Inference Optimizer

核心用法

Inference Optimizer 是面向 OpenClaw 运行时的诊断与调优工具，采用「先审计、后优化」的安全优先设计。核心命令包括：

• `/audit`：纯分析模式，检查网关所有权、服务重启循环、二进制路径解析、更新器状态、插件来源、上下文压力、过期会话等 10+ 维度
• `/optimize`：审计 + 优化双阶段流程，每步文件变更均需用户显式审批
• `/preflight`：安装检查、备份与设置预览
• `purge sessions`：归档或清理过期会话（--delete 直接删除无备份）

工具要求 bash 环境，状态目录涉及 ~/.openclaw、~/clawd/skills/inference-optimizer 及 ~/openclaw-purge-archive，备份数据可能包含敏感信息。

显著优点

1. 分层安全设计：强制审计前置，避免盲目优化导致系统不稳定
2. 审批驱动流程：所有文件修改操作均需用户确认，降低误操作风险
3. 完整诊断覆盖：从服务层（supervisor、gateway）到应用层（缓存、并发、Token 使用）全栈检查
4. 非破坏性默认：purge 默认归档而非删除，--apply 需显式追加

潜在局限

• Linux 限定：仅支持 Linux 系统，macOS/Windows 用户无法使用
• 依赖 bash：无 bash 环境或受限 shell 场景下不可用
• 手动配置繁琐：需正确配置 exec-approvals.json 才能无中断运行，路径解析要求较高
• 无 API 调用：纯本地脚本工具，不提供云端优化建议或模型层调参

适合人群

• 自建 OpenClaw 服务的中高级用户
• 需要排查服务重启、Token 异常消耗、会话堆积等运维问题的技术团队
• 对「变更可审计、操作可回滚」有强合规需求的组织

常规风险

| 风险类型 | 说明 |

|---------|------|

| 备份数据敏感 | `~/.openclaw` 归档可能包含对话历史、配置密钥 |

| 误删风险 | `purge --delete` 无二次确认，直接永久删除 |

| 路径解析错误 | 自定义安装路径时 `<skill_dir>` 替换不当导致脚本执行失败 |

| 权限配置复杂 | `exec-approvals.json` 配置不当会导致命令中断或过度授权 |

Inference Optimizer：OpenClaw 运行时审计与推理优化工具

核心用法

Inference Optimizer 是一款专为 OpenClaw 生态设计的本地系统优化 Skill，采用纯 Bash 脚本实现，无需任何外部 API 依赖。其核心工作流程遵循"审计优先、优化次之"的原则：首先通过 /preflight 和 /audit 命令全面检查 OpenClaw 运行时的健康状况（包括网关所有权、服务状态、插件来源、上下文压力等），再通过 /optimize 在获得用户逐步授权的前提下执行优化操作。工具支持会话清理归档（默认安全模式）、配置文件优化、并发参数调整等深度调优功能，所有文件修改操作均采用"预览-确认-执行"的安全模式。

显著优点

1. 零外部依赖，纯净安全：纯 Bash 实现，无第三方包依赖，无网络外联行为，代码完全透明可审计。

2. 安全优先设计哲学：所有破坏性操作（如 setup、purge）默认仅预览，必须显式添加 --apply 或获得用户逐条授权后才执行；数据清理默认归档而非删除，支持误操作恢复。

3. 系统级深度诊断：不仅关注表面配置，更深入检查网关所有权、服务重启循环、插件来源可信度、更新器状态等底层健康指标，避免盲目优化。

4. 精细化权限控制：与 OpenClaw 的 exec-approvals 机制深度集成，要求为 bash 命令配置精确的 allowlist 规则，防止路径遍历和未授权执行。

5. 完善的文档体系：包含 SECURITY.md、CHANGELOG、详细 CLI 帮助，安全策略和版本历史清晰可追溯。

潜在缺点与局限性

1. Linux 平台限定：当前仅支持 Linux 环境（明确列出 os: linux），macOS 和 Windows 用户无法使用。

2. Bash 版本依赖：依赖 bash 环境，对非标准 shell 或容器内最小化系统可能存在兼容性问题。

3. 单用户环境假设：归档目录权限继承用户 home，在多用户共享环境可能存在数据隔离不足的风险（已列为 LOW 风险）。

4. 手动配置负担：需要用户手动配置 exec-approvals.json 的精确路径规则，对新手有一定门槛。

5. OpenClaw 生态绑定：深度依赖 OpenClaw 的特定目录结构（~/.openclaw、~/.clawdbot 等），迁移成本较高。

适合的目标群体

• OpenClaw 高级用户：已深度使用 OpenClaw 进行 AI 开发，需要诊断复杂运行时问题的技术用户。
• DevOps/平台工程师：负责维护团队级 OpenClaw 部署，需要系统健康审计和性能调优的专业人员。
• 成本敏感型团队：关注 AI 推理 Token 消耗，希望通过缓存优化、会话清理降低运营支出的组织。
• 安全合规意识强的用户：偏好本地工具、拒绝 SaaS 方案、要求代码可审计的隐私敏感场景。

常规使用风险

1. 文件系统操作风险：--apply 模式下会修改 AGENTS.md、TOOLS.md 等配置文件，虽已要求显式确认，但用户误操作仍可能导致配置损坏。

2. 会话数据暴露风险：归档的会话文件可能包含敏感对话历史，默认权限设置（700 建议值未强制）在多用户环境存在潜在泄露可能。

3. 服务中断风险：优化过程中若涉及服务重启或并发参数调整，可能在特定工作负载下导致临时性能波动。

4. 版本兼容性风险：Skill 针对 OpenClaw 的多个版本路径进行适配，但在未识别的版本环境执行可能产生意外行为。

5. 依赖项维护风险：虽无第三方包依赖，但依赖系统级 bash 工具链，在极度精简的容器环境中可能缺失必要命令。