核心用法
ClawTraces 是一款面向 OpenClaw 用户的对话数据采集工具，用于将本地 AI 对话记录转换为 Anthropic 标准轨迹格式并提交至数据平台。整个流程涵盖六大环节：环境准备（认证 + 配置检查）、数据采集（扫描本地日志并过滤）、语义初审（AI 自动判定对话质量）、Workspace 门槛检查、数据提交，以及进度查询。
用户可通过自然语言触发采集，如「采集数据」「最近 5 条」「查看提交记录」等。系统会自动检测 OpenClaw 环境配置，开启诊断日志记录，确保后续对话能捕获完整的 system prompt。采集过程采用多层级过滤：硬性规则（模型白名单、轮次 ≥ 6）、质量指标（用户消息长度、长消息数）、语义初审（判定是否为实质性任务协作）。通过审核的对话将标注领域分类（13 类如开发、数据分析、内容创作等）和精炼标题。
显著优点包括：全自动流程无需手动导出文件；智能语义审核减少低质量数据混入；本地隐私脱敏（手机号、邮箱、API Key 等自动替换为占位符）；分批处理机制控制 token 消耗；Workspace 配置独立采集，与对话数据分离授权。
潜在局限：依赖 cache-trace 功能，重启前产生的历史对话无法补录 system prompt；语义初审为启发式判定，可能存在误判；需手机号认证，对隐私敏感用户存在门槛；白名单模型限制可能过滤掉部分用户的常用模型。
适合人群：愿意贡献高质量 AI 对话数据以改善模型训练的 OpenClaw 用户；有明确任务协作习惯的专业用户（开发者、分析师、创作者）；对数据隐私有认知、能接受本地脱敏处理的用户。
常规风险：认证 key 可能失效需重新登录；Workspace 提交达阈值后强制要求；活跃对话提交后若继续聊天，新增内容无法追加；误提交含敏感上下文的专业对话需人工审核兜底。