Execution layer для OpenClaw: 4 паттерна параллелизма,
доказанные экспериментами и наукой.
Не один «параллелизм» — четыре разных паттерна с разной экономикой. Пользователь думает задачами, мы выбираем паттерн.
Self-delegation: агент сам решает — ответить напрямую или spawn sub-agent. Routing rules в AGENTS.md. Самый простой.
/pc-ask — N моделей одновременно, majority voting. Consensus для критичных решений. +17.9% GSM8K.
/pc-scan — Sharded throughput. Stateless HTTP parallel calls. 43× speedup на batch-задачах.
/pc-do — Декомпозиция в stateful sub-agents с tools. Stanford: 7B бьёт 671B через специализацию.
Ключевое: Talk While Work — полноценный паттерн, не "foundation layer". Все четыре паттерна независимы, можно использовать любой без остальных.
Self-delegation через AGENTS.md — агент решает: fast reply или spawn sub-agent для тяжёлой работы.
talk-while-workinstall.py добавляет routing section в AGENTS.mdsessions_spawnПриветствия, переводы, простые вопросы, объяснения концепций, дебаг одного контекста. Быстро, дёшево, без overhead'а.
Генерация кода, web research, артефакты (презентации, отчёты), multi-step бизнес-задачи. Тяжёлая работа уходит в фон.
Routing rules (few-shot examples): «привет» → direct · «переведи» → direct · «сделай бота» → spawn · «сравни 5 БД» → spawn · «почему тормозит» → direct · «нужен скрипт» → spawn
Consensus voting — один промпт в N моделей одновременно, majority voting, judge synthesis.
Science: Self-Consistency (Wang et al.) — несколько reasoning paths + majority voting = +17.9% GSM8K, +11.0% SVAMP. Debate vs Voting (arxiv 2508.17536): majority voting объясняет почти весь прирост quality, debate в 3× дороже и не сильно лучше.
Честно: Multi-Mind — самый дорогой паттерн на один запрос. На одну Multi-Mind задачу приходится 20-50 Multi-Shard задач в реальной работе. Не злоупотребляйте.
Sharded throughput — N кусков работы в параллельные stateless HTTP-вызовы.
Economics: 87 pages via Haiku = $0.17, 8.2s vs 4 min sequential. 43× speedup. Самый недооценённый паттерн. Batch processing revolution.
Почему HTTP direct, не sub-agents: 10 HTTP-запросов = 26 сек. 10 субагентов = 2-3 мин. Sub-agent overhead (15-18s init) убивает throughput. HTTP direct в 7.5× быстрее.
Декомпозиция сложной задачи в N полноценных stateful sub-agents с tools, контекстом и памятью.
Science: Stanford Self-Play (arXiv:2604.20209) — 7B модель обыграла 671B DeepSeek-Prover-V2 через 3-agent specialization (Solver + Conjecturer + Guide). Доказательство: parallel specialization beats monolithic scale.
Реальные цифры из этого чата. 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). Для простых задач overhead превышает полезную работу.
10 HTTP-запросов: 26 сек. 10 субагентов: 2-3 мин. HTTP direct в 7.5× быстрее → Smart routing обязателен.
model="..." в sessions_spawn игнорируется. Система выбирает из fallback chain. Workaround: pool-based round-robin.
Persistent sub-agents в Telegram direct невозможны. Субагенты = fire-and-forget background workers, не chat companions.
Субагенты могут использовать web_search, exec, read, write. Проверено. Вопреки GitHub issues.
Вывод: Smart routing обязателен. Простые задачи (<30 сек) → HTTP direct. Сложные (research, code gen, file ops) → sub-agents с tools. Model override bug требует pool-based routing.
Не маркетинг. Конкретные цифры из peer-reviewed работ.
Несколько reasoning paths + majority voting. +17.9% GSM8K, +11.0% SVAMP vs single-path. ParallelClaw: /pc-ask prompt --models 5.
Параллельное исследование 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.
