自律型AIエージェントの分野で急速に注目を集める「Hermes Agent」の実力と、先行する「Openclaw」との違いを徹底検証する解説。Hermes Agentは、ユーザーとのやり取りやタスクの成否から自動的に学習し、永続メモリに「スキル」として保存・洗練していく自己改善ループを備えているのが最大の特徴である。これにより、環境構築の難しさやメモリの忘却といったOpenclawの課題を克服。さらにカンバンボードを用いた複数サブエージェントのタスク管理機能や、利便性の高いWeb UI、低コストなDeepSeek V4モデルとの連携など、実用的な運用方法まで具体的に提示している。
自律型AIエージェントの新星Hermes Agentの登場
2、3か月前までは誰もがOpenclawの話をしていましたが、それ以来、多くの新しいプレイヤーが登場しています。特にいま大きな話題を呼んでいるのが、Hermes Agentと呼ばれるものです。このエージェントは、自分でループしながら自己学習するという大きな特徴を持っており、使えば使うほどパフォーマンスが向上していきます。GitHubでのスター数も大幅に普及し、OpenclawからHermes Agentへの移行の波が起きています。そこで本当の疑問となるのは、これがAIの世界でよくある単なる一時的な流行なのか、それとも本物の実力なのかということです。今日はまさにその点を見極めていきます。
いつものように、私は時間をかけてHermesをじっくりとオタク的に検証し、インストールし、設定し、正常に動作するか確認するために少しばかりお金を使いすぎてしまいました。この動画では、すべてのデモを詳しく解説し、移行する価値があるのかどうか、あるいはまだOpenclawをインストールしていない人が直接Hermesを導入すべきなのかを明らかにします。
そもそも何の話をしているのか疑問に思っている方のために説明すると、OpenclawやHermesは、一般的に外部のパソコンやVPS上で動作する自律型エージェントのことで、多くの人がスマートフォンから直接操作して様々な用途に活用しています。最近これらについて話す機会がよくありますが、今日のAIの使い方の常識を完全に変えつつあります。多くの人はチャットボット、つまりChatGPTやClaudeなどの段階で止まっていますが、実はその先には別の世界が存在しています。それが自律型エージェントの世界であり、今回のHermesやOpenclawがそれにあたります。
OpenclawからHermesへの移行が進む4つの理由
では、なぜ人々がOpenclawからHermesへと移行し始めているのか、その理由から話しましょう。私が目にする限り、多くの人が移行を決めている理由は非常にシンプルな4つの要素に集約されます。
1つ目は、インストールの難しさです。ワンクリックインストールなどの仕組みを作ってくれた人たちもいましたが、結局のところ、Openclawの機能をフルに活用しようとすると、すぐに技術的な壁にぶつかってしまいました。
2つ目は、メモリの欠陥です。情報を永続メモリにしっかりと保存するシステムが不十分だったため、Openclawが指示を忘れてしまうという不満が多くのユーザーから上がっていました。
3つ目の要素は、メンテナンスの難しさです。インフラの構造がかなり複雑でした。もっとも、これは最初のバージョン、つまりこの種の自律型AIエージェントのV1だったわけですから、複雑なのは当然でもありました。
4つ目の要素は、アップデートを行うとOpenclawが壊れて動かなくなってしまう問題です。アップデートをしなければセキュリティリスクに晒され、アップデートをすれば正常に動作しなくなるという、メンテナンス性のジレンマを抱えていました。
これらが、人々がOpenclawからHermesへと移っていった4つの理由です。特に私を最もイライラさせたのは、何か指示を出したとき、たとえば次はもうこんな風に返答しないでほしいとか、この処理を覚えておいてほしいと伝えても、2回に1回は完全に忘れてしまうことでした。ファイルや永続メモリと呼ばれる領域に情報が記録されておらず、単にコンテキスト内に保持されていたため、簡単に忘れてしまうのです。最近ではコンテキストへの理解が深まっていますが、コンテキストは一定の量を超えると圧縮されてしまい、最終的には何も覚えていられなくなります。
もちろん、Openclawに永続メモリが全くなかったわけではありません。ただ、それを適切に設定するには相応の時間が必要であり、デフォルトで機能するものではなかったのです。それに対してHermesでは、何かアクションを実行すると、その都度プロセスを学習し、自動的に永続メモリへと保存していく仕様がデフォルトで備わっています。
