核心用法
Goal-Agent 将 OpenClaw Agent 转化为专注的自主优化器。用户只需提供三要素：目标描述（如"将日活用户提升至100"）、可返回数字的度量命令（如从 JSON 提取 DAU）、目标值。系统通过 scaffold.sh 脚本生成完整工作区，包含目标定义、策略文档、学习记录、心跳循环指令和度量评估脚本。
激活后，Agent 进入 Measure → Compare → Reflect → Decide → Act → Record → Adapt 的闭环循环，每次心跳自动执行：测量指标、对比历史、反思成效、决策下一步、执行并记录结果，持续调整策略。
显著优点
1. 高度自动化：用户仅需初始化配置，Agent 自主运行无需人工干预
2. 通用性强：适用于技术优化（测试覆盖率、构建速度）到业务增长（社交粉丝、用户活跃）等多元场景
3. 内置学习机制：LEARNINGS.md 积累有效模式，避免重复试错
4. 灵活部署：支持当前 Agent 快速启动或独立 VM 隔离运行
5. 安全约束：支持通过 --constraints 设定预算、操作边界等限制
潜在局限
- 度量依赖：需用户自行提供可靠的数字度量命令，复杂目标难以量化
- 无内置安全沙箱：依赖
--constraints文本约束，无强制执行机制 - 收敛风险：
--max-iterations默认50次可能不足，目标不可达时可能空转 - 策略质量波动：学习效果取决于 Agent 的反思能力，非确定性输出
- 成本不可控：长期运行的心跳循环可能产生意外计算/API费用
适合人群
- 需要持续优化可量化指标的开发者、产品经理、增长运营
- 愿意接受迭代试错、追求自动化效率的技术团队
- 具备基本脚本编写能力以定义度量命令的用户
常规风险
- 操作边界模糊：
--constraints为软性建议，Agent 可能误触生产环境 - 无限循环隐患：若目标设计不当或度量命令失效，可能持续无效迭代
- 数据泄露风险：度量命令可能涉及敏感数据，输出目录权限需管控
- 资源消耗：高频心跳循环在无有效进展时仍消耗计算资源