AI导哈

自主AI操作系统

一个可在自有硬件上运行的自主AI操作系统层，通过Telegram接收任务并执行，无需云依赖，数据保留在本地机器。

  • by daytradernoob
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 daytradernoob/AlvaradoTech-MCP

使用说明

阿尔瓦拉多技术公司MCP

一个可以在已有硬件上运行的自托管AI操作层。

这是我的作业。克隆它。运行它。在它的基础上再接再厉。

这是什么

大多数人通过聊天窗口与人工智能互动。这是不同的。

这是一个AI 执行。您通过Telegram向其发送任务。它计划。它请求您的批准。它在您的硬件上运行该命令。它会发回报告。无云依赖。没有订阅。您的数据保留在您的机器上。

YOU → Telegram → MCP Agent → OpenClaw → Your Hardware → Reports back to Telegram

代理具有持久内存、定义的身份和您批准一次的提升工具访问权限。它全天候运行。它自我监控。而且每周都会变得更好——通过操作、研究和直接的测试人员反馈。

堆栈

层 组件 它做什么
推论 Ollama+RTX 3060 本地GPU-无API成本
代理引擎 OpenClaw 多代理执行，Telegram集成
人机界面 电报机器人 命令、批准、警报
驾驶舱 神经UI 代理控制、工作区、看板
仪表板 机器人评论 代理、模型、会话、统计数据概览
看门狗 Pi-4+cron 每5分钟检查一次车队端点，故障时发出警报
大脑 。MD文件 灵魂、记忆、身份——版本控制

我运行这个的硬件

机器 角色 规格
MSI笔记本电脑 Ollama推理 i7-11800H，14GB RAM，RTX 3060
迷你PC（SEi） OpenClaw网关 i7-12650H，30GB RAM
Raspberry Pi 4 监视器 4GB RAM
任何机器 人机界面 浏览器+电报

总成本：您可能已经拥有的硬件。运行成本：电费。

它现在能做什么

  • 以指定代理的身份响应Telegram中的命令（MCP——不是“我是Qwen”）
  • 回答问题，集思广益，分析请求
  • 批准后执行文件操作、脚本和系统命令
  • 监控车队健康状况，并在服务中断时提醒您
  • 通过维护会话间的持久内存。MD文件
  • 在web仪表板中显示代理状态、模型使用情况和会话统计信息

运行它的两种方法

A轨道——关于Prem（推荐用于受监管行业）

你的数据永远不会离开你的大楼。全70B型号质量。一次性硬件成本。

推荐硬件： Mac Mini M4 Pro，48GB统一内存（约1799美元）

轨道B——VPS云（约50-70美元/月）

无需购买硬件。在每月20美元的VPS上运行，使用Claude API进行推理。为云舒适的客户。

# One-command VPS deploy (Ubuntu 22.04)
git clone https://github.com/daytradernoob/AlvaradoTech-MCP.git
cd AlvaradoTech-MCP
bash deploy/vps-setup.sh

要求：Anthropic API密钥，Telegram机器人令牌。看 deploy/.env.example.

克隆并运行它（在Prem上）

git clone git@github.com:daytradernoob/AlvaradoTech-MCP.git
cd AlvaradoTech-MCP

要求：

设置：

  1. 复制 config/openclaw.template.json 到 ~/.openclaw/openclaw.json
  2. 填写您的机器人令牌、Telegram用户ID和Ollama URL
  3. 复制 brain/workspace/ 文件到 ~/.openclaw/workspace/
  4. 创建具有足够上下文的自定义Ollama模型： ollama create mcp-qwen3 --from qwen3:8b
  5. 跑 openclaw gateway start
  6. 给你的机器人发消息： who are you?

完整的步骤：请参阅 docs/06_SEi_OPENCLAW_SETUP.md

大脑档案

代理人所知道的一切都存在于其中 brain/:

文件 目的
SOUL.md 代理人是谁——身份、性格、指令
MEMORY.md 持续的系统状态、决策和经验教训
ROADMAP.md 构建顺序——我们在哪里，我们要去哪里
LEARN.md 研究协议、模型选择日志、设计模式研究
ARCHITECTURE.md 平台设计原则和ATC心理模型

运行时工作区文件（注入到每个会话中的文件）存在 brain/workspace/。编辑它们，使代理成为你的。

看门狗

部署 watchdog/watchdog.sh 连接到Raspberry Pi（或任何永远在线的机器）：

# Add to crontab
*/5 * * * * /home/pi/watchdog.sh

每5分钟检查一次Ollama API和OpenClaw网关。如果无法访问任何服务，而不仅仅是机器ping，就会发送电报警报。

这个平台是如何演变的

这不是一个既运送又停止的项目。它通过使用变得更好。

每个会话都会生成数据。每个测试人员都会带来一个真正的想法。每个研究通道（Goose、context7、任务大师ai）都会显示集成的模式。吸取的经验教训 brain/MEMORY.md.架构决策 docs/ARCHITECTURE.md路线图反映了我们学到的东西，而不是我们计划学习的东西。

如果你克隆它，你就不会得到成品。你正在通过一个有记录的学习过程打下基础。分叉它，建立它，并以同样的方式改进它。

凭证

永远不要承诺此回购：

  • API密钥、令牌、机器人程序令牌
  • .env 文件或私钥

将秘密存储在 ~/.openclaw/openclaw.json --它在里面 .gitignore.

为什么存在

企业想要人工智能。他们害怕云。

并非非理性——HIPAA、律师-客户特权、合规性、数据主权。“想要AI能力”和“可以部署和操作本地AI”之间的差距是巨大的。大多数企业自己无法弥合这一点。他们没有基础设施知识。他们不会用这些术语思考。

这个平台就是桥。本地推理。无云依赖。留在大楼里。由了解堆栈的人管理，这样客户就不必这样做。

开源仓库是基础。该产品是其上的部署、配置和支持。

状态

  • 第0阶段——基础：✅ 完成
  • 第1阶段——驾驶舱和能见度：✅ 完成
  • 第1.5阶段——平台硬化：🔄 进行中
  • 第二阶段——食谱系统和技能：排队
  • 第3阶段——家庭办公室网络：排队
  • 第四阶段——倡议扩展：未来

亚利桑那州凤凰城地铁|自助式。本地推理。线的尽头。

相关 MCP