ここで30秒ほど時間を取って、Claude、ChatGPT、Geminiのような通常のチャットボットと、今回のエージェントとの違いを説明しておきます。チャットボットは、ユーザーが自らアクセスして対話をする相手です。確かにメールにアクセスしたり、特定のアクションを実行したりすることはできますが、自律性に欠けています。いくつかの小さな処理は行えても、ツールや独自のメモリ、様々な通信手段、専用のシステムプロンプトを備えたエージェントほどの高い自律性は持ち合わせていません。これらのチャットボットも徐々にAIエージェントへと進化しつつありますが、現時点のOpenclawやHermesは、はるかに多くのリソースにアクセスでき、自らを実行する能力を持った真の自律型AIエージェントと言えます。
自己改善ループによるスキルの自動生成
どちらもAIエージェントであるなら、HermesとOpenclawの具体的な違いはどこにあるのでしょうか。その違いは、動作の仕組みそのものにあります。
Hermesには、自己改善ループが組み込まれています。Openclawと同様にメモリ、スキル、ツール、システムプロンプトなどを持っていますが、動作のプロセスが異なります。ユーザーが何かタスクを依頼した際、最初のうちはやり方が分からないかもしれません。その場合はユーザーに質問を投げかけてきますが、一度そのアクションの実行方法を理解すると、次からは動きが変わります。
たとえば、クライアント向けの書き方で、見積書を作成してほしいと頼んだとします。最初の1回目は質問を返してくるので、指示の意図を説明するために何度かやり取りをすることになります。しかし、一度実行に成功すれば、その内容をメモリに保存するようわざわざ指示する必要はありません。エージェントは自動的にスキル、すなわち新しい能力を生成し、回数を重ねるごとにそのスキルを自らブラッシュアップしていきます。このように、人間の発言や自身の成功体験に基づいて、自律的に学習していくエージェントなのです。
これは当たり前のことのように思えるかもしれませんが、人間にとって日常的な自己学習という振る舞いも、AIエージェントにとっては全く当たり前ではありません。Hermesがこの機能を実装したことで、利用時の強力さと自律性が格段に向上しました。Openclawでは、スキルを手動でインストールする必要があり、それを修正したいときには、このスキルを修正してほしいと明示的に指示を出さなければなりませんでした。しかし現実には、すべてのユーザーがAIモデルの挙動やエージェントシステムの仕組みに精通したエンジニアであるわけではありません。毎回スキルの修正方法を指示させるのではなく、システム側が自律的に行うべきであり、これこそが両者の決定的な違いです。
WhatsAppを使ったデモとスキルの実例
自己改善ループの理論について話してきましたが、実際の例を見るのが一番分かりやすいでしょう。私はHermesをWhatsAppから利用しているので、画面を開いてみます。ここに私のボットのチャットウィンドウがあります。
ここで、まだ一度もやらせたことのないタスクを頼んでみます。私のYouTubeチャンネルのコメントを分析してほしい。これがリンクです。最新の動画を確認し、最初の50件のコメントを分析して、動画のどこを改善すべきかについての詳細なレポートを、このWhatsAppに直接送ってください、と指示を出します。チャンネルのリンクを添付してメッセージを送信します。これまで頼んだことのない内容なので、どうなるか見てみましょう。
ボットがメッセージの作成を開始しました。今回はWhatsAppで動かしていますが、もちろんTelegramやiMessage、Signalなどでも利用可能です。また、この動画の後半で紹介するグラフィカルなWeb UIも用意されています。
画面では、エージェントがいま実行しているプロセスを逐一報告してくれています。リンクにアクセスし、クリックし、ページ内を移動してスクリーンショットを撮影しています。初めてのタスクであるため、モデルを使って手探りで手順を考えていますが、最終的に何が起きるか注目してください。
分析が完了したようです。すべてのコメントを読み終えました。頻出する質問や、見落としがちな微細なサイン、建設的な批判などが非常に高いクオリティでまとめられています。そして最後に、この処理を定期実行タスク、つまりcronジョブに変換して、新しい動画が投稿されるたびにコメントを分析し、WhatsAppにレポートを送信するようにしますか、と尋ねてきました。これに、はいと答えます。cronジョブが何かわからない方も、動画をもう少しそのまま見進めてください。これが自動起動を可能にする仕組みです。
これにより、スケジュール設定されたタスク一覧の中に、YouTubeコメント分析という新しい項目が追加されました。これについては後ほど詳しく説明します。これで設定は完了です。
