Aperçu de ClawApp 🦅 ———————————————————————— Récemment, j’ai analysé @HeySorinAI et examiné son fonctionnement interne. Aujourd’hui, je déplace mon attention vers l’environnement où les instructions en langage naturel deviennent des tâches concrètes. Si vous êtes intéressé par le VIBE CODING et l’AUTOMATION sans écrire de code complexe… @Openclaw mérite votre attention. → Je commencerai par les bases, en partant du tableau de bord et de la première interaction avec l’interface. → Ensuite, je passerai à la couche des Compétences, où vous définissez ce que l’agent est réellement capable de faire. → Enfin, nous le verrons en action, alors qu’une seule instruction se transforme en un flux structuré en plusieurs étapes. Décortiquons cela !👇 Lorsque vous ouvrez ClawApp, vous atterrissez sur un tableau de bord propre et moderne divisé en deux zones principales : → Panneau de navigation gauche, → Espace de travail central. ———————————————————————— La barre latérale gauche est votre centre de commande. > Nouveau chat lance une nouvelle session. Chaque tâche s’exécute dans sa propre session, vous aidant à garder vos flux organisés. > Connecter les applications vous permet de lier des services externes comme l’e-mail ou votre calendrier. C’est ici que l’agent devient opérationnel, passant de la conversation à l’exécution. > Compétences affiche les capacités disponibles de l’agent. Vous pouvez les activer ou les désactiver, conservant ainsi le contrôle sur ce que l’agent peut accéder ou effectuer. > Solde affiche vos crédits disponibles (en USD). > Historique enregistre les sessions précédentes, vous permettant de revisiter ou de gérer vos automatisations antérieures. Ensemble, ces éléments positionnent ClawApp comme un outil de productivité structuré, et non comme une simple interface de discussion. ———————————————————————— Le panneau principal accueille les utilisateurs avec « Automatisez avec ClawApp », soulignant qu’il s’agit d’une interface conçue pour simplifier l’accès à OpenClaw. Vous verrez également des cartes d’automatisation d’exemple, telles que : > Créer une note de tâche (intégration Apple Notes), > Publier et interagir au sein d’un écosystème d’agent (Moltbook), > Générer un rapport d’analyse technique BTC (Crypto Insights). Ces exemples démontrent que l’agent peut à la fois exécuter des actions et effectuer des analyses, et non se limiter à générer du texte. ———————————————————————— En bas, un champ d’entrée simple vous permet de « Tapez un message ou une commande… » Aucun script ni configuration n’est nécessaire. Le flux est simple : ⏩ instruction en langage naturel → agent → action dans les applications connectées Ce écran montre l’espace de travail des Compétences. L’endroit où vous gérez ce que votre agent OpenClaw peut réellement faire. Si l’écran principal est le centre de commande, celui-ci est la couche des capacités. ———————————————————————— En haut, vous voyez le chemin du répertoire local des compétences (par exemple, /openclaw/workspace/skills). Cela indique que les compétences sont des composants modulaires stockés localement. Vous pouvez : → Ajouter de nouvelles compétences, → Supprimer celles existantes, → Étendre les fonctionnalités de l’agent. Il y a également une référence à Clawhub, où d’autres compétences peuvent être découvertes et téléchargées. Cela renforce l’idée que l’écosystème est extensible et piloté par la communauté. ———————————————————————— La section principale affiche les compétences installées sous forme de cartes. Les exemples visibles ici incluent : ▫️ apple-notes, ▫️ himalaya, ▫️ shitty-email, ▫️ moltbook, ▫️ molt-registry, ▫️ Sorin Brain. Chaque compétence représente un domaine opérationnel spécifique : notes, e-mail, interaction sociale, identité, analyse. ———————————————————————— Cette structure rend l’agent modulaire plutôt que monolithique. Au lieu d’un système tout-puissant unique, vous construisez les capacités de votre agent comme des composants dans une boîte à outils. Chaque compétence peut être inspectée (via « Plus ») et gérée individuellement. Cela renforce trois principes de conception importants : → Modularité : les capacités sont séparées en unités définies, → Extensibilité : de nouvelles compétences peuvent être ajoutées au fil du temps, → Contrôle : l’utilisateur décide ce que l’agent peut accéder et exécuter. L’onglet Compétences montre clairement que ClawApp est un environnement d’agent configurable. Au lieu de se demander 🚫 « Que peut faire cet IA ? » La meilleure question devient : ✅ « Que veux-je que cet agent soit capable de faire ? » L’écran montre l’agent en action. En haut, l’utilisateur saisit une commande en langage naturel : ▶️ « Vérifie mes réunions à venir cette semaine dans le calendrier et envoie un e-mail… pour lui rappeler de terminer le fichier markdown des données du marché prédictif. » ◀️ Cette seule instruction devient le point de départ d’une tâche structurée. Au lieu de répondre par un texte générique, l’agent commence à exécuter la demande étape par étape. La première action visible est la récupération des événements calendrier à venir pour les sept prochains jours. Les réunions sont clairement listées avec : → Titre, → Date et heure, → Compte calendrier associé. Cela marque le début de l’exécution de la tâche… l’agent rassemble le contexte avant de passer à l’étape suivante (envoyer l’e-mail de rappel). ———————————————————————— Ce qui est important ici, c’est le flux : → L’utilisateur fournit une instruction de haut niveau, → L’agent la décompose en sous-actions, → Chaque étape est exécutée et affichée dans l’interface de discussion. L’interface rend la progression de la tâche transparente, permettant à l’utilisateur de voir comment l’agent interprète et exécute la demande. ———————————————————————— Cet écran représente le véritable point de départ du travail : ⏩ Langage naturel → création de tâche → récupération de contexte → exécution d’action Il démontre que ClawApp est conçu pour des flux opérationnels, où les instructions déclenchent des interactions réelles avec des systèmes connectés comme les calendriers et les e-mails. Après avoir récupéré les réunions à venir, l’agent passe à la prochaine phase d’exécution. L’instruction au bas du chat s’est désormais concrétisée en une tâche structurée. Les données du calendrier ont été rassemblées, et le système prépare l’action suivante : rédiger et envoyer l’e-mail de rappel. ⏩ Ce que nous voyons ici, c’est la transition de la collecte de contexte à l’action. Le flux se déroule étape par étape : → Identifier les réunions pertinentes, → Extraire les détails nécessaires, → Utiliser ce contexte pour générer le rappel, → Exécuter l’action d’e-mail. Cet écran représente la tâche en cours, pas une réponse, mais une opération activement menée dans les systèmes connectés. L’e-mail de rappel n’est plus seulement une idée dans un prompt. Il est traité comme un flux exécutable réel. ———————————————————————— Ce qui me frappe ? 👀 → La manière dont ClawApp fait passer l’IA du « discours » à l’action concrète. Vous ne demandez pas simplement à un modèle… Vous → Configurez un agent, → Lui donnez accès à des outils, → Le regardez exécuter des tâches structurées en temps réel. Les compétences modulaires, le flux de tâche visible et la structure basée sur les sessions le rendent plus proche d’un système d’exploitation pour les flux d’IA que d’un simple assistant. ———————————————————————— 🔗 Le lien est dans le premier commentaire 👇 ———————————————————————— Yo 🤟