OpenClaw 30日間使用後のリアルな問題点

OpenClawと毎日30日間向き合った開発者による、正直なポストモーテム。誇張もデモの魔法もなく――実際に遭遇した問題だけ：メモリリーク、予想外のAPI請求、スキルの競合、そして一ヶ月の自律エージェントデバッグから得られた血と汗の教訓。

メモリリーク・API請求・スキル競合

最初の問題は3日目に浮上しました：メモリリークです。ベクトルデータベースが膨張し続けました。エージェントがすべての観察、すべての思考、すべての中間結果を保存していたからです。第2週までに検索は遅くノイズだらけになり――エージェントは無関係な記憶を引き込み、判断の質が明らかに低下しました。最終的な修正は積極的なプルーニングと保持ウィンドウの設定でしたが、手動で苦痛を伴うプロセスでした。

二番目の衝撃はAPI請求でした。推論ループ内の自律エージェントは、チャットボットよりはるかに多くのLLM呼び出しを行います。一つの複雑なタスク――失敗したテストスイートのデバッグ――で40回の推論イテレーションを消費しました。1呼び出しあたり0.005ドルとすると、タスクごとに0.20ドル。1日に50回実行すれば、気づく頃には月300ドルです。

スキルが衝突するとき

三番目の問題はスキルの競合でした。作成者は「file_manager」スキルと「git_ops」スキルをインストールしていましたが、どちらもファイルの読み書きが可能でした。「変更をコミットして」と指示すると、エージェントはgitを使わずにfile_managerを呼び出して手動でファイルをコピーすることがありました。二つのスキルの説明が、エージェントのスキル選択ロジックを混乱させる程度にちょうど重なっていたのです。

学んだこと

作成者の教訓は実用的で感傷のないものです。第一：タスクごとにトークン予算を設定し、超過したらエージェントをハードストップする。第二：メモリデータベースをスケジュールでプルーニングする――古い観察はノイズであり、知識ではない。第三：スキルに名前空間を与え、重複しない説明を書く。二つのスキルが同じことをできるなら、エージェントは混乱します。

最終的な結論：OpenClawは強力ですが、セットして忘れるタイプのものではありません。監視・予算管理・プルーニング・慎重なスキル設計という運用規律を求めるシステムです。デプロイする魔法の箱ではなく、運用するサービスとして扱いましょう。そうすれば、本当に仕事の仕方を変えてくれます。そうしなければ、高価なやり方でこれらの教訓を学ぶことになります。