Formation : OpenClaw

Module 1 — Découvrir OpenClaw

• Comprendre ce qu'est OpenClaw : un framework open source pour exécuter des agents IA en local (local-first), sans dépendre du cloud.
• Distinguer un LLM statique d'un agent autonome doté de mémoire, d'outils et d'initiative.
• L'architecture en trois couches : cognition (le modèle), exécution (les skills isolées) et persistance (la mémoire).
• Installer et configurer : SDK TypeScript, registre ClawHub (manifestes signés) et sélection du modèle local via MCClaw (Ollama, llama.cpp, vLLM).
• Panorama des cas d'usage : automatisation de tâches, création de contenu, analyse de données et productivité personnelle.

Module 2 — Définir son agent (SOUL.md)

• Le fichier SOUL.md : définir l'identité, la personnalité, les capacités et les règles de comportement de l'agent.
• Rédiger des instructions claires et des garde-fous (ce que l'agent peut et ne peut pas faire).
• Choisir le bon modèle selon la tâche (niveaux fast, smart, vision).
• Comprendre la boucle agentique et ses déclencheurs : événements, changements de fichiers, tâches planifiées.
• Tester, observer et itérer sur le comportement de l'agent.

Module 3 — Créer des skills (compétences)

• Anatomie d'un skill : le manifeste (claw.manifest.json), le handler (la logique) et les tests.
• Déclarer les permissions et limites de ressources (network:outbound, accès fichiers en lecture, quota mémoire).
• Concevoir des skills utiles : interroger une base, envoyer des e-mails, capturer un écran, appeler une API web.
• Le sandboxing : exécution isolée (WebAssembly), filtrage des appels système et distribution signée.
• Bonnes pratiques : un skill = une action claire, testable et réutilisable.

Module 4 — Mémoire et orchestration

• Le système de mémoire : un graphe orienté de nœuds (actions passées, préférences, données externes).
• La consolidation de la mémoire en tâche de fond, pour les agents longue durée sans perte de contexte.
• La boucle d'orchestration : chaque opération modélisée dans un graphe (DAG) avec des schémas d'entrée/sortie standardisés.
• La fiabilité : délais d'expiration déterministes, limites mémoire et rollback automatique en cas d'échec.
• Exposer et connecter des skills via la Prism API (points d'accès compatibles OpenAPI).

Module 5 — Multi-agents, sécurité et mise en production

• Orchestrer plusieurs agents spécialisés (recherche → rédaction → planification) qui coopèrent.
• Faire communiquer les agents avec une mémoire isolée et des budgets de calcul limités.
• La sécurité en profondeur : sandboxing, registre signé, permissions explicites et secrets protégés.
• Prévenir les risques : injection de prompt, exfiltration de données et actions non autorisées.
• Déployer et superviser un agent 24/7 : journalisation, traçabilité (provenance) et supervision humaine.