Žádný Mac Mini? Nevadí: Jak rozjet OpenClaw na Raspberry Pi20 min read

Reading Time: 11 minutes

OpenClaw nám dává ochutnat, jaké to je mít osobního AI asistenta, který skutečně dokáže plnit úkoly. Nepotřebujete si ale kupovat drahý Mac Mini, ani mu dávat plný přístup k vašemu digitálnímu životu, aby byl užitečný. Tento průvodce vás krok za krokem provede tím, jak OpenClaw zprovoznit na levném Raspberry Pi pro dlouhodobé výzkumné a pracovní úkoly.

V posledním zhruba týdnu se vývojářský a technologický svět tak trochu zbláznil do projektů jako Clawdbot, Moltbot a OpenClaw. Jde totiž o první reálné ukázky osobních agentů, kteří pro vás dokážou skutečně něco dělat. Tedy za předpokladu, že je spustíte na svém stroji a dáte jim víceméně neomezený přístup ke všem svým datům – se všemi bezpečnostními riziky, která s tím souvisejí. Horečka dosáhla vrcholu o víkendu, kdy lidé brali obchody útokem, aby si koupili zbrusu nové Mac Mini jen pro běh těchto agentů. Mám pro vás ale spoiler: k provozu OpenClaw žádný Mac Mini nepotřebujete.

Můžete to zvládnout s mnohem skromnějším hardwarem, přesně jak jsem to udělal já.

Osobně jsem tomuto „hypu“ nepodlehl úplně. Svého agenta provozuji v mnohem bezpečnějším nastavení – primárně jako výzkumného asistenta, nikoliv jako nástroj, který by za mě vyřizoval e-maily a plánoval schůzky. Vím, že všichni milují Claude a Codex, ale Copilot a Gemini jsou pro plánování nebo shrnutí a koncepty e-mailů více než dostatečné. Nechávám je tedy dělat jejich práci, aniž bych cítil potřebu aplikovat „Claude“ na celý svůj život.

Jedním z mých největších problémů je, že často potřebuji spouštět výzkumné úkoly (tzv. spikes) zaměřené na kód, modely nebo architektonické přístupy, které musí běžet v „reálnějším“ prostředí, než jaké nabízí webové rozhraní Codexu nebo Claude. V podstatě jde o zrcadlení prostředí, které máte, když agenta používáte lokálně na svém vývojářském stroji.

V současnosti to u mě vypadá tak, že z telefonu pošlu zprávu s instrukcemi pro nástroj, výsledek zkontroluji, upravím a nakonec si ho stáhnu do počítače pro smysluplnější spuštění, než to pošlu na GitHub nebo začlením do jiného projektu. Někdy, pokud jde jen o změnu kódu, ji agent může pushnout na GitHub a další automatizace převezmou štafetu. Většina mé práce je ale výzkumná, takže vlastně nedělám commity jako produktové funkce.

Napadlo mě, že spuštění OpenClaw by mohlo být skvělým řešením. Získám tak výkon programovacích agentů jako Codex, Claude nebo Gemini fungujících lokálně, navíc propojených s něčím, co běží neustále, má přístup k dalším zdrojům a se čím mohu interaktivně chatovat přes telefon.

Když jsem se podíval pod pokličku toho, co OpenClaw vlastně dělá (v zásadě je to jen agent běžící ve smyčce s trvalou pamětí, který volá API), byl jsem si naprosto jistý, že to zvládne i skromné Raspberry Pi 5 s 8GB RAM. Náhodou jich mám zrovna několik pohozených doma z různých předchozích projektů.

To by bylo k mému záměru a k tomu, proč jsem zvolil tuto cestu. Níže najdete podrobné pokyny, jak i vy můžete rozběhnout OpenClaw na obyčejném Raspberry Pi.

