OpenClaw + Claude Code супер сургалт: Нэг хүн бүрэн хөгжүүлэлтийн багийг байгуулж чадна!

Өнөөдөр нэгэн гайхалтай практик жишээг хуваалцаж байна. (Мэдээллийн төгсгөлд сургалттай)

Нэг бие даасан хөгжүүлэгч OpenClaw + Codex/CC ашиглан AI Agent системийг байгуулсан бөгөөд ямар үр дүн гарсан бэ?

Нэг өдөр 94 удаа код оруулж, 30 минутын дотор 7 PR-ийг дуусгаж, мөн энэ өдөр 3 удаа үйлчлүүлэгчийн уулзалт хийсэн бөгөөд редактороо ч нээгээгүй.

Энэ нь 2026 оны 1-р сард болсон бодит явдал юм. Зохиолч бүх системийн архитектур, ажлын урсгал, кодын тохиргоог нээлттэй болгосон бөгөөд энэ санаа ихээхэн суралцахад тохиромжтой гэж бодож, энэ нийтлэлийг бэлтгэж байна.

Хэрвээ та Codex эсвэл Claude Code ашиглаж байгаа бол, эсвэл OpenClaw-д сонирхолтой бол, энэ нийтлэл танд олон санаа өгөх болно.

Нэг хүн, нэг өдөр 94 удаа код оруулалт

Эхлээд хэдэн тоог хараад энэ системийн хүчийг мэдрээрэй:

• Нэг өдөрт хамгийн ихдээ 94 удаа код оруулалт (өдөрт дунджаар 50 удаа)
• 30 минутын дотор 7 PR-ийг дуусгаж
• Санаа гаргахаас эхлээд онлайн болгох хурд "өдөрт нь үйлчлүүлэгчийн шаардлагыг биелүүлэх" хүртэл хурдан

Зохиолч энэ системийг ашиглан бодит B2B SaaS бүтээгдэхүүн хийж байгаа бөгөөд үүсгэн байгуулагчийн шууд борлуулалттай хамтран, ихэнх функцийг өдөрт нь шийдэж чаддаг. Хурд ямар хэмжээнд вэ? Үйлчлүүлэгч шаардлага гаргасан үед, өдөрт нь үр дүнг харах боломжтой, шууд төлбөртэй хэрэглэгчид рүү шилждэг.

Зардал юу вэ? Сард $190 (Claude $100 + Codex $90), шинэ хэрэглэгч $20-оор эхлүүлж болно.

Та асууж магадгүй: Энэ бол AI хэрэгслүүдийг овоолсон, дараа нь хэт их хогийн код үүсгэж байна уу?

Үгүй. Зохиолчийн Git түүх "шинээр хөгжүүлэгчийн багийг ажилд авсан" мэт харагдаж байгаа ч, үнэндээ зөвхөн тэр ганцаараа. Гол өөрчлөлт нь: тэр "Claude Code-ийг удирдахаас" "AI гэрийн үйлчлэгчийг удирдаж, энэ гэрийн үйлчлэгч нь Claude Code-ийн бүлгийг удирдаж" шилжсэн.

• 1-р сарын өмнө: шууд Codex эсвэл Claude Code ашиглан код бичиж
• 1-р сарын дараа: OpenClaw-ийг зохион байгуулалтын давхарга болгон ашиглаж, Codex/Claude Code/Gemini-г удирдах

Энэ шилжилт нь: систем нь бараг бүх жижиг болон дунд төвшний даалгаврыг автоматжуулан гүйцэтгэж, хүний оролцоо шаардлагагүй болгосон.

Яагаад Codex болон Claude Code тусдаа ашиглахад хангалтгүй вэ?

Энэ үед та магадгүй бодох байх: Codex болон Claude Code аль хэдийн хүчтэй, яагаад дахин нэг зохион байгуулалтын давхарга нэмэх хэрэгтэй вэ?

Зохиолчийн өгсөн хариулт нь шууд: Codex болон Claude Code таны бизнесийн талаар бараг юу ч мэдэхгүй. Тэд зөвхөн кодыг харж, бүрэн бизнесийн дүр зургийг харж чадахгүй.

Энд нэг үндсэн хязгаарлалт бий: контекстын цонх тогтмол, та зөвхөн хоёрын нэгийг сонгох хэрэгтэй.

