OpenClaw on KnightLi Blog

OpenClaw y Agent Harness: por qué parece AGI

Fri, 10 Apr 2026 09:16:17 +0800

Mucha gente, al entrar en contacto por primera vez con OpenClaw, siente que “se parece más a un compañero que hace cosas que a un chatbot”.

Esa sensación no es misteriosa. La clave está en que OpenClaw no es un salto de capacidad de un único modelo, sino un Agent Harness completo.

Conclusión primero

La esencia de OpenClaw puede resumirse así:

El modelo se encarga de entender y decidir
El Harness se encarga de memoria, herramientas, disparadores, ejecución y salida
Ambos colaboran mediante un bucle, generando la experiencia de “acción continua”

Por eso la razón central de que “parezca AGI” no es que el modelo se haya vuelto omnipotente de pronto, sino que la ingeniería del sistema amplifica la ejecutabilidad del modelo.

Qué es Harness

Puedes entender Harness como un “exoesqueleto” puesto sobre el modelo.

Un LLM por sí solo normalmente solo puede dar una respuesta dentro de una solicitud. El Harness completa estas capacidades:

Gestión de sesión y estado: conecta tareas de varias rondas
Mecanismo de memoria: guarda y recupera contexto según necesidad
Sistema de herramientas: llama navegador, terminal, archivos y APIs externas
Mecanismo de disparo: se despierta por temporizador o evento, sin tener que esperar siempre una pregunta humana
Canal de salida: escribe resultados de vuelta al sistema, no solo devuelve un texto

Cuando estas capacidades se integran en un mismo bucle, el modelo pasa de “respondedor” a “ejecutor”.

Por qué OpenClaw parece distinto

El chatbot tradicional es “preguntas una vez, responde una vez”.

OpenClaw se parece más a “observa -> llama herramientas -> mira resultados -> decide de nuevo”. Una vez que el bucle se establece, muestra capacidad de avanzar tareas de forma continua.

Esto también es lo más valioso para aprender de OpenClaw:

Demuestra que la experiencia Agent viene principalmente del diseño de arquitectura
Divide la “autonomía” en módulos que pueden construirse con ingeniería

Valor y límites

La ventaja de OpenClaw es ser general y flexible, pero el coste también es claro:

Cuanto más contexto y definiciones de herramientas haya, mayor será el coste
Cuanto más general sea el sistema, más complejos serán el debugging y la gobernanza

En escenarios de producción, muchos equipos elegirán Agent más pequeños y especializados, no un “agente todopoderoso”.

Cronología completa del bloqueo de OpenClaw por Anthropic

Wed, 08 Apr 2026 19:48:42 +0800

Contexto del evento

El 4 de abril de 2026, Anthropic anunció que dejaría de cubrir herramientas de terceros como OpenClaw mediante suscripciones de Claude.

El impacto directo para los usuarios fue que los flujos de terceros que antes dependían de la ruta de suscripción para acceder a Claude tuvieron que cambiar a otros métodos de acceso o cambiar de modelo.

Cronología (enero a abril de 2026)

Enero de 2026

Según reportes públicos, Anthropic pidió al proyecto entonces llamado Clawdbot que ajustara su nombre, con el argumento de que su pronunciación era cercana a Claude.

En la misma etapa, la comunidad empezó a reportar límites en llamadas de terceros usando credenciales de suscripción.

Febrero de 2026

Las restricciones relacionadas se incorporaron a los términos de servicio, aclarando más el límite entre suscripción y llamadas automatizadas de terceros.

Ese mismo mes, OpenClaw lanzó v4.0 y cambió su arquitectura interna a backends de modelo enchufables. Es decir, el modelo dejó de ser una única entrada fija y pasó a poder alternar entre varios proveedores.

Marzo de 2026

Anthropic lanzó Claude Dispatch y Computer Use, cubriendo capacidades como ejecución de tareas remotas y operación de escritorio.

OpenClaw siguió avanzando en su capa de compatibilidad en actualizaciones posteriores, unificando diferencias entre modelos en autenticación, formato de tool calling y estructura de respuesta para reducir el coste de migración al cambiar de modelo.