Specifikace zařízení

Použil jsem Raspberry Pi, které jsem měl zrovna po ruce. Mám to štěstí, že jich vlastním více a mám k dispozici i nějaké doplňky, které z něj dělají lepší stroj než ten vytažený rovnou z krabice. Pokud si ale chcete jen hrát, klidně si vystačíte i s Raspberry Pi 4 (4GB+ RAM) a běžnou SD kartou. Pro lepší přehlednost jsem hardwarové požadavky shrnul do tabulky.

Kategorie	Položka	Poznámka
Základní vybavení	Raspberry Pi 5	Ideálně verze s 8GB RAM.
	SD karta	Minimálně 64GB, i když by pravděpodobně stačila i menší.
	Napájecí zdroj	Originální Raspberry Pi zdroj (nebo podobně výkonný).
	Připojení k síti	Wi-Fi nebo kabelové připojení.
Software / Účty	Chatovací účet	Discord, Telegram nebo jiný, kde máte administrátorská práva.
Volitelné (moje sestava)	500GB NVMe M2 SSD	Pro výrazně vyšší výkon jako primární disk.
	Kamerový modul pro Raspberry Pi	Použil jsem 2 kusy, aby agent „viděl“ do mého studia.

Upečte si své Pi (Základní nastavení)

Nainstalujte základní operační systém podle oficiálních pokynů. Já jsem použil 64bitovou Lite verzi systému Trixie, protože jsem neplánoval připojovat monitor a nepotřeboval jsem desktopové prostředí. Pokud se alespoň trochu orientujete v příkazové řádce, sáhněte po Lite verzi – běží mnohem rychleji.

Při prvním spuštění aktualizujte všechny nainstalované balíčky příkazem sudo apt-get update && sudo apt-get upgrade, abyste měli jistotu, že je vše připraveno. Spusťte také raspi-config, projděte jednotlivé nabídky a podle potřeby nastavte lokalizaci, časové pásmo, síť a další náležitosti. Abychom to zbytečně neprodlužovali, proces instalace systému přímo na SSD disk zde rozepisovat nebudu.

Instalace základních balíčků

Následující položky považuji za naprostý základ pro většinu instalací Raspberry Pi. Další nástroje můžete vždy přidat později, ale toto je minimální extra sada balíčků, kterou budete potřebovat nad rámec čisté instalace OS.

# základní nástroje pro manipulaci se soubory, build procesy, správu verzí atd.
sudo apt install -y git jq ripgrep curl wget build-essential

# vim, abyste měli slušný editor. Pokud preferujete Emacs, klidně jej použijte.
sudo apt-get install -y vim

# přidání github cli a ffmpeg pro interakci s repozitáři a streamy
sudo apt-get install -y gh ffmpeg

# instalace chromium, aby váš agent mohl používat prohlížeč v bezhlavém (headless) režimu
sudo apt-get install -y chromium

# přechod na zsh pro zrcadlení prostředí z Macu (volitelné)
sudo apt install zsh -y

# změna výchozího shellu
chsh -s $(which zsh)

# stažení a globální instalace Node22
curl -fsSL https://deb.nodesource.com/setup_22.x | sudo -E bash -
sudo apt install nodejs -y

# vytvoření globálního npm adresáře s přístupem pro vašeho uživatele (místo výchozího /lib)
mkdir ~/.npm-global
npm config set prefix '~/.npm-global'

# aktualizace PATH, abyste mohli instalovat a spouštět npm moduly z CLI
echo "export PATH=$HOME/.npm-global/bin:$PATH" >> ~/.zshrc

# odhlaste se, znovu se přihlaste a nastavte zsh podle svých preferencí.
# zkontrolujte, zda je PATH v pořádku a obsahuje vaši složku .npm-global
echo $PATH

# instalace oh my zsh
sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

# nastavení dockeru
sh -c "$(curl -fsSL https://get.docker.com)"

Nastavení AI agenta

Pokud už máte přístup k nějakým kódovacím agentům, zprovozněte je na Pi, abyste je mohli používat, místo abyste museli nastavovat nové API klíče.

