核心用法
ClawTraces 是面向 OpenClaw 用户的数据采集 Skill，用于将本地 AI 对话记录转换为 Anthropic 标准 trajectory 格式并提交至研究平台。完整流程涵盖：环境检查（自动开启诊断日志与推理配置）、手机验证码认证、对话扫描（支持分页/日期筛选/数量限制）、质量过滤（模型白名单、轮次阈值、内容质量评分）、Harness 门槛检查、脱敏提交及进度查询。
显著优点
1. 零配置自动化：自动检测并修复 OpenClaw 配置（cache-trace、thinking level、reasoning 开关），无需用户手动改文件
2. 智能脱敏机制：本地预打包阶段即对手机号、邮箱、API Key 等敏感信息进行占位符替换，原始数据不上传
3. 灵活筛选策略：支持 --limit 数量限制、--since 日期范围、--sessions 指定 ID 三种采集模式
4. 质量分层过滤：硬性规则（模型白名单、≥6 轮）+ 启发式指标（用户消息长度、长消息数）双重筛选
5. Harness 门槛管理：达到阈值后强制/推荐提交个性化配置文件（SOUL.md/USER.md），提升数据研究价值
潜在缺点与局限性
- 冷启动依赖：首次使用需先正常对话产生 cache-trace 记录，重启后立即采集可能无数据
- 活跃对话风险：标记为「⚡活跃中」的对话提交后若继续聊天，新增内容无法补充到已提交记录
- 历史数据盲区：自动模式下无 cache-trace 的历史对话会被跳过，除非显式指定 session_id 使用重建 prompt
- 认证强制绑定：必须提供真实手机号完成短信验证，无匿名提交选项
- 平台锁定：仅支持 OpenClaw 环境，其他客户端（如官方 Claude）无法使用
适合人群
- 愿意贡献对话数据用于 AI 研究的 OpenClaw 重度用户
- 追求个性化 AI 体验、已配置 SOUL.md/USER.md 的高级用户（Harness 数据价值更高）
- 对数据隐私敏感但接受本地脱敏处理方案的用户
常规风险
- 隐私泄露风险：尽管有本地脱敏，用户消息内容本身仍会上传，敏感业务数据需谨慎
- 认证 key 失效：长期使用可能触发 401 需重新验证
- 配置自动修改：环境检查会强制重启 OpenClaw 服务，中断当前工作流
- 过滤误伤：高质量但轮次不足或模型不在白名单的对话会被排除