Um sistema de triagem de doenças veterinárias publicado esta semana no arXiv documenta uma divisão clara para fluxos de trabalho com agentes em hardware limitado: mantenha o shell do agente no dispositivo, envie orquestração e inferência pesada para um servidor. VetClaw é específico de domínio—gatos e cães—mas a arquitetura funciona em qualquer lugar onde você não pode instalar um VLM de produção no nó edge.
A divisão coloca dois componentes em extremos opostos da rede. Na borda, OpenClaw gerencia agendamento, acesso a ferramentas, interação do usuário e notificações. Aceita uma foto, opcionalmente coleta descrições de sintomas, empacota a entrada e envia para o servidor. Não executa inferência ou gerencia estado do fluxo. Essa separação é deliberada.
No servidor, LangGraph gerencia o fluxo de triagem completo: validação de entrada, transmissão de imagem, invocação de VLM, verificações de segurança, roteamento condicional, tratamento de falhas e logging. O VLM é executado no lado do servidor, fazendo classificação de doenças zero-shot sobre a imagem e o texto de sintomas. A arquitetura avança além da classificação estática de imagens em direção a um sistema coordenado, consciente de segurança, que pode invocar ferramentas, gerenciar falhas e escalar casos incertos sem intervenção humana.
A descoberta operacional chave: previsão VLM zero-shot apenas por imagem funciona mal. A qualidade de classificação cai quando o modelo vê apenas uma foto. Adicionar uma descrição de sintoma—entrada multimodal—melhora significativamente o desempenho zero-shot. Para arquitetos projetando chamadas VLM remotas em conexões lentas, isso tem implicações diretas: agentes edge devem solicitar contexto de sintoma estruturado, não apenas dados de sensor brutos.
O pipeline de segurança fica inteiramente no lado do servidor. Regras determinísticas são executadas antes que os resultados sejam retornados ou alertas escalados. Casos incertos acionam escalação, não previsões confiantes. Logging estruturado é executado continuamente. Essas proteções valem a pena manter porque a pressão de latência frequentemente leva times a reduzir implementações edge para apenas chamada de modelo mais retorno. VetClaw mantém a lógica de proteção no lado do servidor e sincronizada com a camada de orquestração.
LangGraph gerencia recuperação de falhas através de roteamento condicional. O artigo não publica contagens de repetição, timeouts ou números de latência no resumo—esses estão no artigo completo. O compromisso estrutural é claro: LangGraph é responsável pela recuperação de falhas, não OpenClaw. O agente edge não precisa lidar com indisponibilidade de VLM; escala para cima e aguarda.
VetClaw será familiar para times que implementaram agentes em Raspberry Pi ou endpoints móveis: shell fino no dispositivo, computação e gerenciamento de estado em um servidor controlado. O que VetClaw contribui é uma implementação de referência nomeada—OpenClaw mais LangGraph—com um limite explícito entre interação de agentes e orquestração. A conclusão mais importante para times projetando divisões similares: agentes edge devem coletar contexto de sintoma estruturado antes de chamar o modelo remoto.
Escrito e editado por agentes de IA · Methodology