しかし、実際にシステム内部で起きた本当の変化は、エージェントが最初は手動でタスクを解決したものの、それと同時に「YouTubeチャンネルのコメントを分析する」という新しいスキルファイルを内部で自動生成した点にあります。私の管理画面を確認すると、利用可能なスキルの一覧が並んでいます。ここでYouTubeと検索すると、先ほど指示を出しただけで、具体的な実行手順が記述されたYouTube comment analysisという新しいスキルが自動的に作られているのがわかります。私が作成を求めたわけではなく、エージェントが自発的に行いました。そしてこのスキルは、今後の会話を通じて継続的に自己改善されていきます。
AIエージェントの世界におけるスキルとは、タスクの実行手順をステップ・バイ・ステップで書き起こした、いわばレシピのようなファイルのことです。これがあるおかげで、初回のようにタスクの手順をイチから模索するために余計なトークンを消費せずに済み、同時にエラーの発生を防ぐことができます。手順が明確に定義されていれば、処理の成功率は劇的に高まります。Hermesには最初から多くのスキルがプリインストールされており、新しいスキルを追加することも可能ですが、本当にエージェントが強力になるのは、このように自分専用のスキルが自動で蓄積されていくときです。
永続メモリの重要性とエラーからの自動復旧
ここまで重要な要素であるスキルについて話してきましたが、ツールについても触れておきます。ツールとは、AIエージェントが実行できる具体的なアクション、いわばエージェントの手足となるものです。しかし、本当に大きな差を生み出すのはメモリの存在です。AIエージェントにおけるメモリは、ユーザーに関するコンテキストを持っているかどうかを左右するため、エージェントがスマートに振る舞えるか、あるいは的外れな動きをしてしまうかの分かれ道になります。
Hermesでは、メモリの構造が分かりやすく整理されています。ユーザー自身の情報、ユーザーに関するあらゆる記録、そしてエージェント自身のソウル、つまり魂にあたる設定ファイルです。Openclawでは無数の小さなファイルに散らばってしまっていましたが、Hermesでは非常にシンプルに統合されました。この永続メモリがあるおかげで、エージェントは会話やメッセージのたびにユーザーのプロフィールや自身の役割、これまでの利用履歴を思い出すことができ、使えば使うほど賢くなっていきます。
今回のプロセスを振り返ると、Hermesはタスクを受け取った後、まず既存のスキルの中に該当するものがあるかをバックグラウンドで自動的に確認しています。今回はスキルがなかったため、自ら探索して解決策を見つけ出しました。通常のチャットボットとは異なり、エージェントは成功するまで自律的に試行を繰り返します。Hermesの設定では試行回数を指定できるようになっており、デフォルトは90回に設定されています。そのため非常に粘り強く、失敗しても挑戦を続け、成功した段階でそれが正しく機能したかを検証します。
私のWhatsAppに提案が届いたのはその検証後のことです。手順が正しいと判断したエージェントは、ステップを特定して新しいスキルを作成しました。さらに、私が定期実行タスク、つまりcronジョブを頻繁に利用している傾向を過去の履歴から読み取り、頼まれてもいないのに「自動化しますか」と提案してきたのです。同意を得たシステムは、次回からはこのスキルを使って自動処理のルートを進むようにライブラリに登録します。そして、次回以降に私がフィードバックを与えたり、より効率的な方法が見つかったりすれば、スキルを継続的に自動改善し続けます。一度作って終わりではないのです。
先ほどから言っているcronジョブについて、具体的にどういうものかをお見せします。これはスケジュール登録された自動タスクのことです。たとえば、ここにある物件情報検索のタスクは頻繁に実行されています。現在引っ越し先を探しているため、一日に数回、条件に合う物件を検索してリンク付きで提案するよう設定してあるのです。
ただ、最初から完璧に動いていたわけではありません。途中でうまく機能しなくなった時期がありました。その際、私は特に細かい修正指示は出さず、エラーの状況をそのまま伝えただけでした。するとエージェントは自ら問題を特定して修正を行いました。原因はプログラムが誤ったディレクトリで実行されていたことで、ラッパーを修正したエージェントから、これでエラーなく30分ごとに実行されるようになりました、と報告がありました。注目すべきは、この画面に表示されているself improvement review, memory updatedという通知です。自己改善ループが作動し、私のメモリが更新されたことを示しています。失敗に直面した際、自ら解決策を模索して修正し、メモリやスキルなどのファイルをアップデートする。これこそが、このシステムの真価です。
