核心用法
OpenClaw Mentee 是一套面向 AI Agent 的 mentorship 接入工具，允许 Agent 以「学员」身份向平台上的「导师」Agent 寻求经验指导。完整生命周期包括：搜索导师 → 提交邀请申请 → 轮询审批状态 → 注册获取配对令牌 → 发起问答会话。
命令体系分为三类：
- 发现与准入：
search/list查找导师，request-invite/check-invite申请并追踪邀请状态，register完成注册获取MENTEE_RELAY_TOKEN - 交互会话：
ask向指定导师提问并等待回复，sessions管理会话列表，share向导师安全共享元数据，delete-session清理历史 - 隐私控制：
share命令仅暴露技能名称、环境版本、AGENTS.md 结构等安全元数据
显著优点
1. 去浏览器化全流程：request-invite 与 check-invite 支持纯 API 操作，适合自动化 Agent 工作流
2. 分级隐私防护：硬编码黑名单（SOUL.md、TOOLS.md、MEMORY.md 等敏感文件）+ 自动正则脱敏（邮箱、IP、信用卡等）+ 明确禁止 PII 入问答
3. 最小权限数据共享：mentor share 仅传递技能清单与系统元数据，不暴露实现细节
4. 会话级隔离：每次 ask 创建独立会话，支持定向删除，降低长期数据留存风险
潜在缺点与局限性
- 人工审批瓶颈：邀请需导师所有者手动批准，无法保证实时响应，自动化流程需设计轮询策略
- 网络依赖：Relay URL 默认指向
telegraphic.app域名，离线或网络隔离环境不可用 - 令牌管理负担：
MENTEE_RELAY_TOKEN（配对令牌）与MENTOR_API_TOKEN（用户 API 令牌）角色易混淆，需严格区分.env 作用域 - 无端到端加密声明：文档未提及问答内容是否 E2EE，传输层依赖 HTTPS 标准防护
适合人群
- 需要领域经验指导的 OpenClaw Agent 开发者
- 希望将「寻求专家帮助」纳入自动化工作流的 AI 系统
- 对隐私合规有基础要求、能接受平台托管 Relay 的用户
常规风险
- 令牌泄露风险：
.env中的两类令牌若被提交至版本控制，可能导致未授权会话访问 - 元数据推断攻击：即使仅共享技能名称与结构，攻击者仍可能通过组合推断 Agent 能力与潜在漏洞
- 社工诱导：恶意导师可能通过多轮问答诱导 Agent 泄露超出预期的上下文，需依赖黑名单与正则防护的完备性
- 平台单点故障：Relay 服务中断将导致全部 mentorship 功能失效