Физический закон приватности: как запустить AI-агент Physiclaw без единого облачного запроса

Когда облака — это дыра в заборе

Представьте, что ваш AI-агент каждые пять секунд шепчет на ухо OpenAI или Anthropic детали вашего финансового отчета или патентной заявки. Неудобно? В 2026 году это уже не паранойя, а стандартный compliance-кошмар. Physiclaw — это ответный удар по облачной зависимости.

Этот форк взял популярную архитектуру агента и вырвал из нее все, что связано с внешним миром. Телеметрия? Удалена. Облачные API? Заменены на локальные эндпоинты. Остался только чистый код, который работает там, где вам нужно — в изолированной сети, на сервере без интернета, на ноутбуке в самолете.

Что внутри этого «законодательного» агента?

Physiclaw — не новая модель, а переосмысленная оболочка. Его главная фишка — полная автономность. Вот что он умеет из коробки:

• Локальные эндпоинты по умолчанию: изначальная конфигурация заточена под vLLM и llama.cpp. Никаких сюрпризов в виде fallback на OpenAI.
• Вырезанная телеметрия: весь код, который «звонил домой», вычищен. Проверено сообществом через аудит в январе 2026.
• Поддержка актуальных моделей: работает с GPT-OSS 20B-Latest, Command-R 2025, и любыми другими моделями, которые вы запустите локально. Если вы экспериментировали с Kilo Code на нескольких GPU, принцип тот же.
• Готовность к air-gapped: все зависимости пакуются в Docker-образ, который можно протащить на флешке. Идеально для сред, где даже DNS-запрос — это нарушение протокола.

По сути, это конструктор для взрослых. Хотите агента, который управляет роботом? Подключите VLA-модель как в PhysicalAgent. Нужна память и планирование? Встройте механизмы из глубоких Agent Skills.

Чем Physiclaw бьет по рукам другие локальные решения?

Physiclaw выбирает радикальный путь. Он не пытается угодить всем. Он для тех, чей первый вопрос: «А где здесь отключается отправка логов?».

Инструкция: от нуля до работающего агента в изолированной сети

Забудьте про docker-compose из интернета. Вот как собрать систему, которая никогда не попросит права выхода в сеть.

1 Подготовка: железо и базовое ПО

Минимум — машина с Ubuntu 24.04 LTS, 32 ГБ ОЗУ и GPU с 8 ГБ VRAM (например, RTX 4070). Для серьезных моделей вроде GPT-OSS 20B нужны уже две RTX 4090 или эквивалент. Убедитесь, что интернет отключен на аппаратном уровне (вынули кабель, отключили Wi-Fi).

# Проверяем, что сеть действительно мертва
ping 8.8.8.8 -c 2
# В ответ должны получить: "Network is unreachable" или таймаут.

2 Установка локального бэкенда для моделей (ваш выбор)

Вариант А — для максимальной скорости на GPU: vLLM 0.5.7.

# Клонируем и собираем vLLM офлайн (пакеты должны быть уже скачаны)
tar -xzf vllm-0.5.7-deps.tar.gz
cd vllm-0.5.7
pip install --no-index --find-links=./deps -e .
# Запускаем сервер для модели, например, Qwen2.5-14B
python -m vllm.entrypoints.openai.api_server \
  --model /path/to/qwen2.5-14b-instruct \
  --api-key "local-key" \
  --port 8000 \
  --disable-log-requests  # Критично: отключаем логирование промптов

Вариант Б — для работы на CPU или старом железе: llama.cpp (коммит от января 2026).

cd llama.cpp
make -j8
./server -m /path/to/model.gguf -c 4096 --port 8080 -ngl 99

Теперь у вас есть локальный эндпоинт, который отвечает как OpenAI API, но внутри вашей сети. Проверяем:

curl http://localhost:8000/v1/models -H "Authorization: Bearer local-key"

3 Установка и настройка Physiclaw

Качаем архив Physiclaw v2.4.1 с доверенного источника и распаковываем.

tar -xzf physiclaw-v2.4.1-airgap.tar.gz
cd physiclaw

Редактируем конфиг `config/local.yaml` — это главный файл, где вырезаны все облачные ссылки.

# config/local.yaml
llm:
  base_url: "http://127.0.0.1:8000/v1"  # Ваш vLLM или llama.cpp сервер
  api_key: "local-key"
  model: "qwen2.5-14b-instruct"  # Имя модели, которое знает ваш сервер

telemetry:
  enabled: false  # Эта опция здесь только для вида. Код ее отправки удален.

skills:
  - name: "file_ops"
    path: "./skills/local_file_ops.py"  # Локальные навыки работы с файлами
  - name: "web_search"
    enabled: false  # Поиск отключен, ведь сети нет. Полностью удален код из сборки.

4 Запуск и первый диалог

Активируем виртуальное окружение и запускаем агента.

python -m venv .venv
source .venv/bin/activate
pip install --no-index -r requirements_airgap.txt  # Все зависимости локально

python main.py --config config/local.yaml

Если все сделано верно, вы увидите приветственное сообщение и промпт `physiclaw>`. Задайте вопрос. Агент будет использовать только вашу локальную модель. Никаких внешних запросов.

Где это взрывает мозг на практике?

Юридические фирмы, которые анализируют конфиденциальные дела. Финансовые аналитики, работающие с инсайдерской информацией до отчетности. Исследовательские лаборатории, где данные — это будущие патенты. Даже военные, которые экспериментируют с десктоп-агентами для планирования.

Physiclaw — это не про игрушки. Это про работу. Когда вам нужно построить полностью локальную RAG-систему для внутренних документов, этот форк становится фундаментом.

Кому стоит заморачиваться с Physiclaw?

Беритесь, если: вы системный администратор в регулируемой отрасли (финансы, здравоохранение), ваш отдел безопасности помешан на compliance, или вы просто ненавидите идею, что ваш ИИ-ассистент что-то рассказывает о вас третьим лицам.

Даже не открывайте, если: вы хотите «просто попробовать ИИ», вас устраивает бесплатный тариф ChatGPT, или мысль о ручной настройке CUDA-драйверов вызывает панику.

Физический закон приватности прост: данные не покидают периметр. Physiclaw — это просто инструмент, который делает этот закон исполняемым в мире, где каждая новая фича тянет за собой десяток облачных вызовов. В 2026 году это уже не опция, а необходимость. И следующий шаг — такие агенты появятся даже в микроконтроллерах.