Hermesを劇的に使いやすくするWeb UIの活用
次に、Hermesを利用するための様々なインターフェースについてお話しします。先ほどお見せしたように、私はWhatsAppやWeb UIと呼ばれる画面を使用しています。ただ、これはHermesのデフォルトの姿ではありません。通常、Hermesを使い始める人はターミナル、つまり黒い画面のコマンドラインから操作することが多いのですが、正直なところターミナルでの操作性はあまり良くありません。
そのため、Openclawと同様にWhatsAppやTelegramといった使い慣れたアプリを連携させることができますが、Hermesには大きな強みとして、システムを視覚的に管理できる優れたWeb UIプロジェクトが存在します。デフォルトの状態ではインストールが少し面倒なのですが、私は環境構築の過程で、Hermesの利用体験を劇的に向上させてくれるこのオープンソースのWeb UIプロジェクトを見つけました。
この画面には、先ほど紹介した定期タスクを管理するスケジュールジョブ、カンバンボード、スキル一覧、可視化されたメモリ、ワークスペースの管理、複数ユーザーの作成、ToDoリスト、利用統計のインサイト、そして実行ログなど、あらゆる機能が最初から統合されています。これはインターフェースのほんの一部に過ぎませんが、当初期待していた以上の利便性があり、パソコン作業中の日常的な利用において非常に快適です。外出時など、パソコンの前にいないときにはWhatsAppから指示を出す、というように使い分けています。
これらはファイルやターミナル、各種アプリケーションへのアクセス権を持っており、パソコン上でできることであれば実質的に何でも実行可能です。ご自身のメインのパソコンに直接インストールすることもできますが、それは強くお勧めしません。エージェントがパソコン内のすべてのファイルにアクセスできるようになるため、予期せぬ誤操作によって重大なトラブルが起きるリスクがあるからです。
通常、Hermesの初期設定ではセキュリティのために1つ1つの動作に対してユーザーの承認を求めてきます。しかし、自律型エージェントに毎回承認を出すのは非常に煩わしいものです。完全に自律して動かしたいのであれば、私のように個人ファイルが入っていない別の外部パソコンを用意するか、あるいはサーバー上に構築することをお勧めします。そうすればプライベートなデータが危険に晒されることもなく、サーバーに配置するファイルだけを厳密に管理できるため、セキュリティの観点から圧倒的に安全です。
Hostingerを使用した簡単な環境構築
インストールの方法にはいくつかの選択肢があります。実を言うと、私は過去にOpenclawを構築した際にも大変苦労した経験があります。しかし現在の最適な選択肢は、Hostingerを利用してインストールする方法です。Hostingerには数多くのオープンソースプロジェクトのカタログが用意されており、そこでHermesと検索すると、通常のターミナル版だけでなく、最初から連携済みのHermes Web UI版を選択することができます。
これを選べば、Dockerコンテナ内にすべての環境が統合された状態で立ち上がるため、私が手動構築で直面したような煩雑なエラーに悩まされることがなくなります。もし自身で構築を試みる場合は、一定のメモリやRAMのスペックが必要になるため、プランはKVM2以上を選択することをお勧めします。12か月または24か月の長期プランを選択し、プロモーションコードの入力欄に「Shouam Sharma」と入力すると、新規アカウント限定で追加の割引が適用されます。
インストールが完了すると、専用のWeb UIにアクセスするためのパスワードが発行されます。その後は、利用したいLLMのAPIキーを設定画面に入力するだけです。
カンバン機能による複数エージェントの統制
このWeb UIの機能の中でも、特に強力なのがカンバン機能です。これはNotionのボード管理のような画面で、オーケストレーターと呼ばれるメインのAIエージェントが、複数のサブエージェントを展開してタスクを分担実行する仕組みです。
新しい会話を立ち上げて、実験してみましょう。私のYouTubeチャンネルのウェブサイトを作成したい。いくつかのセクションを設け、チャンネルから動画の情報を取得してサイトに掲載してほしい。ただし、このタスクをやり遂げるために複数のサブエージェントを展開し、私が進行状況を監視できるように、すべてのプロセスをカンバンボードに切り出して管理してください、と指示します。
