O OpenClaw agora roda em um Raspberry Pi 5 junto com o SignalK, permitindo que proprietários de embarcações enviem mensagens para seu barco via Telegram e recebam telemetria ao vivo em segundos. A combinação funciona de imediato, mas algumas peculiaridades de configuração podem travar o daemon e desperdiçar créditos de tokens.

Por que um LLM baseado em Pi é importante para marinheiros

Pequenas embarcações muitas vezes carecem de largura de banda ou orçamento para serviços de IA baseados em nuvem. Um Raspberry Pi 5 oferece poder de processamento suficiente para hospedar o OpenClaw, um assistente de código aberto impulsionado por LLM, enquanto o SignalK fornece uma API padronizada para dados marítimos. Juntos, eles oferecem uma interface de chat de baixo custo a bordo que pode responder “Qual é a minha velocidade?” ou “Qual é a profundidade da água?” sem que você precise sair do barco.

As peças que fazem tudo funcionar

  • OpenClaw roda diretamente no SO do Pi, usando a pilha de modelos local.
  • SignalK roda em um container Docker, expondo uma API REST (HTTP) que publica leituras de sensores em JSON.
  • Os dois programas permanecem isolados: o OpenClaw chama os endpoints do SignalK, e o SignalK nunca vê os processos internos do LLM.

Como a comunicação é puramente HTTP, não são necessários truques especiais de rede. Uma única conexão Ethernet ou Wi-Fi é suficiente para manter o loop ativo.

Armadilhas para quem está construindo pela primeira vez

  1. O modo gateway deve permanecer definido – A configuração do OpenClaw contém uma chave gateway.mode que diz ao daemon como expor sua API. Removê-la impede silenciosamente o início do serviço. A correção segura é: 

    openclaw config set gateway.mode local

  2. A conversão de unidades não é automática – O SignalK segue o Sistema Internacional de Unidades (SI). A velocidade chega em metros por segundo, a profundidade em metros. Se o LLM for questionado sobre “nós” (knots) ou “pés” (feet), ele repetirá os números brutos, levando a respostas enganosas. Adicione lógica de conversão ao prompt do agente ou processe o JSON após o recebimento antes de enviá-lo de volta ao usuário.

  3. Dados históricos são um plugin separado – Por padrão, o OpenClaw vê apenas o snapshot mais recente. Para perguntar sobre tendências (“O vento aumentou na última hora?”), você precisa do plugin de histórico InfluxDB do SignalK. Instale-o e habilite-o, então exponha o endpoint histórico ao agente.

  4. jq está ausente no Raspberry Pi OS – Muitos tutoriais assumem que o processador de JSON de linha de comando jq está presente. A imagem do Pi não o inclui. Em vez de instalar pacotes extras, deixe o OpenClaw analisar o JSON bruto por conta própria; LLMs modernos lidam bem o suficiente com estruturas aninhadas para a maioria das consultas de telemetria.

  5. Não desative o plugin Ollama – O Ollama fornece o runtime para modelos de linguagem locais. Desativá-lo interrompe o backend do modelo e deixa o agente incapaz de gerar respostas. Mantenha o plugin habilitado, mesmo que não esteja usando suas ferramentas extras.

Reduzindo as contas de tokens sem perder a utilidade

Rodar um modelo de linguagem localmente ainda gera custos de tokens sempre que o modelo processa uma solicitação. Dois ajustes práticos reduziram meu uso em aproximadamente um quarto:

  • Reduza o conjunto de ferramentas – O OpenClaw agrupa uma suíte completa de ferramentas de desenvolvedor (execução de código, navegação de arquivos, etc.). Assistentes relacionados a barcos raramente precisam de algo além de acesso ao runtime e ao sistema de arquivos. Mudar para um perfil minimalista remove o consumo desnecessário de tokens.

  • Estenda a retenção do cache – A configuração permite manter o prompt do sistema e o contexto recente na memória por mais tempo. Um cache maior significa que o modelo não precisa re-codificar as mesmas instruções em cada mensagem do Telegram, economizando tokens em cada ida e volta.

Para proprietários que preferem monitoramento silencioso, o recurso cron integrado pode consultar sensores críticos (voltagem da bateria, alarme de profundidade) em um cronograma. O agente só envia um alerta no Telegram quando um limite é atingido, mantendo o canal de chat limpo.

Quem ganha, quem deve ter cuidado

  • Proprietários de barcos ganham uma interface conversacional de bordo barata. Sem taxas de assinatura, sem dependência de dados celulares.
  • Mantenedores de código aberto veem uma implantação no mundo real que testa tanto o OpenClaw quanto o SignalK em um ambiente restrito, expondo bugs que, de outra forma, permaneceriam ocultos.
  • Provedores de LLM na nuvem perdem um segmento de mercado de nicho, mas ainda detêm a vantagem para raciocínios pesados ou entradas multimodais que um Pi não consegue processar.

O principal risco é a confiabilidade: uma falha de energia ou uma queda do Docker pode silenciar o assistente. Redundância (um segundo Pi, backup de UPS) mitiga o problema, mas adiciona custo. Os usuários também devem proteger o token do bot do Telegram; um token comprometido permite que qualquer pessoa consulte os sensores do barco.

O que observar a seguir

  • Atualizações de modelos – À medida que surgirem modelos quantizados mais novos e eficientes, eles rodarão mais rápido nos núcleos ARM do Pi, reduzindo ainda mais a latência.
  • Extensões SignalK – Plugins criados pela comunidade para AIS, radar ou previsões meteorológicas poderiam ser expostos ao LLM, expandindo o escopo conversacional.
  • Reforço de segurança – Projetos já estão experimentando criptografia de ponta a ponta para a API SignalK-OpenClaw, um passo sensato para qualquer embarcação que navegue em águas públicas.

Resumo

Implementar o OpenClaw em um Raspberry Pi 5 com SignalK transforma um barco modesto em uma plataforma habilitada para chat, mas o sucesso depende de preservar o modo gateway, lidar com a conversão de unidades, habilitar o armazenamento de histórico e manter o plugin Ollama ativo. Reduza o conjunto de ferramentas e estenda a retenção de cache para manter o uso de tokens baixo, e use o alarme cron para permanecer em silêncio até que algo seja importante. O resultado é um assistente de telemetria de baixo custo e em tempo real que funciona inteiramente a bordo, proporcionando aos marinheiros a conveniência de um chatbot sem o custo dos serviços de nuvem.