核心用法
agent-self-repair 是一套面向 AI Agent 的自动化故障处理框架，通过装饰器或脚本调用实现错误闭环管理。核心流程包括：①错误捕获（运行时异常自动记录）→②根因分析（基于错误类型匹配诊断规则）→③修复生成（输出结构化修复方案）→④应用验证（执行修复并重新测试）。支持通过 runtime_exception、auto_debug 等触发词激活，提供 Python 装饰器 @with_auto_retry 便捷接入。
显著优点
- 全流程自动化：从发现到验证无需人工介入，显著降低运维成本
- 模块化设计：错误捕获器、根因分析器、修复执行器独立可替换
- 可扩展规则：
ERROR_PATTERNS字典支持自定义错误类型与修复策略 - 安全机制完善：强制备份、工作目录限制、权限管控、操作日志全记录
- 配置灵活：JSON 配置控制重试次数、延迟、通知开关等行为
潜在局限
- 规则覆盖有限：预定义 6 类错误模式，复杂业务错误需手动扩展
- 修复成功率 70%：仍有 30% 场景需人工介入，非万能方案
- 环境依赖强：基于
~/.openclaw路径结构，迁移需适配 - 无 sudo 权限：系统级问题无法自动修复
- AI 驱动深度有限：根因分析实为规则匹配，非真正 AI 推理
适合人群
- 运行 AI Agent 服务的开发者/DevOps 工程师
- 需要 7×24 小时无人值守的自动化任务场景
- 追求"故障自愈"理念的系统架构设计
- 具备 Python 基础、能扩展错误规则的技术团队
常规风险
- 修复回滚依赖备份：若备份失败或磁盘满，可能导致数据丢失
- 自动安装依赖风险：
pip3 install --break-system-packages可能破坏系统 Python - 重试风暴：网络抖动场景下 max_retries=3 可能放大负载
- 日志膨胀：
log_all_errors长期开启需配合日志轮转 - 误修复可能：规则匹配错误时，自动操作可能扩大故障范围