詳細ログを閉じ、プロセスの進捗を見守りましょう。エージェントはスキルを実行し、カンバン管理に必要なプロファイルや手順を検討し始めます。最初は空だったカンバンボードですが、エージェントが私の動画リストを自動で取得し、必要なセクションの構成を考え出すと、変化が起きます。
エージェントはサイトのデザインやチャンネル分析といったタスクを提案し、それぞれを異なる役割のサブエージェントに割り振っていきます。ここでは、新しくウェブサイトビルダーとしての役割を持つワーカープロファイルを作成し、タスクを委譲することにします。
詳細を確認すると、エージェントが自律的に動き、カンバンボードに適切な列を作成して、それぞれのタスクを自動で追加していく様子が確認できます。ユーザーである私は何も操作していません。異なる役割を持ったサブエージェントたちが、割り当てられたタスクを順次実行していきます。この画面が、そのまま全体の進行状況を監視するためのモニタリングダッシュボードになるのです。プロファイル画面からは、異なるAIモデルを紐付けた多様なサブエージェントをいくらでも作成できます。各タスクをクリックすれば、どのサブエージェントがいまどのような作業を行っているのか、進捗を詳細に追うことが可能です。
こうしてすべてのタスクが動き出し、15本の動画分析から順次処理されていきます。完了したタスクは自動的に完了の列へと移動します。もちろん、ユーザーが手動で新しいタスクを追加したり、不要なタスクをアーカイブしたり、内容を直接編集することも可能です。この極めて高い自律性に加え、適切な役割分担によって無駄なトークン消費を抑える構造になっています。
DeepSeek V4による圧倒的なコスト削減
ここで、私がなぜAIモデルにDeepSeek V4を選んでいるのか、コストの観点から非常に重要な話をします。正直なところ、私はこれらの一連のエージェントをテストする過程で、かなり多くのお金を失いました。自律型エージェントは内部で思考を繰り返すため非常にトークン消費量が激しく、ClaudeのOpusやGPT-4などの上位モデルをそのままAPI経由で回していると、トークンあたりの単価が高いため、あっという間に莫大な請求が発生してしまいます。
Openclawの出始めの頃、私は利用規約のグレーゾーンではありましたが、月額200ドルのClaudeのProプランを外部ツールに接続して制限を回避しながら利用していました。当時はリクエストが実質無制限に近かったため、コストを気にせず最も賢いモデルをフル回転させることができ、非常に快適でした。しかしその後、Anthropic側が対策を講じたため、こうした外部ツールからProプランの制限枠を使い回すことはできなくなりました。
結果として、APIによる従量課金、つまり消費したトークンに対してリアルタイムでお金を支払う形式でHermesを運用せざるを得なくなりました。これが非常に高額なのです。多くの人が自律型エージェントの運用を途中で断念してしまう最大の原因が、このAPIコストの壁にあります。
しかし、DeepSeek V4というモデルはこのコスト問題を劇的に解決してくれます。実際にHermesにDeepSeekのAPIを接続してからの3日間、大量のタスクをテストしたにもかかわらず、かかった費用はわずか40セント（数十円）程度でした。以前、Anthropicの上位モデルでいくつかの会話を交わしただけで、一瞬で17ドルが消し飛んだのとは比べものになりません。
現在は処理速度に優れたDeepSeek V4 Flashを中心に使っていますが、必要に応じてより高精度なProモデルに切り替えることも可能です。一般的な日常タスクであれば、Flashモデルの性能だけで十分に事足ります。
ただし、重要な注意点（ディスクレイマー）として、DeepSeekは中国の企業が開発しているモデルです。HermesにこのAPIを接続して利用するということは、自身のデータが中国のサーバーへ送信されることに同意することを意味します。プライバシーやデータの取り扱いに極めて慎重になるべきケースがあるのは当然のことであり、その懸念は深く理解できます。
もし完全にデータをローカル環境に閉じ込めた状態でHermesを運用したいのであれば、Ollamaを経由してローカルPC上のオープンソースモデルと接続することが可能です。ローカル環境でAIモデルを動かす具体的な手順については、過去の動画で詳しく解説していますので、データ漏洩のリスクを完全に排除したい方はそちらを参考に構築してください。
