核心机制
IBT（Instinct + Behavior + Trust）是一套面向AI代理的执行纪律框架，通过Observe → Parse → Plan → Commit → Act → Verify → Update → Stop八步循环，将"说做验证改"的工程师思维系统化为代理行为准则。
显著优点
三层防护体系：v2.7版本整合了直觉层（Instinct，预执行观察与风险感知）、安全层（Safety，STOP命令神圣不可侵犯、破坏性操作预览、审批门控）、信任层（Trust，双向契约与会话重对齐），形成从感知到执行到关系的完整闭环。
错误韧性设计：v2.7新增的检查点（Checkpoint）机制在Commit阶段保存状态哈希，配合决策日志（Decision Log）和五类错误编码（TIMEOUT/AUTH/RATE/PARSE/UNKNOWN），实现"Fail fast, log cheap, resume fast"——失败时秒级恢复，而非从头重来。
人机模糊性处理："洗车问题"典型案例揭示代理常见陷阱——用逻辑填补人类意图的模糊地带。IBT强制在不确定性高时主动澄清（"您是想今天洗还是只是问问价格？"），将"默认执行"转为"默认确认"。
潜在局限
- 认知开销：完整流程对单句闲聊可能过重，虽提供Skip/Pulse/Full三级表达，但开发者需自行判断切换时机
- 生态依赖：OpenClaw /stop命令集成、clawhub安装等假设特定运行时环境，跨平台移植需适配
- 信任契约非强制：Trust Contract为建议模板，无技术强制执行，关系破裂后的修复依赖双方意愿
适合人群
- 构建高风险代理（金融交易、医疗辅助、工业控制）的开发者
- 需要可审计执行链路的企业场景（合规日志、决策溯源）
- 与代理建立长期协作关系的个人用户（记忆偏好、工作节奏磨合）
常规风险
- 过度拟合流程：代理可能机械执行八步循环，在明显 trivial 的场景仍请求确认，造成"安全疲劳"
- 检查点膨胀：高频Checkpoint若未配合清理策略，可能累积内存开销
- 重对齐打扰：默认12小时触发Session Realignment，高频使用者可能感到重复询问，需按实际节奏调参