核心功能
Model Fallback 是一款为 OpenClaw Agent 设计的多模型自动故障转移系统，核心能力是在主模型失效时无缝切换至备用模型，确保服务连续性。该系统支持 MiniMax、Kimi、Zhipu 等主流中文大模型 API，通过可配置的优先级链实现智能降级。
显著优点
高可靠性设计：系统内置 3 秒去抖动机制、自动重试策略（最多 3 次）以及完整的故障检测矩阵，涵盖连接超时、429 限流、响应解析错误等场景，确保故障转移的稳定性。
成本优化能力：支持基于任务复杂度的智能路由——简单查询自动分配至 GLM-4-Air/Flash 等低价模型，复杂推理任务路由至 MiniMax-M2.5 或 Kimi-K2.5，长文本处理优先使用 256K 上下文的 Kimi-K2.5。
可观测性完善：全流程日志记录至 ~/.openclaw/logs/model-fallback.log，包含时间戳、模型调用状态、降级原因及最终响应来源，便于审计与故障排查。
灵活配置：通过 JSON 配置文件自定义 fallback 链、超时阈值、健康检查间隔（默认 300 秒）及提供商优先级，支持环境变量动态开关。
潜在局限
- 依赖外部 API 稳定性：若所有配置模型同时失效（如区域性网络故障），系统无法提供服务
- 上下文窗口不连续：模型切换后，前序模型的推理上下文可能丢失，需重新建立对话状态
- 延迟累积风险：多级 fallback 在极端情况下可能增加 6-10 秒额外延迟
- 成本监控缺失：当前版本未内置实时成本统计与预算告警功能
适合人群
- 需要 7×24 稳定 AI 服务的生产环境运维者
- 多模型混合部署的技术团队
- 对 API 调用成本敏感且需优化支出的中小开发者
- 处理长文档（100K+ tokens）需大上下文模型的场景
常规风险
1. 数据隐私：请求可能路由至不同云服务商（MiniMax/月之暗面/智谱），需确认各提供商的数据处理协议
2. 响应一致性：不同模型的输出风格、推理深度存在差异，可能影响用户体验连续性
3. 配置错误：错误的 API 密钥或超时设置可能导致无限循环降级，需严格验证配置
4. 日志安全：fallback 日志包含完整请求元数据，需确保日志文件的访问权限控制（建议 600）