核心用法
Model Guard 是一款专为 Anti-Gravity (AG) 模型生态设计的自动化监控工具。其核心工作流程分为四个阶段：首先通过 openclaw models status 命令获取当前所有 AG 模型的实时配额状态；随后利用正则表达式解析输出结果，提取各模型（Claude、Gemini、GPT-OSS 等）的剩余配额百分比；接着遍历预定义的候选模型列表，筛选出配额最充足的模型；最后执行 openclaw models set <model>> 完成自动切换。该技能支持手动触发（model-guard 命令）和自动触发（通过 cron 或 heartbeat 定时执行）两种模式，用户可通过修改 guard.js 调整阈值（默认 20%）和回退模型配置。
显著优点
自动化运维能力是该技能的最大亮点。在 AG 模型配额波动频繁的场景下，手动监控和切换模型既耗时又容易出错，Model Guard 实现了真正的"无人值守"式模型管理。其次，智能回退机制设计合理：当所有 AG 模型配额均低于阈值时，自动降级至原生 Gemini Flash 模型，确保服务不中断。代码层面，该技能结构清晰、逻辑透明，采用常量数组管理候选模型，避免了硬编码带来的维护困难；I/O 限制配置（stdio: ['ignore', 'pipe', 'ignore']）也体现了基本的安全意识。
潜在缺点与局限性
外部依赖单一化是首要风险点。该技能完全耦合于 openclaw CLI 工具，一旦该工具更新、弃用或出现兼容性问题，Model Guard 将立即失效。命令注入隐患虽当前可控，但 execSync 的使用方式本身存在理论风险——若 openclaw 命令输出被恶意篡改或 currentModel 解析异常，可能引发非预期行为。此外，错误处理过于简略，try-catch 仅返回 null，失败时缺乏日志记录或告警机制，不利于故障排查。功能层面，该技能仅支持 AG 生态，无法扩展至其他模型提供商；阈值判断逻辑为简单的百分比比较，未考虑模型性能、延迟、成本等多维因素。
适合的目标群体
该技能主要面向技术型 AG 平台用户，包括：频繁调用 AG 模型 API 的开发者与工程师、需要保障 AI 服务 SLA 的运维团队、以及构建基于 AG 模型自动化工作流的高级用户。对于普通终端用户或非技术背景的产品团队，由于涉及 CLI 工具配置和定时任务管理，上手门槛较高。同时，仅使用单一模型且配额充足的轻度用户无需部署此工具。
使用风险
供应链风险最为突出：：openclaw 工具的安全性、更新策略及长期维护状态直接决定该技能的可靠性。权限风险次之，执行 CLI 命令和修改系统默认模型需要较高权限，在多用户环境或生产系统中需谨慎配置。性能风险方面，频繁执行 openclaw models status 可能产生额外的 API 调用开销；execSync 的同步阻塞特性在高频定时任务场景下可能影响主进程响应。兼容性风险包括：AG 平台 API 变更导致输出格式变化、候选模型列表与实际可用模型不匹配、以及不同操作系统环境下 CLI 行为的差异。