Zajištění přístupu ke Codexu

Nejjednodušší cestou je použití kódu zařízení (device code) pro Codex. Než to ale uděláte, musíte tuto možnost povolit v nastavení zabezpečení vašeho účtu OpenAI. Přejděte do sekce „Security“ a povolte ověřování pomocí kódu zařízení pro Codex.

# předpokladem je složka, do které máte práva zápisu
npm install -g @openai/codex

# spuštění codexu
codex

# vyberte metodu ověření
# Device Code je nejpřímočařejší možnost
# Pokud preferujete API klíč, použijte ten

Zobrazí se vám ověřovací odkaz, na který kliknete, a přihlásíte se do OpenAI tak, jak jste zvyklí. Poté budete dotázáni, zda chcete tomuto zařízení důvěřovat. Zkopírujte kód zařízení z terminálu, čímž se přihlásíte přímo na svém Raspberry Pi. Vyzkoušejte položit zkušební otázku, abyste se ujistili, že vše funguje správně.

Nastavení přístupu ke Gemini CLI

Tento proces je poměrně jednoduchý, ale nejlépe se provádí přes SSH připojení. CLI vám totiž vygeneruje URL adresu a vy ji potřebujete otevřít v prohlížeči, nad kterým máte plnou kontrolu, můžete se v něm přihlásit do Googlu a dokončit proces autorizace.

# předpokladem je složka, do které máte práva zápisu
npm install -g @google/gemini-cli

# spuštění gemini
gemini

# Budete vyzváni k výběru metody ověření. Pokud máte Google účet, použijte
# tuto možnost a zobrazí se vám autorizační URL.
# Přejděte na tuto adresu a dokončete kroky přihlášení a autorizace.

Tímto krokem se na Raspberry Pi vytvoří aplikační ověřovací tokeny, které vám umožní přistupovat k Gemini pomocí vašeho Pro / Ultra účtu a zpřístupní jej pro OpenClaw. Opět doporučuji položit zkušební otázku a ověřit funkčnost.

Další LLM modely

Pokud si přejete nakonfigurovat další nástroje, jako je například Claude Code, můžete zde postupovat naprosto stejně a následovat výše uvedené vzorce.

Nastavení Ollama (pro lokální modely)

Pomocí nástroje Ollama můžeme lokálně využívat malé modely pro opravdu nenáročné úkoly, které nevyžadují komunikaci s ChatGPT, Gemini nebo podobnými giganty. Buďte ale realisté ve svých očekáváních – toto slouží primárně k orchestraci a lehkým operacím, nikoliv ke komplexní lokální inferenci. Pro jednoduché věci to funguje skvěle, ale udržujte nároky při zemi.

# samotná instalace a nastavení Ollama
curl -fsSL https://ollama.com/install.sh | sh

# Přidání modelů, které jsou v tomto kontextu užitečné
# jednoduché, ale schopné modely pro text
ollama run qwen3:1.7b
ollama run gemma3:1b

# malý model pro práci s obrazem (vision model)
ollama run qwen3-vl:2b

Je třeba poznamenat, že model pro práci s obrazem je docela dobrý, ale s velkými obrázky bude mít problémy. Proto je nejprve zmenšete a až poté je předložte modelu k interpretaci.

Instalace OpenClaw

Tato část je překvapivě jednoduchá:

# stažení open claw a spuštění instalačního bootstrapu
curl -fsSL https://openclaw.bot/install.sh | bash

Tento příkaz nainstaluje npm balíček do globálního kontextu, který jsme si nastavili dříve, a postará se o věci, jako je nastavení systemd služby. Díky tomu bude možné vše velmi snadno restartovat a služba se automaticky spustí při každém restartu zařízení.

Jakmile to uděláte, budete přesměrováni přímo do procesu zaškolení (onboarding). Ve většině případů stačí ponechat výchozí hodnoty. Pokud jste si předtím nastavili kódovacího agenta, OpenClaw to detekuje a použije tyto přihlašovací údaje jako primární model pro vašeho nového asistenta.

