Jeg får mine personlige AI-nyheder leveret hver morgen kl. 7:30 af fire agenter på min gamer-PC.
Ikke en nyhedstjeneste eller et dashboard. Bare meget læsevenlig tekst, i præcis den stil jeg vil have, fra fire AI-agenter der kører lokalt på en gammel PC via OpenClaw, som scanner markedet og leverer tre skarpe historier med implikationer for beslutningstagere. Direkte til min Telegram-app.
Dette indlæg gennemgår hvordan det virker, hvad setupmet ser ud i praksis, hvad der overraskede mig, og hvor OpenClaw står i dag, hvis du overvejer at bygge noget lignende.
Workflowet
StefAI er orkestratoren. Den styrer hele opgaven end-to-end, hver eneste dag, uden at jeg rører noget.
Hver morgen starter den en researcher-agent til at scanne nettet for de vigtigste genAI-nyheder fra de sidste 24 timer. Researcherens opgave er dækning: find alt relevant, mis intet vigtigt, spring støjen over.
Derefter træder validator-agenten ind. Skeptikeren. Djævelens advokat. Den gennemgår alt, hvad researcheren fandt. Nogen hallucinationer? Er webkilderne solide? Er påstandene underbyggede? Mangler der kontekst? Validatoren eksisterer af én grund: at sikre, at intet tyndt eller misvisende slipper igennem til næste trin. Og den har ikke engang adgang til nettet. Ingen grund til det.
Når materialet er valideret, sender orkestratoren det til en copywriter-agent, der formaterer maksimalt tre historier som korte narrativer. Hver historie inkluderer implikationer for direktionsgangen. Formatet er konsistent: hvad skete der, hvorfor det betyder noget, og hvad en beslutningstager bør tænke over. Læsevenligt. Handlingsorienteret. Intet fyld. Jeg har finjusteret copywriterens system-prompt, for jeg hader det, når det lyder som en maskine. Nu begynder den at skrive som mig.
Til sidst gennemgår og kvalitetstjekker orkestratoren selv det fulde output, før alt lander i min Telegram-kanal.
Alle fire agenter kører på ChatGPT 5.2. Simpelt. Effektivt. Billigt.
Det er stadig en pilot. Men kvaliteten af outputtet er allerede brugbart. Jeg læser det næsten hver morgen, og det finder konsekvent historier, jeg selv ville have fundet, plus et par jeg ville have overset.
Hvorfor en separat gamer-PC?
Det er værd at adressere direkte. På det tidspunkt jeg skriver dette, er der 900+ ondsindede plugins i ClawHub-repositoriet, hvilket repræsenterer ca. 20% af økosystemet og et ukendt antal åbne sikkerhedsproblemer. Så det er bedst at holde frameworket på separat hardware. Hold det langt væk fra din arbejds-PC/Mac.
Min gamer-PC kører agent-sværmen. Min arbejdsmaskine forbliver ren. Det er en simpel forholdsregel, og indtil OpenClaw lukker det sikkerhedshul, vil jeg anbefale det samme til alle, der sætter dette op.
Hvad der overraskede mig
Agent-netværket holder sig til opgaven. Ingen overraskelser. Ingen problemer.
Lyder kedeligt. Det er præcis pointen.
Hvis du har brugt tid på at arbejde med AI-agenter, ved du, at "ingen overraskelser" er det bedste kvalitetssignal, du kan få. Det betyder, at rollerne er klare, tilladelserne er stramme nok, og orkestratoren faktisk orkestrerer. Agenter der går off-script, hallucinerer kontekst eller producerer inkonsistent output er normen i mange setups. Dette virker bare.
Jeg tilskriver det to ting. For det første rolleseparationen. Researcher, validator og copywriter er tre fundamentalt forskellige måder at tænke på. Når du tvinger én agent til at gøre alle tre, falder kvaliteten. Når hver agent har ét job og klare grænser, er outputtet dramatisk bedre.
