В статье рассмотрим примеры интеграции SimpleOne с популярным open-source решением для проектирования AI-ассистентов - OpenClaw (380k+ звёзд на GitHub на июль 2026).
С момента появления ChatGPT применение AI-технологий эволюционировало от разовых вопросов к моделям в чате до систем с ассистентами, автономно решающими узкоспециализированные бизнес-задачи, берущими на себя значительный объем рутинной работы.
Ассистенты требуют первоначальной настройки и последующего развития под новые задачи бизнеса, при этом снимают следующую проблематику классического «чата с нейронкой»:
-
потеря памяти между сессиями — когда чат не помнит, о чём вы говорили вчера;
-
копипаст вручную — чтобы задать вопрос по данным из внешней системы, их приходится копировать, вместо выдачи AI прямого нужного доступа с нужными правами;
-
отсутствие обучения — повторяющиеся задачи каждый раз решаются «с нуля».
Настройка ассистента
В соответствии с документацией OpenClaw, потребуется машина с Runtime: Node 24.15+
При написании статьи использовался облачный сервер Ubuntu 24.04 провайдера ServerSpace 2 CPU / 2 GB RAM (там же есть сервера с GPU для запуска своего инференса).
Установка OpenClaw в одну команду:
curl -fsSL https://openclaw.ai/install.sh | bash
Запуск первоначальной настройки:
openclaw onboard --install-daemon
При быстрой установке (режим QuickStart) нужно будет выбрать:
-
Model/auth provider - провайдер LLM, являющейся “мозгом” ассистента (доступен OpenAI, Anthropic, OpenRouter, Ollama и многие другие), при написании статьи импользовался AIaaS Gateway (ИИ как сервис) от провайдера ITGLOBAL.COM
-
Base URL/API key/LLM model - настройка конкретной модели от провайдера
-
Select channel - доступны любые известные мессенджеры, например Telegram или Mattermost
-
Bot token - токен для подключения к каналу мессенджера, где планируется общение с ассистентом
Если корректно подключены модели и мессенджер, дальнейшие параметры можно продолжить настраивать уже в процессе общения с самим ассистентом.
Кейсы использования
- Работа с данными из таблиц Платформы, ITSM, SDLC, CRM и другими
(пример на демо-данных подключенного stage инстанса SimpleOne 1.33.0)
Чтобы ассистент мог работать с таблицами, ему необходимо предоставить соответствующий доступ, есть несколько вариантов:
-
Работа по Rest API - наиболее простой способ, ассистенту можно передать ссылку на документацию Table API для обучения
-
Использование Model Context Protocol (MCP)
-
Подключение на уровне СУБД Postgres к специальной реплике созданной для OLAP нагрузки
Типовые кейсы:
-
ITSM - выявить наиболее частые темы обращений заявителей для улучшения базы знаний и документации
-
CRM - квалификация лидов, выявление зависших сделок, составление резюме по клиенту
-
SDLC - выявление задач требующих декомпозиции, приоритизация беклога, анализ причин появления дефектов в ПО и др.
Хорошие результаты можно получить в поиске аномалий и неэффективностей работы при использовании правильных промптов.
- Консультирование по документации
Ассистенту предварительно передавалась ссылка https://docs.simpleone.ru/, доступная из публичного интернета.
- Консультирование по загруженным файлам и документам
Предварительно для такого ответа был загружен PDF файл с Эксплуатационной документацией 1.33.0 Версии Платформы, ассистент преобразовал его в другой удобный формат для своей работы и проиндексировал, далее отвечал по содержимому документа.
- Подключение к серверу для администрирования
На сервере с ассистентом была сгенерирована пара SSH ключей, публичная часть которых добавлена на тестовые сервера куда разрешено подключаться ассистенту.
Может просматривать логи микросервисов, искать причины ошибок в них, выполнять диагностику ОС Linux по производительности, сетевым настройкам и многому другому.
- Обращение к репозиториям с кодом
Настроив подключение ассистента к репозиториям с Вашим кодом (через GitLab CLI (glab) / Gitlab MCP или др.), возможным становятся консультации по механизмам работы кода любого модуля, на любом языке с подробным разъяснением.
Общие рекомендации по улучшению результатов
-
добавлять и “затачивать” отдельные навыки (skills) и промпты с понятным названием под конкретные задачи, это позволит избежать галлюцинаций из-за выполнения всех подряд задач без конкретных формализованных skills выстроенных через правильные техники промптов, через примеры и уточнения
-
явно просить сохранять в память важные для следующих сессий моменты
-
экспериментировать с подключением более умных моделей
-
снимать метрики качества работы ассистента - скорость ответов, стоимость токенов, точность ответов, удовлетворённость пользователей и др.
Меры безопасности
-
не забывать про валидацию результатов работы ассистента, потому что за них в конечном итоге отвечает человек
-
использовать локальные модели, либо надежный провайдер LLM, чтобы не передавать чувствительные данные с инстанса SimpleOne стороннему сервису в иностранной юрисдикции
-
специальная сервисная УЗ агента с read only правами в подключаемых системах
-
обучение при настройке интеграции агента, что он использует её в read only режиме
-
аккуратность при использовании локальных агентов ввиду их доступа к любым файлам и ПО Вашего устройства
-
отслеживать динамику потребления токенов на уровне провайдера токенов, OpenClaw UI, либо настроить cron в самом ассистенте, направляющий статистику и ориентировочную оценку стоимости раз в сутки
-
производить бэкапы данных ассистента - в OpenClaw все настройки в виде файлов на диске - MEMORY.md, AGENTS.md, TOOLS.md (в Linux хранятся внутри директории /root/.openclaw/…), можно бэкапировать в том числе целиком сервер.
Статья носит ознакомительный характер и не является официальной инструкцией. Будем благодарны, если поделитесь Вашими наработками на тему AI в SimpleOne Сообществе.