Schema illustrativo di OpenClaw Academy Italia, non una schermata reale.
Non sceglierei tra "tutto locale" e "tutto cloud" prima di sapere quali operazioni devo svolgere.
Per molti dei progetti che voglio insegnare in OpenClaw Academy Italia, partirei da una divisione dei compiti:
Telegram per comunicare, OpenClaw per coordinare gli strumenti, Ollama per le elaborazioni locali e un modello OpenAI per le richieste che gli vengono affidate.
Il nome completo del modello che qui chiamiamo "OpenAI Luna" è GPT-5.6 Luna, identificato nelle API come gpt-5.6-luna. OpenAI lo presenta come un modello orientato a carichi con attenzione ai costi e volumi elevati; supporta chiamate a funzioni e risposte strutturate. [1]
Perché consiglio Telegram per iniziare con OpenClaw
Telegram mi permette di pensare all'assistente come a un servizio raggiungibile dal telefono, invece che a un programma da aprire ogni volta sul computer.
Il collegamento con OpenClaw è documentato e utilizza un bot. La modalità predefinita è il long polling: il processo contatta Telegram per ricevere gli aggiornamenti, senza richiedere un webhook pubblico come primo passo. [2]
Nel mio percorso didattico lo userei per messaggi come:
Prepara il riepilogo delle attività completate.
Mostrami le anomalie rilevate, senza modificare i dati.
La bozza è pronta? Dimmi dove posso controllarla.
Telegram è l'interfaccia, non il sistema di autorizzazione di tutta l'azienda. L'agente deve comunque verificare quali operazioni sono consentite.
Inoltre, una chat con un bot non va trattata come una chat segreta end-to-end: Telegram distingue le normali chat cloud dalle Secret Chat. Non userei quindi il bot come luogo in cui riversare indiscriminatamente credenziali e documenti riservati. [3]
Perché affiancare Ollama e una scheda grafica (GPU) locale
Ollama può eseguire modelli locali e OpenClaw documenta modalità di utilizzo locale o ibrido. Non tutti i modelli hanno però le stesse capacità: per un agente servono modelli compatibili con gli strumenti e con un contesto adeguato. [4]
Affiderei alle elaborazioni locali compiti circoscritti, dopo averne verificato la qualità: classificare documenti, estrarre campi con un modello adatto o preparare riepiloghi preliminari.
La scheda grafica (GPU) può accelerare i carichi supportati, ma la scelta va fatta considerando compatibilità, memoria e modello. Non basta leggere "scheda grafica dedicata" per sapere se una configurazione è adatta. [5]
Per somme, confronti e conversioni standard continuerei invece a usare software tradizionale. Non ogni passaggio deve consumare token o utilizzare una scheda grafica (GPU).
Dove utilizzerei OpenAI GPT-5.6 Luna
Lo valuterei per orchestrazioni circoscritte: interpretare una richiesta, scegliere tra un insieme limitato di funzioni e preparare una risposta strutturata.
Per esempio, l'utente chiede:
Prepara il riepilogo settimanale delle richieste clienti.
L'applicazione può offrire al modello soltanto tre operazioni: recuperare dati aggregati, generare il documento e indicare dove si trova la bozza.
Il modello propone le chiamate; il software applica autorizzazioni, controlli e limiti.
La presenza del supporto alle funzioni rende possibile costruire questo schema, ma non dimostra da sola che il modello sia adeguato a qualunque processo. La mia scelta dipenderebbe dalle prove sul compito reale. [1]
Non affiderei automaticamente a un modello economico l'accesso completo a email esterne, terminale e database di produzione. La documentazione OpenClaw segnala che contenuti non affidabili possono contenere istruzioni malevole e che la resistenza a questi attacchi varia tra i modelli. [6]
Per operazioni complesse o rischiose prevederei un modello più adatto, controlli più stretti o una revisione umana.
L'architettura ibrida va progettata
Installare Ollama e configurare OpenAI non crea da solo una divisione intelligente del lavoro.
Io definirei esplicitamente cosa resta sul PC, quali risultati possono essere inviati al modello remoto e quali operazioni richiedono approvazione.
Un esempio progettuale:
Telegram riceve la richiesta → OpenClaw avvia una procedura autorizzata → uno script raccoglie i dati → un modello locale elabora il materiale previsto → vengono trasmessi al modello remoto soltanto i risultati consentiti → il documento viene preparato per la verifica.
Il punto importante è questo: se i risultati di uno strumento locale vengono inseriti nel contesto di un modello cloud, quei risultati escono comunque dal computer.
Ollama offre anche una modalità che disabilita le proprie funzionalità cloud. Questo, però, non rende locali Telegram o le API OpenAI eventualmente presenti nello stesso flusso. [7]
La configurazione migliore è quella che sai controllare
La scheda grafica (GPU) locale non è un requisito per iniziare. È un possibile passo successivo.
In OpenClaw Academy Italia partirei dal sistema più semplice che risolve il problema e misurerei qualità, tempi, costi ed errori prima di renderlo più complesso.
Non voglio insegnarti a collegare tutti i modelli disponibili. Voglio insegnarti a scegliere quale lavoro affidare a ciascuno.
Fonti e riferimenti
Documentazione di riferimento. Gli esempi progettuali e l'esperienza personale sono distinti dalle funzionalità documentate.