4 недели от идеи до первых пользователей. Execution layer для OpenClaw: три паттерна параллелизма, доказанные экспериментами, с флагманом Due Diligence Light.
Реальные цифры из этого чата. Не маркетинг — измерено на HydraGPT + OpenClaw.
10 субагентов параллельно за 4.2 сек. Wall-clock ускорение 3.7× vs последовательного. 8/10 вернули результаты.
Фиксированный overhead на субагента: 15-18 сек (инициализация + планирование + tool round-trip). Для простых задач overhead превышает полезную работу.
Указание model="..." в sessions_spawn игнорируется. Система выбирает модель из fallback chain. Требует pool-based round-robin.
10 параллельных HTTP-запросов (asyncio.gather): 26 сек. 10 субагентов: 2-3 мин. HTTP direct в 7.5× быстрее для простых задач.
Persistent sub-agents в Telegram direct невозможны. thread=true требует channel plugin hooks. Субагенты = fire-and-forget background workers.
Contrary to GitHub issues — субагенты могут использовать web_search, exec, read, write. Проверено.
Вывод для продукта: Smart routing обязателен. Простые задачи (<30 сек работы) → HTTP direct к HydraGPT. Сложные (research, code gen, file ops) → sub-agents с tools. Model override bug требует pool-based round-robin.
Perplexity (10 turns, 16-18 источников) разобрал презентацию и указал ключевые проблемы. Мы их приняли и перестроили позиционирование.
| Критика Perplexity | Наш ответ |
|---|---|
| "Ноль таких плагинов" — ложно. ClawRouter уже shipped (issue #6421). | Мы НЕ "первый роутер". Мы — execution layer: fan-out, fan-in, retry, reduce. Routing = Foreman (отдельный продукт). |
| "Ноль параллельного выполнения" — too strong. OpenClaw has primitives. | Да, есть spawn/send/history. Но нет polished production-grade layer. Мы упаковываем best practices в готовые workflow. |
| 70% экономии — marketing claim, нет benchmarks. | Точные цифры только после собственных замеров. Claim: "умеем показывать savings, но доказываем benchmark'ами, не обещаем". |
| Freemium "plugin → upsell" не объясняет why pay us. | Монетизация не за плагин. OSS wedge → ParallelClaw Cloud ($10-50/мес) → Personal Agent Layer. Платят за convenience, не за токены. |
| GTM слабый: сразу Product Hunt и громкие claims. | Benchmark-led distribution: сначала reproducible benchmark pack, потом demo, потом community, потом launch. |
| "Мы первые измеряем" — тоже рискованно. | "Единый control plane для policy, eval и cost governance" — без слова "первые". |
Не один "параллелизм", а три разных паттерна с разной экономикой. Пользователь думает задачами — мы выбираем паттерн.
Один промпт в N моделей одновременно. Majority voting, judge synthesis. Для критичных решений: архитектура, code review, legal. N = 3-6. Стоимость ×N, время ≈ 1 модель.
Science: Self-Consistency +17.9% GSM8K, +11.0% SVAMP.
N кусков работы в параллельные HTTP-вызовы. Stateless. Для массовых задач: 80 страниц PDF, 500 ревью, 200 файлов. N = 50-5000. Стоимость по объёму, время ÷N.
Economics: 87 pages via Haiku = $0.17, 8.2s vs 4 min sequential. 43× speedup.
Декомпозиция в N полноценных субагентов с tools, контекстом, памятью. Для исследований: 5 конкурентов, 4 раздела отчёта. N = 3-10. Stateful, дорогой, мощный.
Science: Stanford 7B beats 671B via 3-agent specialization.
Важно: Multi-Shard — самый недооценённый паттерн. На одну Multi-Mind задачу приходится 20-50 Multi-Shard задач в реальной работе разработчика. Это путь к batch processing revolution.
Матрёшка, где каждый слой опционален и приносит свою маржу.
Markdown-инструкции + slash-команды. Никакого MCP-сервера, никакого backend'а. Агент уже умеет Bash, Task, HTTP — ему не хватает знания, как применять. Это знание мы и упаковываем.