Váš čerstvě vylíhnutý asistent si od vás vyžádá trochu usměrnění ohledně toho, jak se má chovat. V této fázi ještě nejsou osobnostní rysy nijak zvlášť silné, takže si vyberte, co se vám líbí. Berte ale na vědomí, že v jádru stejně mluvíte s osobnostmi Gemini, Codexu nebo Claude, které jsou jen jemně okořeněné vámi zvoleným stylem.

Konfigurace je poměrně přímočará a můžete se k ní kdykoli vrátit. Příkazová řádka (CLI) je pro úpravy perfektně připravená. Zpět do nastavení se dostanete příkazem:

openclaw configure

Nástroje příkazové řádky jsou výborně zpracované a snadno se v nich naviguje prostřednictvím textového uživatelského rozhraní (TUI). Webové rozhraní je v současné době opravdu neotesané a často není jasné, co přesně upravujete – raději se mu vyhněte a používejte výhradně CLI.

Co nastavit okamžitě po instalaci

Mobilní komunikace. Ze všeho nejdříve si zprovozněte nějaký komunikační kanál mimo samotné zařízení. Je to obrovský skok v použitelnosti. Vyberte si něco, k čemu máte přístup z telefonu: Slack, Discord, Telegram, Teams atd. Já jsem si vytvořil specifický Discord server, prošel konfigurací pro přidání bota a během 15 minut ho přidal do příslušných kanálů. Jakmile to uděláte, budete moci s agentem chatovat přes telefon a on bude pracovat na dálku. Pokud tento krok uděláte jako první, možná už nikdy nebudete muset řešit věci jako VPN nebo jiné složité typy přístupů. S asistentem komunikujete přes zprostředkující server, těžíte z výhod mobility a celý systém zůstává relativně bezpečně skrytý uvnitř vaší osobní sítě.

Zprovoznění vyhledávání na webu. Ve výchozím nastavení asistent používá pouze příkaz curl z příkazové řádky a následně pročítá výsledky. Pokud jste v rámci instalace přidali i Chromium, řekněte svému asistentovi, že je dostupné, a ať ho používá v bezhlavém (headless) režimu. To mu umožní spouštět JavaScript a plnohodnotně renderovat stránky. Instalace nástrojů jako Playwright mu dokonce dodá schopnost se stránkou interagovat a ovládat ji. To je skvělé ve chvíli, kdy chcete, aby za vás vyplnil formulář (například vyhledávací pole na webu nebo ověření PSČ). Obecnější vyhledávání na internetu vyžaduje pár kroků navíc. Přejděte na službu Brave Search a založte si účet. Poté si vygenerujte nový API klíč – budete si muset vybrat plán, ale bezplatná verze je více než dostačující, pokud nenecháte asistenta vyhledávat jako zběsilého. V menu openclaw configure najdete sekci Web Tools a Brave Search, kam tento klíč vložíte. Stačí pak asistentovi nařídit, že smí provést jen jedno vyhledávání za sekundu, a on sám automaticky omezí své chování.

„Mozek“ vašeho asistenta je tvořen Markdownem. Projděte si základní soubory asistenta a přečtěte si je, abyste pochopili, jak přemýšlí. Většinou se nacházejí ve složce ~/.openclaw/workspace/... a obsahují vše od paměťových souborů až po pokyny k používání nástrojů, informace o vás a profil jeho osobnosti. OpenClaw funguje na principu, že většina volání probíhá nezávisle na sobě, takže zapsání věcí je jediný způsob, jak zajistit určitý stupeň trvalé paměti. Budete k nim mít plný přístup, takže úpravou těchto souborů můžete vyladit osobnost agenta nebo opravit nepřesné informace.