Та юу дотор нь хийхийг сонгох хэрэгтэй:

• Кодыг дүүргэх → Бизнесийн контекстэд зай байхгүй
• Үйлчлүүлэгчийн түүхийг дүүргэх → Кодын сангийн зай байхгүй

Тиймээс Codex эсвэл Claude Code-ийг тусдаа ашиглахад та эдгээр асуудалтай тулгарна:

• Энэ функц аль үйлчлүүлэгчийн төлөө хийж байгааг мэдэхгүй
• Энэ удаагийн ижил шаардлага яагаад амжилтгүй болсон бэ гэдгийг мэдэхгүй
• Энэ нь таны бүтээгдэхүүний байрлал болон дизайны зарчмыг мэдэхгүй
• Энэ нь зөвхөн одоогийн код болон таны prompt-ийг үндэслэн ажиллах боломжтой

OpenClaw энэ тэгшитгэлийг өөрчилсөн.

Энэ нь зохион байгуулалтын давхарга болж, та болон бүх AI хэрэгслийн хооронд байрладаг. Түүний үүрэг нь:

• Бүх бизнесийн контекстийг (үйлчлүүлэгчийн мэдээлэл, уулзалтын тэмдэглэл, түүхийн шийдвэр, амжилт/амжилтгүй тохиолдол) хадгалах
• Бизнесийн контекстийг нарийн prompt болгон хөрвүүлэх, тодорхой Agent-д өгөх
• Эдгээр Agent-уудыг тэдний мэргэшсэн зүйлсийг хийхэд төвлөрүүлэх: код бичих

Жишээ нь:

• Codex/Claude Code = мэргэжлийн тогооч, зөвхөн хоол хийх
• OpenClaw = тогооч, үйлчлүүлэгчийн амт, хүнсний нөөц, менюгийн байрлалыг мэдэж, тус бүрт нарийн заавар өгдөг

Энэ нь яагаад давхар систем шаардлагатай вэ гэдгийг тайлбарлаж байна: контекстын мэргэжлийн хуваарилалтаар, илүү хүчтэй загварыг солих биш.

Хоёр давхар, тус тусын үүрэг:

OpenClaw (Зохион байгуулалтын давхар) юу хийж чадах вэ?

• Obsidian тэмдэглэл дэх бүх уулзалтын тэмдэглэлийг уншиж авах (автомат синхрон)
• Үйлдвэрлэлийн өгөгдлийн сантай (зөвхөн унших эрх) хандаж, хэрэглэгчийн тохиргоог авах
• Администратор API эрхтэй, шууд хэрэглэгчид төлбөр хийх, саатлыг арилгах боломжтой
• Даалгаврын төрлөөр тохирох агентыг сонгох
• Бүх агентуудын явцыг хянах, алдаа гарвал шалтгааныг шинжлэх, prompt-ыг дахин оролдохоор тохируулах
• Дууссаны дараа Telegram-ээр зохиогчид мэдэгдэх

Agent (Гүйцэтгэх давхар) юу хийж чадах вэ?

• Кодын санг уншиж, бичих
• Тест болон барилга хийх
• Код илгээх болон PR үүсгэх
• Кодын хяналтын саналд хариу өгөх

Чухал цэг: Гүйцэтгэх давхарын Agent үргэлж үйлдвэрлэлийн өгөгдлийн сантай харьцахгүй, хэрэглэгчийн нууц мэдээллийг харахгүй. Тэд зөвхөн "энэ даалгаврыг гүйцэтгэхэд мэдэх шаардлагатай хамгийн бага контекст"-ийг авдаг.

Энэ загвар маш ухаалаг: аюулгүй байдлын хил тодорхой, мөн үр ашигтай байдлыг хангаж байна.

Бүрэн ажлын урсгал: Хэрэглэгчийн шаардлагаас PR нэгдэл хүртэл 8 алхам

Одоо гол хэсэгт оръё. Зохиогчийн өнгөрсөн долоо хоногийн бодит жишээг ашиглан, танд бүрэн процессыг зааж өгнө.

Арын фон: Нэг бизнесийн хэрэглэгч утсаар холбогдож, тэдний аль хэдийн тохируулагдсан тохиргоог дахин ашиглахыг хүсч байна гэж хэлсэн.

1-р алхам: Хэрэглэгчийн шаардлага → OpenClaw ойлгож, задлах

Утсаар яриа дууссаны дараа, зохиогч болон Zoe (түүний OpenClaw) энэ шаардлагын талаар ярилцсан.