/pc-ask — fan-out + voting (Multi-Mind)/pc-scan — sharded execution (Multi-Shard)/pc-do — decomposed subagents (Multi-Agent)Когда пользователь хочет серьёзное использование: key vault через OS keychain, cost tracking с budget caps, connection pool с rate-limit awareness (AIMD), кэш одинаковых запросов, telemetry выборов пользователя.
Adaptive. Online contextual bandit (Thompson sampling) над выборами модели. Персональный benchmark suite. Warm-start priors из агрегированных win-rate всех пользователей.
Честная архитектура: что работает, что нет, и почему это не убивает продукт.
┌─────────────────────────────────────────┐
│ OpenClaw Agent (main session) │
│ ┌─────────────────────────────────┐ │
│ │ ParallelClaw Plugin (TS) │ │
│ │ ┌─────────┐ ┌────────────┐ │ │
│ │ │ Workflow│ │ Reducer │ │ │
│ │ │ Engine │ │ Engine │ │ │
│ │ └───┬───┘ └─────┬──────┘ │ │
│ │ │ │ │ │
│ │ ┌───▼───┐ ┌───▼────┐ │ │
│ │ │ Split │ │ Merge │ │ │
│ │ └───┬───┘ └───┬────┘ │ │
│ └──────┼────────────┼───────────┘ │
│ │ │ │
│ ┌────▼────┐ ┌────▼────┐ │
│ │Sub-agent│ │Sub-agent│ ... │
│ │(any) │ │(any) │ │
│ └─────────┘ └─────────┘ │
└─────────────────────────────────────────┘| Ограничение | Workaround | Коммуникация |
|---|---|---|
| Model override bug | Pool-based round-robin | "Any available from your config" |
| Thread binding unavailable | Fire-and-forget subagents | "Background workers, not chat companions" |
| Sub-agent overhead 15-18s | HTTP direct for simple tasks | "Parallel only for 3+ independent subtasks" |
| Sequential within session | Multiple sessions | "Use multiple sessions for true parallelism" |
| Gateway restart requires host | Documented in README | "Host admin required for config changes" |
От лендинга до ежедневного использования. Каждый акт — одно действие пользователя, один ответ системы.
GIF: терминал, /pc-ask, через 4 секунды — 4 мнения + голосование. Кнопка Copy install command.
claude plugin install parallelclaw. 10-15 секунд. Post-install hook запускает wizard.
Сканирует ANTHROPIC_API_KEY, OPENROUTER_API_KEY. Рекомендует OpenRouter. Сохраняет в OS keychain. Smoke test каждого провайдера.
4 модели, голосование, синтез. Cost: $0.018. Latency: 5.2s. Mass intelligence — невозможно в Cursor или ChatGPT.
87 страниц PDF за 8.2s vs 4 min sequential. Load balancing across providers. Понимание: это batch processing revolution.
/pc-ask для важных решений, /pc-scan для массовых задач, /pc-do для сложных исследований. /pc-stats через неделю — saved time + win-rate.
После 100 вызовов — предложение включить adaptive routing. Персональный bandit: «для Go-кода вы выбираете Sonnet в 73%».
Честный scope. Каждый день 7 — deliverable для пользователя.
pc.consensus (Multi-Mind) — базовая реализацияpc.shard (Multi-Shard) — adaptive concurrency + load balancingpc.compose (Multi-Agent) + SQLite cost ledger/pc-dd "Company" --depth standard — 7 веток, все 3 паттерна/pc-compete <product> — облегчённый анализ конкурентов/pc-research <topic> — облегчённый market research6 кейсов с parallelclaw.ai и какой паттерн (или композицию) они используют. Каждый реальный сценарий = комбинация 2-3 паттернов.
Паттерны: Multi-Agent + Multi-Shard + Multi-Mind
5 веток (игроки, pricing, сигналы, позиционирование, SWOT) → каждая ветка = полноценный subagent (Multi-Agent). Внутри pricing-extraction = 20 страниц сайта параллельно (Multi-Shard). Финальный синтез = две модели независимо составляют SWOT, judge выбирает (Multi-Mind).