Zajistěte si pravidelné zálohování. Osobně jsem jednoduše požádal svého asistenta, aby to nastavil za mě. Napsal rychlý skript v rsync, přidal trochu komprimace a pro zálohování textových souborů to bohatě stačí. Skript se spouští každý týden přes úlohu cron, která ho vykoná a ověří. Můžete jít samozřejmě do mnohem složitějších řešení, ale doporučuji začít s jednoduchými nástroji a rozšiřovat je až podle potřeby.

Vytvořte si proces dokumentace. Nakonec jsem pro tento účel zvolil velmi jednoduchý postup v aplikaci Notion. Vytvořil jsem si novou hlavní stránku nazvanou „Assistant“, následně novou integraci s právy pro čtení i zápis pouze pro tuto konkrétní stránku a vygeneroval API klíč. Poté jsem nainstaloval Notion skill schopný tento klíč používat a asistentovi o něm řekl. Agent potvrdil, že má do prostoru přístup, a vytvořil nám tam základní strukturu pro spolupráci. Máme databázi „Ke čtení“, kam mu vkládám URL adresy. Několikrát denně zkontroluje, zda tam není něco nového, články si přečte a pak mi k nim může pokládat doplňující otázky. Máme také složku s projekty, kde plánujeme a tvoříme dokumentaci předtím, než se pustíme do samotné realizace. Je to naprosto ideální pro chvíle, kdy jsem na telefonu, chci jen rychle zadat úkol a společně ho můžeme iterovat. Zcela stejný princip by šel aplikovat na Google Docs, Obsidian nebo jakoukoliv jinou webovou sdílenou dokumentaci.

Zprovozněte vyhledávání v paměti. Tato funkce není ve výchozím nastavení zapnutá. Můžete použít OpenAI embeddings, pokud máte k dispozici konkrétní OpenAI klíč. Sám jsem to zkusil, ale narazil jsem na konflikty s mým nastavením Codexu, tak jsem od toho upustil. Místo toho jsem využil lokální vkládání (embeddings) pro vyhledávání v paměti, které spouští malý model přímo na zařízení a generuje potřebná data. Raspberry Pi má na tohle bohatě dostatek výkonu a funguje to naprosto spolehlivě.

Zamyšlení po týdnu práce s OpenClaw

Poté, co jsem poslední týden intenzivně pracoval s OpenClaw, bych se rád podělil o pár zásadních postřehů, jak s ním fungovat co nejefektivněji.

Dovednosti (skills), MCP servery a API otevírají obrovské možnosti. Stejně jako u běžných kódovacích agentů, i zde tyto prvky poskytují přístup k dalším nástrojům. Pokud existují nástroje, kterým rozumíte a věříte jim, nasměrujte asistenta přímo na ně jako na „sázku na jistotu“. Asistent je ale dokáže najít i sám pomocí přibalených CLI nástrojů Clawhub.

Směřujte asistenta k tvorbě deterministických nástrojů. Místo toho, aby řešil úkoly jednorázově (one-shot), povzbuďte ho, aby si napsal skript, jehož výstupy si může sám ověřit. Tento skript pak ať zabalí jako novou dovednost a uloží si ji do paměti.

Systém se sám vyvíjí. Zejména díky způsobu, jakým jsem ho nastavil, nemá asistent přístup k ničemu, co by mohlo být fatálně destruktivní – ať už pro něj, nebo pro mě. Můžete mu tedy s klidem říct: „Hele, změň si konfiguraci tak, aby dělala tohle…“ a on to prostě udělá. To, ve spojení s jeho schopností stavět si vlastní nástroje, vytváří velmi dynamickou atmosféru, kde máte pocit, že se asistent neustále učí a stává se schopnějším.