For det andet orkestratoren som kvalitetsport. StefAI delegerer ikke bare. Den reviewer. Det sidste tjek inden levering fanger den lejlighedsvise svage historie og holder standarden konsistent.
Det praktiske setup
Tech-stacken er ligetil:
Win11 med Ubuntu-terminal. OpenClaw til at køre agent-sværmen. Et cron-job til at trigge den daglige scanning. Telegram som leveringskanal.
Og én ting mere, der viste sig at være essentiel: en Claude Opus 4.6 i et separat Projekt som teknisk assistent, med en system-prompt konfigureret som OpenClaw-ekspert. Når StefAI ikke kan løse noget, eller når jeg rammer et konfigurationsproblem, jeg ikke kan finde ud af, skifter jeg til Claude og får hjælp.
Denne parring viste sig at være den egentlige accelerator. OpenClaw-dokumentation ikke altid komplet? Problemer dukker op? At have en dedikeret AI-assistent, der kender frameworket indgående, betyder, at man aldrig sidder fast længe. Husk at indlæse de relevante links og filer fra OpenClaw i Claude Opus-projektet!
Vedholdenhed og tålmodighed er nyttige egenskaber, når man sætter dette op. Der er øjeblikke, hvor det føles som om intet virker. Men næsten enhver på "IT-superbruger"-niveau kan gøre dette. Systemet er logisk. Problemerne er løselige. Og med en god teknisk sparringspartner ved siden af sig bliver friktionen håndterbar.
En ærlig vurdering af OpenClaw
OpenClaw er ikke klar til enterprise. Governance, audit trails, rollestyring i skala, compliance-frameworks. Intet af det er der endnu. Hvis du er i en stor organisation, der evaluerer dette til en teamudrulning, så vent.
Men for soloentreprenører og små startups, der vil bygge deres egne agent-workflows, er det en anden historie. Det er tilgængeligt, overkommeligt og funktionelt i dag. Du kan bygge et fungerende agent-netværk på din egen separate maskine, med god kontrol over hvad der sker, til en pris der er triviel sammenlignet med ethvert SaaS-alternativ.
Tradeoffet er klart: du får kraft og fleksibilitet, men du påtager dig sikkerhedsansvaret selv. Hold det på separat hardware. Vær bevidst om tilladelser. Og forbind det ikke til noget, du ikke har råd til at eksponere.
Hvad jeg ville bygge næste gang
Fire-agent-setupmet håndterer min daglige markedsintelligens. Men arkitekturen er udvidelig. Jeg tænker allerede over, hvad en femte agent kunne gøre. Eller om jeg skulle genbruge setupmet til helt andre use cases: søge efter den næste ferie på Sardinien? Søge og udvælge kandidater til et nyt snowboard? (har lige solgt mit gamle og mangler et nyt).
Det fede er, at uanset hvad botterne gør, bygger de en personlig vidensbase lokalt (alle leverancer fra OpenClaw-agenter ligger på din maskine i velorganiserede mapper).
Hvad jeg vil gøre næste gang? Undersøge grænserne for Claude Code og Claude Cowork til lignende use cases. Det skriver jeg om næste gang.
Afsluttende refleksion
Teknologien til at bygge personlige agent-workflows er tilgængelig i dag. Ikke om et år. I dag, på hardware du sandsynligvis allerede ejer, og som bare sidder der.
Hvad ville du sætte AI-agenter til at gøre for dig?
Stefano Vincenti · AI Built Human · aitrainer.dk
Appendix: OpenClaw System Prompts – Samling & Guide
Vil du selv i gang med OpenClaw? Download den komplette samling af system prompts til de fire AI-agenter (Projektlederen, Researcher, Validator og Copywriter) som PDF. Guiden indeholder færdige prompts, en mini-installationsguide og tips til at tilpasse agenterne til dine egne workflows.