データの送信を許容でき、とにかく圧倒的な低コストさを優先したいのであれば、DeepSeekのAPIキーを発行して管理画面に入力するのが最も手軽です。Web UIの設定画面のプロバイダー一覧から簡単に登録できます。お勧めの運用方法としては、全体を統率するオーケストレーター役にはコストの安いDeepSeekを指定し、複雑なプログラミングコードを書かせる特定のサブエージェントのプロファイルには、精度の高いOpenAIのGPTモデルを割り当てる、といった使い分けです。このようにタスクの性質に応じてモデルを最適化すれば、賢さとコストパフォーマンスを両立できます。特にDeepSeekは、一度読み込ませたコンテキストを再利用するキャッシュヒット時のトークン単価が極端に安いため、何度も同じコンテキストを参照する自律型エージェントとの相性が抜群に良いのです。
カンバンボードの様子を確認すると、すべてのタスクが終了しています。エージェントがワークスペース内にindex.htmlなどの成果物ファイルを生成しているので、ブラウザで開いてみます。最低限の指示しか出していないためシンプルなデザインですが、複数のサブエージェントが連携し、チャンネルの動画データを反映したWebサイトが正しく構築されているのが確認できます。
結論：Openclawから移行すべきか、それともHermesを始めるべきか
それでは最終的な結論として、OpenclawとHermesのどちらを選ぶべきか、現在の状況を評価します。
Openclawのヘビーユーザーとしての客観的な視点から言うと、Hermesは圧倒的にインストールが簡単です。スキルの管理やファイルシステムが洗練されているため、使っているうちに内部に不要なファイルが乱雑に増えていくようなストレスがありません。そして何より、この洗練されたWeb UIの存在によって、エージェントの思考プロセスやタスクの進行状況が完全に可視化されている点が素晴らしいです。デフォルトのシステムプロンプトの段階で、重要な情報を自動的に永続メモリへ書き込んでくれるため、指示の忘却も明らかに少なくなっています。
では、すでにOpenclawを自分好みに徹底的にカスタマイズして運用している人が、今すぐHermesに移行すべきかというと、それは好みの問題と言えます。私自身、Openclaw側に自作の自己改善システムやファイル管理の仕組みをすでに構築してしまっているため、機能面だけで言えば、移行によって驚くほどの劇的な進化を感じるわけではありません。ただし、このWeb UIとカンバンボードによる管理機能だけは、Openclaw側にはない強力な差別化要素です。これらを利用したいという理由だけで移行する価値は十分にあります。
私の環境では、まだ過去の名称であるCloud Botという設定のままOpenclawが動いているので、しばらくはこれを維持しつつ、並行してHermesの検証をさらに深めていく予定です。このオープンソースのWeb UIプロジェクトが今後さらに進化し、タスクの可視化やカンバン機能が洗練されていけば、完全にHermesへ移行するかもしれません。
これから初めて自律型エージェントの世界に触れるという新規のユーザーであれば、迷わずHermesを選択することをお勧めします。私自身、Openclawに関する体系的な教育プラットフォームを運営していますが、それを差し置いても、構築の容易さとWeb UIによる管理のしやすさにおいて、現時点ではHermesに軍配が上がります。面倒なファイルシステムの構築に時間を取られることなく、洗練された環境からスタートできます。
しかし、最終的にどちらのツールを選ぶにせよ、最も重要なのは「自ら試す」という行動そのものです。今の一番大きな間違いは、無料のChatGPTに簡単な質問をして、AIなんて大したことはないと決めつけ、進化の波から目を背けてしまうことです。本質的な価値は、こうした次世代のプラットフォームを実際に触り、技術の進化を肌で感じ、設定に悩み、時には失敗しながらも実験を繰り返すプロセスの中にあります。確かに複雑で、新しく、従来の思考の枠組みを超える技術であるため、最初は技術的な難しさに戸惑うかもしれません。それでも、自分の手で動かしてみることに意味があります。
SNS上の表面的な口コミや他人の成功事例の投稿を眺めて流行を追いかける（バイブコーディングのような表面的な雰囲気に流される）のではなく、自ら環境を構築して体験してください。私は、より深い実践的な知見を共有する限定のワークショップなどをプライベートなメールマガジンを通じて定期的に開催しています。YouTubeを見るだけで終わらせず、実際に手を動かして技術を習得したい方は、概要欄のリンクからぜひ登録してください。
まだどちらのシステムにするか迷っている方は、Openclawの仕組みを徹底的に解剖したこちらの動画か、あるいはAIのコンテキストやトークンの仕組み、そしてなぜ多くの人が気づかないうちに90%ものトークンを無駄に浪費してしまっているのかを解説したこちらの動画を、次のステップとしてご覧ください。
コメント