Эндхийн гайхамшиг: тайлбарлах зардал байхгүй. Учир нь бүх уулзалтын тэмдэглэл автомат синхронд орж, Zoe утсаар ярианы агуулгыг уншиж, хэрэглэгч хэн болох, тэдний бизнесийн нөхцөл, одоогийн тохиргоог мэдэж байсан.

Зохиогч болон Zoe хамтдаа шаардлагыг задлан: хэрэглэгчид одоогийн тохиргоог хадгалах, засварлах систем хийх.

Дараа нь Zoe гурван зүйл хийсэн:

• Хэрэглэгчид төлбөр хийх — Администратор API-ийг ашиглан хэрэглэгчийн хязгаарлалттайг шууд арилгах
• Хэрэглэгчийн тохиргоог татаж авах — Үйлдвэрлэлийн өгөгдлийн сантай (зөвхөн унших) хэрэглэгчийн одоогийн тохиргоог авах
• Prompt үүсгэж, агентыг эхлүүлэх — Бүх контекстийг багцалж, Codex-д өгөх

2-р алхам: Агентыг эхлүүлэх

Zoe энэ даалгаварт зориулж:

• Нэг тусдаа git worktree (тусгаарлагдсан салбарын орчин)
• Нэг tmux сессийг (Agent-ыг арын фон дээр ажиллуулах)

# worktree үүсгэж + агентыг эхлүүлэх git worktree add ../feat-custom-templates -b feat/custom-templates origin/main cd ../feat-custom-templates && pnpm install

tmux new-session -d -s "codex-templates" -c "/Users/elvis/Documents/GitHub/medialyst-worktrees/feat-custom-templates" "$HOME/.codex-agent/run-agent.sh templates gpt-5.3-codex high"tmux-ийг яагаад ашиглаж байна вэ? Учир нь дундуур оролцож болно.

Хэрвээ AI буруу замаар явбал, дахин эхлэх шаардлагагүй, шууд tmux-д заавар өгч болно:

# Агентын чиглэл буруу байна tmux send-keys -t codex-templates "Зогс. API давхаргад анхаар, UI-г бүү анхаар." Enter

Агент илүү контекст шаардлагатай

tmux send-keys -t codex-templates "Төрлийн тодорхойлолт src/types/template.ts-д байна, тэрийг ашигла." EnterМөн, даалгавар JSON файлд бичигдэнэ:[[HTMLPLACEHOLDER0]] [[HTMLPLACEHOLDER1]] [[HTMLPLACEHOLDER2]] [[HTMLPLACEHOLDER3]] [[HTMLPLACEHOLDER4]] [[HTMLPLACEHOLDER5]] [[HTMLPLACEHOLDER6]] [[HTMLPLACEHOLDER7]] [[HTMLPLACEHOLDER8]] [[HTMLPLACEHOLDER9]] [[HTMLPLACEHOLDER10]] [[HTMLPLACEHOLDER11]] [[HTMLPLACEHOLDER12]] [[HTMLPLACEHOLDER13]] [[HTMLPLACEHOLDER14]] [[HTMLPLACEHOLDER15]] [[HTMLPLACEHOLDER16]] [[HTMLPLACEHOLDER17]] [[HTMLPLACEHOLDER18]] [[HTMLPLACEHOLDER19]] [[HTMLPLACEHOLDER20]] [[HTMLPLACEHOLDER21]] [[HTMLPLACEHOLDER22]] [[HTMLPLACEHOLDER23]] [[HTMLPLACEHOLDER24]] [[HTMLPLACEHOLDER25]] [[HTMLPLACEHOLDER26]] [[HTMLPLACEHOLDER27]] [[HTMLPLACEHOLDER28]]## Гурван механизм системийг ухаалаг болгодог

Механизм 1: Сайжруулсан Ralph Loop — зөвхөн давтах биш, суралцах

Та Ralph Loop-ийн тухай сонссон байж магадгүй: санах ойгоос контекстийг татах → гаралт үүсгэх → үр дүнг үнэлэх → суралцаж хадгалах.

Гэвч ихэнх хэрэгжүүлэлтэд нэг асуудал байдаг: бүртгэл бүрийн давталтад ашигладаг prompt адилхан. Суралцсан зүйлс ирээдүйн хайлтыг сайжруулдаг ч prompt өөрөө статик байдаг.

Энэ систем өөр.

