Projeto usa modelos de IA locais para organizar repositório de código — de graça

A equipe do OpenClaw (um projeto de código aberto voltado para automação de dados na web) conseguiu usar modelos de linguagem rodando localmente — isto é, direto no computador, sem precisar enviar dados para a nuvem — para fazer a triagem automática de issues (solicitações e relatos de problemas) no GitHub. Segundo informou a Hugging Face (uma plataforma onde desenvolvedores compartilham e baixam modelos de IA já treinados), a solução não custou nada em chamadas de API (interfaces que conectam aplicações a serviços pagos de IA, como os da OpenAI ou Anthropic).

O sistema classifica automaticamente cada issue nova que chega ao repositório, atribuindo etiquetas como "bug" ou "melhoria", e ainda gera uma resposta inicial para o usuário que abriu o problema. Tudo isso roda em hardware comum, usando modelos menores e otimizados da família Llama (modelos de linguagem de código aberto criados pela Meta) e Qwen (outra série de modelos abertos, desenvolvidos pela chinesa Alibaba). A ideia era mostrar que projetos pequenos podem se beneficiar de IA sem depender de orçamento para serviços pagos.

A implementação usa o LangChain (um framework, ou conjunto de ferramentas prontas, para construir aplicações com LLMs) e roda os modelos através do Ollama (uma plataforma que facilita rodar modelos de linguagem grandes direto na máquina local). Segundo a equipe, a precisão na classificação de issues ficou acima de 80%, e o tempo de resposta inicial caiu pela metade. O código completo está disponível no GitHub para quem quiser replicar a solução em outros projetos.

A experiência reforça uma tendência crescente: modelos menores, rodando localmente, estão se tornando viáveis para tarefas práticas do dia a dia de desenvolvedores, especialmente em times que não podem ou não querem enviar dados sensíveis para APIs externas. Para projetos de código aberto com centenas de issues por mês, a economia pode ser significativa — e a privacidade, garantida.