Van chat naar compute
Wat als het uitvoeren van een wetenschappelijk experiment net zo eenvoudig was als het versturen van een berichtje? Jesse Silverberg besloot het uit te zoeken — en bouwde een zelfbeheerend onderzoekscluster dat volledig draait op OpenClaw.
Het project, gedocumenteerd op jessesilverberg.com, is een van de meest creatieve toepassingen van AI-agents in de onderzoekswereld: een conversationeel AI-platform omtoveren tot een volwaardige wetenschappelijke computeromgeving.
De visie
Silverbergs uitgangspunt was rechttoe rechtaan. Onderzoekers besteden enorm veel tijd aan het worstelen met infrastructuur — servers inrichten, omgevingen configureren, jobwachtrijen beheren, deploymentproblemen debuggen. Dat is tijd die niet aan daadwerkelijke wetenschap wordt besteed. Wat als een AI-agent dat allemaal kon afhandelen, en de onderzoeker alleen een chatvenster nodig had?
Het antwoord was een systeem waarin wetenschappers experimentideeën via Telegram kunnen sturen en resultaten in hetzelfde gesprek terugkrijgen. Geen SSH, geen YAML-configs, geen Kubernetes-manifesten. Beschrijf gewoon wat je wilt berekenen, en de agent regelt de rest.
De vibecoding-aanpak
Silverberg bouwde het hele systeem via wat hij vibecoding noemt — conversationeel programmeren waarbij de ontwikkelaar intentie beschrijft en de AI de implementatie genereert. In plaats van infrastructuurcode regel voor regel te schrijven, itereerde hij via natuurlijke taalgesprekken met OpenClaw en verfijnde het gedrag van het systeem door dialoog.
Deze aanpak betekende dat het clustermanagementsysteem zelf gebouwd was met hetzelfde conversationele paradigma dat het uiteindelijk zou bedienen. Het gereedschap bouwde het gereedschap.
Hoe het werkt
De architectuur schakelt meerdere componenten aan elkaar:
- •Telegram Bot Interface — onderzoekers sturen natuurlijke taalbeschrijvingen van experimenten die ze willen uitvoeren
- •Agent Parser — een OpenClaw-agent interpreteert het verzoek en bepaalt computevereisten, afhankelijkheden en verwachte output
- •Cluster Orchestratie — de agent richt resources in, configureert omgevingen en dient jobs in bij het computecluster
- •Resultaten Pipeline — wanneer experimenten klaar zijn, worden resultaten verwerkt, samengevat en via Telegram teruggestuurd naar de onderzoeker
De agent beheert de volledige levenscyclus autonoom. Als een job faalt, diagnosticeert hij het probleem, past parameters aan en probeert opnieuw. Als resources opgeschaald moeten worden, richt hij extra capaciteit in. Als resultaten nabewerking nodig hebben, draait hij de analysepipeline automatisch.
Autonoom clusterbeheer
Wat dit systeem bijzonder maakt is het zelfbeherende aspect. Traditionele computeclusters vereisen toegewijde DevOps-teams voor onderhoud. Silverbergs OpenClaw-aangedreven cluster bewaakt zijn eigen gezondheid, handelt node-uitval af, optimaliseert resourcetoewijzing en werkt zelfs zijn eigen softwareafhankelijkheden bij.
De agent onderhoudt een mentaal model van de clusterstatus en neemt beslissingen over scheduling, prioriteit en resourcetoewijzing die normaal menselijke beheerders vereisen. Hij voert niet zomaar vooraf gedefinieerde scripts uit — hij redeneert in realtime over infrastructuur.
Democratisering van computetoegang
De bredere implicatie is democratisering. Niet elk onderzoekslab heeft een systeembeheerder. Niet elke wetenschapper weet hoe je een GPU-cluster configureert. Door infrastructuur te abstraheren achter een conversationele interface, laat Silverbergs systeem onderzoekers focussen op waar ze het beste in zijn — interessante vragen stellen en experimenten ontwerpen.
Een bioloog die eiwitvouwing bestudeert, een natuurkundige die simulaties draait, een sociaal wetenschapper die enquêtedata verwerkt — geen van hen hoeft een infrastructuurexpert te worden. Ze beschrijven hun berekening, en de agent regelt de rest.
De toekomst van wetenschappelijk rekenen
Silverbergs experiment wijst naar een toekomst waarin de grens tussen nadenken over wetenschap en wetenschap bedrijven steeds dunner wordt. Wanneer de wrijving van infrastructuur richting nul gaat, kunnen onderzoekers sneller itereren, meer hypotheses testen en hun cognitieve energie besteden aan ontdekking in plaats van deployment.
De OpenClaw-community heeft het opgemerkt. Meerdere onderzoeksgroepen verkennen nu vergelijkbare architecturen en passen het patroon aan voor hun specifieke domeinen. Het gesprek tussen wetenschapper en computecluster is nog maar net begonnen.