核心用法
ClawDoctor 是一款专为 OpenClaw 多智能体舰队设计的成本分析与行为教练工具。它通过每日自动或手动触发的方式，深度挖掘用户的 AI 会话数据，生成三层次报告：
1. Cost Receipts（成本收据）：针对 5 个最昂贵的会话，逐条拆解"用户问了什么→系统做了什么→花了多少钱"，用大白话呈现单位成本（如"每次重试约 $3"）。
2. Costly Habits（昂贵习惯）：跨会话识别行为模式，例如"一句话消息""盲目重试""多日会话的上下文税""过度调度的定时任务"等，并给出配置修复与行为建议。
3. Quick Wins（快速修复）：可自动应用的配置补丁，如模型降级、工具预算设置、定时任务频率调整。
显著优点
- 行为经济学视角：不止于技术调优，更关注"用户行为如何无意中烧钱"，改变习惯比改配置更能省钱。
- 三阶段深度分析：强制 transcript 获取、三轮独立分析（单会话深潜→跨会话习惯→报告生成），确保不遗漏高成本模式。
- 首次运行友好：首跑生成"舰队健康报告卡"，后续静默运行仅在有重大发现时提醒。
- 自动修复闭环：识别问题后可直接通过对话指令（"fix it""do all"）应用配置补丁，无需手动编辑 JSON。
潜在缺点与局限
- 强依赖 OpenClaw 生态：无法独立运行，必须接入 OpenClaw Gateway 与 agents/sessions/chat 等 API。
- 分析本身有成本：多轮 transcript 获取+深度推理，单次分析约 $0.10–$5（视模型与舰队规模），小型舰队可能"分析成本"占比过高。
- 隐私敏感：需完整读取会话历史，部分企业场景可能受限。
- 行为建议的落地依赖用户：工具指出"少说一句话"，但无法强制执行。
适合人群
- 运营 3+ 智能体的 OpenClaw 用户，月 AI 账单 >$50 且希望无痛降本 30–50%。
- 有定时任务（cron）或长周期多会话工作流的自动化重度用户。
- 缺乏时间逐条审查账单、需要"AI 记账师"自动归纳问题的团队。
常规风险
- 过度优化风险：激进降级模型或收紧工具预算可能损害任务成功率，需平衡成本与质量。
- 数据滞留：分析结果写入本地
memory/目录，若未加密可能存在敏感信息泄露。 - 第三方依赖：作者 Faan AI 同时提供付费部署服务，存在潜在的利益引导（但工具本身开源免费）。