Паттерны: Multi-Agent + Multi-Mind
Researcher → outline-writer → drafter → fact-checker → headline-generator → repurposer. Каждый агент = stateful задача (Multi-Agent). На стадии headline — best-of-8 с judge (Multi-Mind). Multi-Shard почти не нужен.
Паттерны: Multi-Agent + Multi-Shard + Multi-Mind
4 ветки (игроки, тренды, источники, риски). Ветка «источники» = 20 PDF отчётов параллельно через Haiku (Multi-Shard). Финальный sanity-check = 3 модели независимо ставят score 1-10, медиана = финальная (Multi-Mind).
Паттерны: Multi-Agent + Multi-Shard + Multi-Mind
7 веток (company-profile, product, market-signals, team, financials, risks, pro-contra). Внутри — чтение press-releases параллельно, классификация tweets, парсинг SEC filings (Multi-Shard). Оценка сигналов = 3 модели ставят score 1-10 (Multi-Mind). Флагман MVP.
Паттерны: Multi-Shard + Multi-Agent
500 G2-review'ов, 300 reddit-постов, 100 interview transcripts = массивный Multi-Shard. Пост-обработка: clustering, pain-mapping, opportunity-ranking = Multi-Agent. Multi-Mind не критичен.
Паттерны: Multi-Mind (чистый) + Multi-Shard
Гипотеза → 3 модели ищут подтверждения + 3 модели ищут контраргументы → judge сводит (Multi-Mind). Multi-Shard если нужно проверить против большого корпуса фактов. Самый сильный Multi-Mind кейс.
Главный инсайт: Ни один реальный бизнес-кейс не использует один паттерн. Каждый — композиция 2-3. Поэтому наш продукт = не примитивы, а workflow-шаблоны, которые скрывают композицию за одной командой.
Не маркетинг. Конкретные цифры из peer-reviewed работ.
Несколько reasoning paths + majority voting. +17.9% GSM8K, +11.0% SVAMP vs single-path. ParallelClaw делает это одной командой: /pc-ask prompt --models 5.
Параллельное исследование промежуточных путей лучше single-chain для сложных задач. /pc-do task --branches 3 --depth 2.
Naive chunking → aggregator noise. Хороший MapReduce требует structured outputs (evidence, confidence) + intelligent reduce. ParallelClaw упаковывает это в ядро.
7B модель обыграла 671B DeepSeek-Prover-V2 через 3-agent specialization (Solver + Conjecturer + Guide). Доказательство: parallel specialization beats monolithic scale.
Debate vs Voting: Свежее исследование (arxiv 2508.17536) показывает — majority voting объясняет почти весь прирост quality, который приписывали multi-agent debate. Debate в 3 раза дороже и не сильно лучше. Мы используем простой fan-out + голосование по умолчанию, debate — только для adversarial use cases (security, legal).
Local-first архитектура: память на ноутбуке, облако — только relay/buffer.
Laptop (source of truth)
├── memex-core (SQLite + FTS5)
├── memex-mcp (MCP server for Claude/Cursor)
└── memex-sync (pull from relay)
Hosting (relay/buffer)
├── openclaw-exporter (conversation events)
└── memex-relay (append-only API)search_memory MCP tool: «покажи мои parallel research runs за май»Не комиссия поверх токенов — это маржа крошечная и BYOK обходит. Монетизируем надёжность, observability и time-to-value.
OpenClaw plugin + core lib. Бесплатно. Цель: brand, trust, adoption, community contributions.
Hosted orchestrator. BYOK. UI для workflow config, pipeline logs, usage. $10-50/мес за команду — не за токены, а за управляемую скорость.
Local Memory + Foreman + ParallelClaw как единый стек. Execution engine внутри персонального агента. Деньги за продукт, не за токены.
Что НЕ делаем: Комиссию поверх OpenRouter за токены (маржа крошечная, BYOK обходит, конкуренция с gateway-гигантами). Не строим свой gateway — OpenRouter уже сделал тяжёлую часть. Мы — оркестратор поверх, не конкурент.
После 4 недель — жёсткое решение. Нет soft maybe.
/pc-scan vs sequential