é auditado. Leia o código antes de instalar, especialmente se a skill pede permissões de terminal ou sistema de arquivos.
Se quiser comparar isso com a sua operação
Se você quer experimentar um agente de IA local mas tem dúvida sobre segurança e configuração, a gente pode montar uma arquitetura segura em uma call. É mais simples do que parece quando você sabe o que está fazendo.