OpenClaw kini berjalan di Raspberry Pi 5 bersama SignalK, memungkinkan pemilik kapal mengirim pesan teks ke kapal mereka melalui Telegram dan menerima telemetri langsung dalam hitungan detik. Kombinasi ini bekerja secara siap pakai, tetapi beberapa keanehan konfigurasi dapat menghentikan daemon dan membuang-buang kredit token.

Mengapa LLM berbasis Pi penting bagi pelaut

Kapal kecil seringkali kekurangan bandwidth atau anggaran untuk layanan AI berbasis cloud. Raspberry Pi 5 menyediakan daya komputasi yang cukup untuk menjalankan OpenClaw, asisten berbasis LLM open-source, sementara SignalK menyediakan API standar untuk data maritim. Bersama-sama, keduanya memberikan antarmuka obrolan on-board berbiaya rendah yang dapat menjawab “Berapa kecepatan saya?” atau “Berapa kedalaman airnya?” tanpa harus meninggalkan kapal.

Komponen yang membuatnya bekerja

  • OpenClaw berjalan langsung pada OS Pi, menggunakan tumpukan model lokal.
  • SignalK berjalan di dalam kontainer Docker, mengekspos API REST (HTTP) yang memublikasikan pembacaan sensor dalam format JSON.
  • Kedua program tetap terisolasi: OpenClaw memanggil endpoint SignalK, dan SignalK tidak pernah melihat proses internal LLM.

Karena komunikasinya murni HTTP, tidak diperlukan trik jaringan khusus. Satu koneksi Ethernet atau Wi-Fi saja sudah cukup untuk menjaga loop tetap berjalan.

Jebakan bagi pembangun pemula

  1. Mode gateway harus tetap ditentukan – Konfigurasi OpenClaw berisi kunci gateway.mode yang memberi tahu daemon cara mengekspos API-nya. Menghapusnya secara diam-diam akan mencegah layanan berjalan. Perbaikan yang aman adalah: 

    openclaw config set gateway.mode local

  2. Konversi unit tidak otomatis – SignalK mengikuti Sistem Satuan Internasional (SI). Kecepatan datang dalam meter per detik, kedalaman dalam meter. Jika LLM diminta dalam “knots” atau “feet”, ia akan mengulang angka mentahnya, yang menyebabkan jawaban menyesatkan. Tambahkan logika konversi ke prompt agen atau lakukan post-process pada JSON sebelum mengirimkannya kembali ke pengguna.

  3. Data historis adalah plugin terpisah – Secara default, OpenClaw hanya melihat snapshot terbaru. Untuk menanyakan tren (“Apakah angin meningkat selama satu jam terakhir?”), Anda memerlukan plugin riwayat InfluxDB milik SignalK. Instal dan aktifkan, lalu ekspos endpoint historis tersebut ke agen.

  4. jq tidak ada pada Raspberry Pi OS – Banyak tutorial mengasumsikan pemroses JSON baris perintah jq sudah tersedia. Citra (image) Pi tidak menyediakannya. Daripada menginstal paket tambahan, biarkan OpenClaw memproses JSON mentah itu sendiri; LLM modern cukup mampu menangani struktur bersarang untuk sebagian besar kueri telemetri.

  5. Jangan menonaktifkan plugin Ollama – Ollama menyediakan runtime untuk model bahasa lokal. Menonaktifkannya akan memutus backend model dan membuat agen tidak dapat menghasilkan balasan. Tetap aktifkan plugin tersebut meskipun Anda tidak menggunakan alat tambahannya.

Mengurangi biaya token tanpa mengurangi kegunaan

Menjalankan model bahasa secara lokal tetap menimbulkan biaya token setiap kali model memproses permintaan. Dua penyesuaian praktis mengurangi penggunaan saya sekitar seperempat:

  • Pangkas perangkat alat (toolset) – OpenClaw menyertakan seluruh rangkaian alat pengembang (eksekusi kode, penjelajahan file, dll.). Asisten terkait kapal jarang membutuhkan apa pun selain akses runtime dan sistem file. Beralih ke profil minimal akan menghilangkan pemborosan token yang tidak perlu.

  • Perpanjang retensi cache – Konfigurasi memungkinkan Anda menyimpan prompt sistem dan konteks terbaru di memori lebih lama. Cache yang lebih lama berarti model tidak perlu mengode ulang instruksi yang sama pada setiap pesan Telegram, sehingga menghemat token pada setiap siklus komunikasi.

Bagi pemilik yang lebih menyukai pemantauan tenang, fitur cron bawaan dapat memantau sensor kritis (tegangan baterai, alarm kedalaman) sesuai jadwal. Agen hanya mengirimkan peringatan Telegram saat ambang batas terlampaui, menjaga saluran obrolan tetap bersih.

Siapa yang diuntungkan, siapa yang harus waspada

  • Pemilik kapal mendapatkan antarmuka percakapan on-board yang murah. Tanpa biaya langganan, tanpa ketergantungan pada data seluler.
  • Pemelihara open-source melihat penerapan dunia nyata yang menguji OpenClaw dan SignalK dalam lingkungan yang terbatas, mengungkap bug yang jika tidak demikian akan tetap tersembunyi.
  • Penyedia LLM cloud kehilangan segmen pasar ceruk, tetapi mereka tetap memegang keunggulan untuk penalaran berat atau input multi-modal yang tidak dapat ditangani oleh Pi.

Risiko utamanya adalah keandalan: gangguan daya atau crash Docker dapat membungkam asisten. Redundansi (Pi kedua, cadangan UPS) dapat memitigasi masalah tersebut tetapi menambah biaya. Pengguna juga harus menjaga token bot Telegram; token yang disusupi memungkinkan siapa pun untuk menanyakan sensor kapal.

Apa yang perlu diperhatikan selanjutnya

  • Pembaruan model – Seiring munculnya model terkuantisasi yang lebih baru dan lebih efisien, model tersebut akan berjalan lebih cepat pada inti ARM Pi, yang semakin mengurangi latensi.
  • Ekstensi SignalK – Plugin buatan komunitas untuk AIS, radar, atau prakiraan cuaca dapat dihubungkan ke LLM, sehingga memperluas cakupan percakapan.
  • Penguatan keamanan – Berbagai proyek sudah mulai bereksperimen dengan enkripsi end-to-end untuk API SignalK-OpenClaw, sebuah langkah bijak bagi kapal apa pun yang berlayar di perairan umum.

Kesimpulan

Menerapkan OpenClaw pada Raspberry Pi 5 dengan SignalK mengubah kapal sederhana menjadi platform berbasis chat, namun keberhasilannya bergantung pada mempertahankan mode gateway, menangani konversi unit, mengaktifkan penyimpanan riwayat, dan menjaga plugin Ollama tetap aktif. Ringkaslah toolset dan perpanjang retensi cache untuk menjaga penggunaan token tetap rendah, serta gunakan alarm cron agar tetap diam sampai ada sesuatu yang penting. Hasilnya adalah asisten telemetri real-time berbiaya rendah yang bekerja sepenuhnya di atas kapal, memberikan kenyamanan chatbot kepada pelaut tanpa biaya mahal layanan cloud.