Агент алдахад, Zoe адилхан prompt-ыг дахин эхлүүлэхгүй. Тэрбээр бүрэн бизнесийн контексттэйгээр, алдааны шалтгааныг шинжилж, дараа нь prompt-ыг дахин бичнэ:

❌ Муу жишээ (статик prompt): { "Хувийн загварын функцийг хэрэгжүүлэх" }

✅ Сайн жишээ (динамик тохируулга): { "Зогс. Хэрэглэгчийн хүсч буй зүйл бол X, Y биш. Энэ бол тэдний хурлын үеийн үг: Бид одоогийн тохиргоог хадгалахыг хүсч байна, шинэ зүйлсийг эхнээс нь үүсгэхгүй. Тохиргооны давтамжийг хийхэд анхаарах, шинэ процесс үүсгэхгүй." }Zoe ийм тохируулга хийх боломжтой, учир нь тэрээр гүйцэтгэх түвшний агентуудын контекстгүй:

• Хэрэглэгч хурлын үеэр юу хэлсэн
• Энэ компани юу хийдэг
• Өмнөх ижил шаардлага яагаад алдаа гарсан

Цаашилбал, Zoe таныг үүрэг өгч хүлээхгүй, тэрбээр идэвхтэй ажил хайна:

• Өглөө: Sentry-ийг скан хийх → 4 шинэ алдааг олж → 4 агентыг судлах, засахад эхлүүлэх
• Хурлын дараа: хурлын тэмдэглэлүүдийг скан хийх → 3 хэрэглэгчийн дурдсан функцийн шаардлагыг олж → 3 Codex-ыг эхлүүлэх
• Орой: git log-ийг скан хийх → Claude Code-ыг changelog болон хэрэглэгчийн баримт бичгийг шинэчлэхэд эхлүүлэх

Зохиогч алхаж ирээд, Telegram дээр "7 PR бэлэн байна. 3 шинэ функц, 4 алдааг зассан." гэж харагдана.

Амжилттай загваруудыг бичиж үлдээх болно:

• "Энэ prompt бүтэц нь дансны функцэд их үр дүнтэй"
• "Codex-ийг төрөл тодорхойлолтыг урьдчилан авах хэрэгтэй"
• "Ямар ч үед тест файлын замыг оруулах хэрэгтэй"

Шагналын дохио нь: CI дамжсан, гурван кодын тойм дамжсан, гар аргаар нэгдсэн. Аль ч алдаа давталтыг идэвхжүүлнэ.

Цаг хугацаа уртсах тусам, Zoe-ийн бичсэн prompt улам сайн болно, учир нь тэр юу амжилттай болохыг санаж байна.

Механизм 2: Агентын сонголтын стратеги — өөр өөр үүрэгт өөр өөр мэргэжилтнүүдийг хайх

Бүх агентууд адил хүчтэй биш. Зохиогчийн дүгнэлтээр сонголтын стратеги:

• Codex(gpt-5.3-codex) — гол хүч- арын логик, төвөгтэй алдаа, олон файлын дахин зохион байгуулалт, кодын сан хоорондын дүгнэлт шаардсан үүрэг
• Удаан боловч бүрэн
• 90% үүрэг

• Claude Code(claude-opus-4.5) — хурдны төрөл- урд талын ажил
• Зөвшөөрлийн асуудал бага, git үйлдэлд тохиромжтой
• (Зохиогч өмнө илүү их ашигладаг байсан, гэхдээ Codex 5.3 гарснаас хойш сольсон)

• Gemini — дизайнер- дизайны мэдрэмжтэй
• Гоё UI-д, эхлээд Gemini-ийг HTML/CSS стандарт үүсгэхийг зөвшөөрч, дараа нь Claude Code-д компонентын системд хэрэгжүүлэхийг өгнө
• Gemini загварыг гаргаж, Claude барьдаг

Zoe үүргийн төрөлд үндэслэн автомат агент сонгож, тэдгээрийн дунд гаралтыг дамжуулна. Дансны системийн алдааг Codex-д, товчлуурын хэв маягийн засварыг Claude Code-д, шинэ самбарын дизайныг эхлээд Gemini-д өгнө.

Механизм 3: Бутлуур хаана байна? RAM

Энд нэг сонирхолтой хязгаарлалт байна: токены зардал биш, API-ийн хурд биш, харин санах ой.

Бүх агент шаарддаг:

• Өөрийн worktree
• Өөрийн nodemodules
• Бүтцийн, төрөл шалгалт, тестийг ажиллуулах

5 агент зэрэг ажиллах = 5 параллель TypeScript компилятор + 5 тестийн гүйцэтгэгч + 5 багц хамаарал санах ойд ачааллагдана.

