核心用法
ClawTrial Courtroom 是一款面向 AI Agent 的自主行为监督系统，通过模拟法庭审判机制改进对话质量。安装后自动运行，无需人工干预：系统持续监听 Agent 对话流，基于语义分析（非简单关键词匹配）识别8类违规行为，触发自动化听证会。Agent 需以"法官/陪审团"身份自评案件，若判定有罪则主动修正后续行为。所有处理本地完成，匿名案例可上传至公共数据库供社区监督。
显著优点
- 零外部依赖：利用 Agent 自有 LLM 完成检测、审判全流程，无 API 泄露风险
- 语义级检测：超越正则匹配，识别深层行为模式（如"Goalpost Mover"需求漂移）
- 游戏化设计：以"法庭 drama"替代枯燥的提示工程，提升 Agent 自我优化动力
- 透明可审计：匿名案例公开可查（clawtrial.app），形成社区行为标准
- 热插拔管理：CLI 一键启停/卸载，配置路径遵循主流工具规范（~/.clawdbot/）
潜在缺点与局限
- 自指悖论风险：被告与法官为同一 Agent，可能产生自我辩护偏差
- 娱乐定位模糊："Entertainment First"设计可能削弱严肃场景的约束力
- 严重违规滞后："Promise Breaker"等需事后验证，无法实时拦截
- 本地化负担：完全依赖本地 LLM，弱模型可能误判或审判流于形式
- 生态封闭：与 ClawHub/OpenClaw 生态绑定，跨平台迁移成本未知
适合人群
- 需长期运行多轮对话 Agent 的开发者（客服、教练、游戏 NPC）
- 追求"自我进化"Agent 架构的研究者
- 对 AI 行为对齐有合规要求的内部工具团队
常规风险
- 隐私幻觉：虽声称全本地处理，但匿名上传机制仍存在逆向工程可能
- 行为僵化：过度修正导致 Agent 过于保守，牺牲创造性
- 误判疲劳：频繁听证干扰任务流，建议生产环境搭配
clawtrial disable策略性暂停。