Los reportes públicos también mencionaron que el equipo de OpenClaw y Anthropic se comunicaron a finales de marzo, pero la dirección estratégica final no cambió.

4 de abril de 2026

Anthropic ejecutó formalmente el corte de cobertura de suscripción para herramientas de terceros.

Esto marcó que los ajustes estratégicos de los meses anteriores entraron en fase de ejecución.

5 de abril de 2026

OpenClaw lanzó v4.5, con acciones principales como:

Ajustar la prioridad de entradas de modelo en el flujo de onboarding
Integrar rutas alternativas como GPT-5.4
Continuar adaptando flujos de tarea y experiencia interactiva

Por la fecha de lanzamiento, la capacidad de cambio de OpenClaw no fue construida totalmente de emergencia, sino sobre la base de la reforma multi-modelo iniciada desde febrero.

Dos direcciones paralelas durante el proceso

Según la cronología, ambas partes avanzaron en direcciones distintas durante el mismo periodo:

Anthropic: estrechar los límites de suscripción e impulsar la integración de capacidades en productos oficiales
OpenClaw: reforzar la sustituibilidad de modelos y mejorar compatibilidad entre modelos

Estas dos rutas no son contradictorias, pero compiten en la “propiedad de la entrada” y en dónde se acumula el flujo de trabajo del usuario.

Estado actual (hasta abril de 2026)

Con base en la información pública, se pueden confirmar estos hechos:

El corte de cobertura de suscripción ya se ejecutó
OpenClaw completó el cambio principal de rutas de modelo y mantiene iteración de versiones
Que el usuario perciba cambios claros depende de cuánto dependiera su flujo anterior de una sola capacidad de modelo

Puntos de observación posteriores

Lo que más merece seguimiento ahora no es el evento puntual en sí, sino tres cosas:

Si los límites entre suscripciones y llamadas API seguirán refinándose
El rendimiento de largo plazo de Agent multi-modelo en estabilidad, coste y experiencia
Si el flujo de trabajo del usuario terminará acumulándose en la capa de modelo, en la capa de herramienta o en una capa híbrida entre ambas

Conectar OpenClaw con Gemma 4 local: guía completa de configuración

Wed, 08 Apr 2026 18:18:00 +0800

Este artículo muestra cómo conectar OpenClaw a un modelo Gemma 4 local, exponiendo la interfaz mediante Ollama.

Si todavía no completaste el despliegue local, puedes consultar primero:

Cómo ejecutar Gemma 4 en un portátil: guía de despliegue local en 5 minutos

Paso 1: iniciar el servicio API de Ollama

Primero inicia el servicio de Ollama:

`1`	`ollama serve`

Puedes probar rápidamente si la API funciona con el siguiente comando:

curl http://localhost:11434/api/generate -d '{
  "model": "gemma4:12b",
  "prompt": "你好"
}'

Si devuelve salida del modelo, significa que la API local ya está disponible.

Paso 2: configurar OpenClaw para acceder a Ollama

La ruta habitual del archivo de configuración de OpenClaw es:

`1`	`~/.openclaw/config.yaml`

Edita config.yaml y añade una entrada de modelo local dentro de models:

models:
  # 你已有的模型配置...

  gemma4-local:
    provider: ollama
    base_url: http://localhost:11434
    model: gemma4:12b
    timeout: 120s

Paso 3: establecer el modelo predeterminado (opcional)

Si quieres que Gemma 4 sea el modelo predeterminado, añade:

`1`	`default_model: gemma4-local`

Paso 4: reiniciar y verificar OpenClaw

Reinicia OpenClaw:

`1`	`openclaw restart`

Consulta la lista de modelos:

`1`	`openclaw models list`

Inicia una conversación de prueba:

`1`	`openclaw chat --model gemma4-local "你好"`

Si la conversación devuelve respuesta con normalidad, OpenClaw ya se conectó correctamente a Gemma 4 local.

Diagnóstico habitual

connection refused: confirma primero si ollama serve está ejecutándose.
Modelo no encontrado: comprueba que el nombre del modelo coincida con ollama list (por ejemplo gemma4:12b).
Timeout de respuesta: puedes aumentar timeout y probar primero con un modelo más pequeño.