OpenClaw: O Devorador de Tokens que Ninguém Fala скачать в хорошем качестве

OpenClaw: O Devorador de Tokens que Ninguém Fala

Entre agora para a nossa Comunidade Incubadora de IA, o caminho mais curto entre você e seu primeiro cliente como freelancer ou com sua Agência de IA. 🚀 https://www.lionlabs.com.br Link sugestão de correções: https://drive.google.com/file/d/1hiyl... Gastei $35 em UM DIA de uso casual e fui investigar o código. O que encontrei foi assustador. As 7 Fraquezas: 1️⃣ Append-Only Sem Inteligência - Tudo que entra no contexto, fica lá pra sempre. Aquele ls -la de 10k linhas? Tá pagando token por ele até hoje. 2️⃣ Tool Results = Mensagens Normais - Output de comando tratado igual instrução do usuário. Sem TTL, sem prioridade, sem descarte inteligente. 3️⃣ Compactação Reativa - Só compacta quando ESTOURA 180k tokens. Você gasta $3+ ANTES de qualquer economia. 4️⃣ Sem Hierarquia de Importância - FIFO puro. Uma instrução crítica sua pode ser descartada antes de um log de debug inútil. 5️⃣ Memory em Markdown + BM25 - Arquivo de texto simples. Sem knowledge graph, sem TTL, sem estruturação de fatos. 6️⃣ Estimativa de Tokens Imprecisa - 4 chars = 1 token? Código tem 2.5 chars/token. Margem de 20% não salva. 7️⃣ Compactação usa o Mesmo Modelo - Resumindo histórico com Opus a $15/1M quando Haiku faz o mesmo por $0.25/1M. 00:00 Intro OpenClaw Devorador de Tokens 02:18 Overview do Codigo do OpenClaw 09:32 Fraqueza 1 Append-Only Sem inteligencia no openclaw 10:13 Fraqueza 2 Tool Results como mensagens no Openclaw 11:02 Fraqueza 3 Compactação Reativa do OpenClaw 12:14 Fraqueza 4 Sem Hierarquia de Importância de Contexto 13:02 Fraqueza 5 Memory em Arquivo MarkDown Openclaw 14:10 Fraqueza 6 Estimativas de Tokens Imprecisa 15:00 Fraqueza 7 Compactação utilizando Modelos Caros Openclaw 17:05 Modelos Locais não treinados para tools Openclaw 17:41 Documento de Possíveis Soluções para Contexto Openclaw