Зохиогчийн Mac Mini(16GB RAM) хамгийн ихдээ 4-5 агент зэрэг ажиллуулж чадна, илүү их бол свопд орж, тэд зэрэгцэн бүтцийн ажиллахгүй байхыг залбирах хэрэгтэй.Тиймээс тэр Mac Studio M4 Max (128GB RAM, $3500) худалдаж авсан бөгөөд 3-р сарын сүүлээр ирнэ. Тэр үедээ энэ нь үнэтэй эсэхийг хуваалцах болно.

Чи ч бас байгуулах боломжтой: Эхнээс нь ажиллуулахад 10 минут л хэрэгтэй

Энэ системийг туршиж үзэх үү?

Хамгийн хялбар арга:

Энэ бүх нийтлэлийг OpenClaw-д хуулж өгөөд, "Энэ архитектурын дагуу миний кодын санг Agent кластер системийг хэрэгжүүл" гэж хэлээрэй.

Дараа нь, энэ нь:

• Архитектурын дизайныг уншина
• Скриптүүдийг үүсгэнэ
• Директори бүтэцийг тохируулна
• Cron хяналтыг тохируулна

10 минутын дотор шийднэ.

Чи бэлтгэх хэрэгтэй:

• OpenClaw данс
• Codex болон/эсвэл Claude Code-ийн API хандалт
• Нэг git сан
• (сонголт) Obsidian бизнесийн контекст хадгалах

2026: Нэг хүний сая долларын компани

Зохиолч нийтлэлийн төгсгөлд нэг үг хэлсэн, надад их урам зориг өгсөн:

"Бид 2026 оноос эхлэн олон нэг хүний сая долларын компанийг харах болно. Левередж их, энэ нь давтагдашгүй өөрийгөө сайжруулах AI системийг хэрхэн байгуулахыг ойлгож буй хүмүүст хамааралтай."

Энэ нь иймэрхүү харагдана:

• Таны өргөтгөл болгон AI зохион байгуулагч (зохиолчийн хувьд Zoe шиг)
• Ажлыг тусгай Agent-д шилжүүлж, янз бүрийн бизнесийн үүргийг гүйцэтгэнэ
• Инженерчлэл, хэрэглэгчийн дэмжлэг, үйл ажиллагаа, маркетинг
• Бүх Agent нь өөрийн мэргэшсэн зүйлд анхаарлаа хандуулна
• Чи анхаарлаа төвлөрүүлж, бүрэн хяналтаа хадгална

Дараагийн үеийн бизнес эрхлэгчид 10 хүнийг ажиллуулж, нэг хүн, нэг системээр хийж болох зүйлийг хийхгүй. Тэд ингэж байгуулах болно - жижиг хэмжээг хадгалах, хурдан үйл ажиллагаа явуулах, өдөр бүр гаргах.

Одоо AI-гаар үүсгэгдсэн хогийн агуулга хэт их байна. Бүх төрлийн хөөрөгдөл, "даалгаврын хяналтын төв"-ийн хэт хөөрөгдсөн demo, гэхдээ үнэхээр хэрэгтэй зүйл байхгүй.

Зохиолч тэрээр эсрэг зүйлийг хийхийг хүсч байна: хэт хөөрөгдөл багасгах, бодит барилгын процессыг ихээр бичих. Бодит хэрэглэгчид, бодит орлого, бодит үйлдвэрлэлийн орчинд гаргасан, мөн бодит алдаа.

Энэ нийтлэл энд дууслаа.

Үндсэн цэгүүдийг дахин сануулъя:

• Хоёр давхар архитектур: зохион байгуулалтын давхарга бизнесийн контекстийг агуулдаг, гүйцэтгэх давхарга кодод анхаарлаа хандуулдаг
• Бүрэн автоматжуулалт: шаардлагаас PR хүртэл 8 алхамын процесс, ихэнх даалгавар нэг удаа амжилттай
• Динамик суралцах: давтагдах биш, харин алдааны шалтгаанаар стратеги өөрчлөх
• Зардал хянах боломжтой: эхлэх үнэ $20/сар, их хэмжээгээр ашиглахад $190/сар

Хэрэв та AI автоматжуулалтын практик хэрэглээг судалж байгаа бол энэ жишээ танд урам зориг өгөх болно.

Лавлагааны хаяг:[[HTMLPLACEHOLDER_29]]