7B бьёт 671B через 3-agent specialization. Доказательство: parallel specialization beats monolithic scale.
Debate vs Voting (arxiv 2508.17536): Majority voting объясняет почти весь прирост quality. Debate в 3× дороже и не сильно лучше. Fan-out + voting = default. Debate только для adversarial use cases.
Честно: что работает, что нет, и почему это не убивает продукт.
| Ограничение | Workaround | Коммуникация |
|---|---|---|
| Model override bug | Pool-based round-robin | «Любая доступная из конфига» |
| Thread binding unavailable | Fire-and-forget subagents | «Background workers» |
| Sub-agent overhead 15-18s | HTTP direct для простых задач | «Parallel для 3+ subtasks» |
| Sequential внутри сессии | Multiple sessions | «Несколько сессий для true parallel» |
Markdown инструкции + slash-команды. Zero infrastructure, open source. /pc-ask, /pc-scan, /pc-do.
Key vault, cost ledger, connection pool (AIMD), кэш запросов. Observability и cost control.
Thompson sampling bandit. Персональный benchmark. Warm-start из агрегированных priors всех пользователей.
Готовый skill, упакован в .skill файл. Работает через AGENTS.md.
Установить skill talk-while-work — install.py добавляет routing section в AGENTS.md.
System prompt получает 70+ примеров: когда direct, когда spawn. Работает immediately.
True parallelism требует: RPM лимиты моделей, maxChildrenPerAgent в gateway config.
Hobby: 1 модель, sequential fallback. Pro: multi-model pool. Power: adaptive routing + bandit.
Ключевое отличие от остальных паттернов: Talk While Work — это pattern внутри самого агента (self-delegation). Multi-Mind/Shard/Agent — patterns для внешнего orchestration. Разные уровни, не иерархия.
От лендинга до ежедневного использования.
GIF: /pc-ask → 4 мнения + голосование. Copy install command.
claude plugin install parallelclaw — 10-15s. Wizard: авто-детект API ключей.
4 модели, голосование, синтез. $0.018, 5.2s. Mass intelligence — невозможно в Cursor или ChatGPT.
87 страниц PDF за 8.2s. Batch processing revolution.
/pc-ask для важных решений, /pc-scan для batch, /pc-do для deep research.
Сохранённое время, win-rate, cost breakdown. Видимая ценность.
После 100 вызовов — предложение включить bandit. «Для Go-кода вы выбираете Sonnet в 73%».
Честный scope. Каждая неделя — deliverable для пользователя.
Provider detection + wizard + keychain vault. pc.consensus, pc.shard, pc.compose. Skills /pc-ask, /pc-scan, /pc-do. SQLite cost ledger. Лендинг с GIF.
/pc-dd "Company" — 7 веток, все 3 оркестрационных паттерна. /pc-compete, /pc-research. YAML definitions. Benchmark verification.
Retry с exponential backoff + graceful degradation. CONTRIBUTING.md + architecture.md. GitHub labels. Demo video 30 сек. ClawHub publication.
HN / Reddit / Habr launch. Outreach к adjacent tool authors. 5 design partners. Install-to-first-value < 10 min. /pc-stats MVP.
Честная монетизация и жёсткое решение через 4 недели.
Stage 1: OSS Wedge — plugin + core lib. Бесплатно. Brand, trust, adoption.
Stage 2: ParallelClaw Cloud — hosted orchestrator, BYOK. $10-50/мес/команда.
Stage 3: Personal Agent Layer — Local Memory + Foreman + ParallelClaw. Продукт, не токены.
Комиссию поверх OpenRouter (маржа крошечная, BYOK обходит). Не строим свой gateway — OpenRouter уже сделал тяжёлую часть. Мы — оркестратор поверх.
talk-while-work
Self-Consistency (Wang et al.)
Stanford Self-Play
Debate vs Voting
ParallelClaw MVP v3 · 4 недели до первых пользователей · parallelclaw.ai