Asistent zvládne i hlasové zprávy. Jednou jsem asistentovi poslal hlasovou zprávu a zapomněl, že s ní neumí pracovat. Stačila ale jedna rychlá textová zpráva, asistent sáhl po nástroji Whisper, obalil ho skriptem, vytvořil si z něj nástroj a hned mi sdělil, jak ho hodlá použít (to celé proběhlo, zatímco jsem si pískal u samoobslužné pokladny v supermarketu). Později jsem mu poslal odkaz na podcast. Aniž bych mu cokoliv vysvětloval, sám si odvodil, že když ta nahrávka nepochází ode mě, má ji prostě přepsat do textu a poslat mi výsledek.

Příliš mnoho komunikačních kanálů škodí paměti. Původně jsem vytvořil více kanálů na Discordu, abych oddělil různá témata konverzací. Pro mě to sice bylo přehlednější, ale na pozadí asistent beztak slepil všechny informace dohromady do svých Markdown souborů. Od té doby jsem tento přístup trochu omezil.

Buďte opatrní s komunitními fóry (Moltbook). Nebo alespoň dejte asistentovi jasná pravidla, aby četl jen specifická podfóra (např. m/todayilearned, m/agenttips nebo m/moltoverflow), odkud vytáhne opravdu užitečné informace. Stejně jako byste poučili teenagera o nástrahách sociálních sítí, ukažte mu, co jsou konspirace, pochybné krypto projekty a divoký obsah, a dejte mu návod, jak se k takovým věcem stavět. Občas to tam totiž bývá dost divoké.

Podněcujte asistenta k zapisování věcí. Často k podpoře paměti využíváme právě kanály jako Discord. Pokud mu však vysloveně neřeknete, aby na Discordu něco dohledal a použil, vnímá každou novou zprávu tak trochu jako začátek od nuly. Když ho naučíte, aby si důležité věci ukládal, jeho schopnost pamatovat si detaily se radikálně zlepší.

Vyžadujte pravidelné aktualizace stavu. Asistenti jsou typicky mizerní v tom, aby se vám sami od sebe ozvali poté, co je pošlete něco zdlouhavě zpracovávat. Zatím jsem to úplně nevyřešil, ale obvykle stačí zpráva ve stylu: „Tak jak jsi postoupil s úkolem X?“ a vygeneruje vám pěkné shrnutí. Začal jsem také používat příkazy typu: „Nastav si úkol, že mi dnes v 15:00 podáš hlášení o stavu projektu X“. Funguje to, i když je to občas lehce frustrující. Nepochybuji ale, že s rostoucím počtem uživatelů se tyto mouchy rychle vychytají.

Má smysl si to instalovat?

Jednoznačně ano. Zvláště pak, pokud máte technické znalosti k tomu, abyste celý systém zabezpečili, a pokud vás to zkrátka zajímá. Rok 2025 byl rokem, kdy jsme přešli od užitečných LLM k užitečným kódovacím agentům. Na začátku roku 2026 vstupujeme do fáze, kdy začíná být nesmírně užitečná samotná orchestrace agentů.

Nemyslím si, že musíte asistentovi předat klíče od celého svého digitálního království, aby vám byl k užitku. Vlastně si myslím, že by to bylo spíše kontraproduktivní. Když chci na WhatsAppu probírat hlouposti s kamarády, nepotřebuji na to AI asistenta – akorát by mi to vzalo radost ze života. Proč se tím vůbec obtěžovat?

Ve světě, kde můžete rychle a stále levněji postavit téměř cokoliv digitálního, začíná používání orchestrátora působit jako naprosto přirozený styl práce. Často potřebuji jen to, aby něco „prostě fungovalo“, nebo chci otestovat dvanáct různých variant jednoho nápadu – a čas, který musím fyzicky strávit za klávesnicí, je mým hlavním limitem.

Takže ano, nainstalujte si OpenClaw. Nedávejte ho na svůj hlavní pracovní počítač, neposkytujte mu přístup k citlivým datům, ale dejte mu volnou ruku k plnění úkolů a teoreticky i k tomu, aby zničil systém, ve kterém momentálně žije. Možná budete velmi překvapeni tím, co dokáže vymyslet a zrealizovat.