Замена OpenClaw на DeepSeek Harness: снижение нагрузки на VDS до 0,03
Habr AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
Автор статьи описывает переход от ресурсоемкого ИИ-ассистента OpenClaw к легковесной альтернативе DeepSeek Harness, что позволило стабилизировать работу сервера. Новая конфигурация потребляет значительно меньше памяти и CPU, обеспечивая аналогичный функционал при минимальных системных требованиях.
Материал демонстрирует практический пример оптимизации инфраструктуры для ИИ-агентов, показывая, как выбор правильного фреймворка позволяет снизить затраты на вычислительные ресурсы без потери функциональности.
Владелец виртуального сервера столкнулся с серьезными проблемами производительности при использовании ИИ-ассистента OpenClaw. Несмотря на впечатляющий набор функций, приложение демонстрировало аномально высокое потребление ресурсов: процесс регулярно потребовал до 3 ГБ оперативной памяти на машине с общим объемом 4 ГБ, что приводило к срабатыванию OOM-киллера и зависаниям системы даже при простых запросах. Попытки решить проблему путем увеличения своп-области и докупки RAM лишь временно смягчали симптомы, но не устраняли корневую причину нестабильной работы.
Поиск альтернатив привел автора к DeepSeek Harness (DSH), изначально разработанному как инструмент для программирования. Ключевым преимуществом DSH оказалось минимальное потребление ресурсов в режиме ожидания и во время активной работы, что позволяло запускать его даже на серверах с 1 ГБ RAM. В отличие от OpenClaw, DSH не нагружал процессор без необходимости, а средняя нагрузка (load average) снизилась с показателей выше 2 до стабильных 0,03–0,10.
Для превращения DSH в полноценного 24/7 ассистента автору потребовалось установить несколько плагинов. Плагин dsh-im обеспечил интеграцию с Telegram и другими мессенджерами, позволяя управлять агентом с любого устройства. Система памяти реализована через плагин dsh-mneme, который индексирует данные и сохраняет контекст между сессиями, имитируя долговременную память. Встроенный планировщик задач, аналог cron, позволяет автоматизировать рутинные операции без внешнего вмешательства.
Установка системы потребовала настройки Node.js, установки самого DSH через npm и конфигурации веб-интерфейса. Важным этапом стала настройка nginx с HTTPS-шифрованием для безопасного доступа к локальному серверу. Автор также отметил возможность использования бесплатных запросов к модели DeepSeek через авторизацию по кнопке Sign in, хотя некоторые фоновые процессы, такие как категоризация памяти, все же потребляют часть баланса.
В процессе эксплуатации были выявлены и исправлены ряд недоработок в сторонних плагинах. Автор совместно с сообществом улучшил систему распознавания голосовых сообщений, оптимизировал отображение статуса задач в Telegram и добавил работу с лимитами отправки сообщений. Эти изменения были отправлены как патчи в основной репозиторий, повысив общую надежность системы.
Итогом перехода стало создание стабильной и экономичной инфраструктуры для ИИ-ассистента. DeepSeek Harness оказался не только функциональным аналогом OpenClaw, но и более удобным в использовании благодаря меньшему количеству зависаний и предсказуемому поведению. Опыт автора показывает, что правильный выбор технологического стека позволяет существенно снизить требования к аппаратному обеспечению, делая персонализированных ИИ-агентов доступными для пользователей с ограниченными ресурсами.