核心用法
botlearn-healthcheck 是 OpenClaw 生态的系统健康诊断专家，通过触发词如 "health check"、"诊断"、"修复" 等激活后，自主采集 17 类数据源（环境状态、配置、日志、技能、安全、内存、定时任务等），在硬件资源、配置健康、安全风险、技能完整度、自主智能五大域并行分析，生成 0–100 分量化评分与 ✅/⚠️/❌ 红绿灯状态报告。
显著优点
1. 全自主采集：无需用户执行命令，通过内置脚本并行抓取数据，失败时优雅降级继续
2. 多模态触发：支持中英文混合触发，自动识别目标域（Full Check / Targeted 模式）
3. 深度安全审计：凭证脱敏扫描、CVE 检测、网络暴露面评估，风险分级为 Critical/High/Medium/Low
4. 生态智能：内置对 @botlearn/* 技能家族的识别与推荐，量化"自进化能力"
5. 可回滚修复：每项修复提供明确命令与回滚方案，修改前必须用户确认
潜在缺点与局限性
- 环境依赖：要求
OPENCLAW_HOME环境变量与 bash/node/curl 基础工具，Windows 原生支持有限 - 权限敏感：部分安全检查需读取系统文件权限，非 root 用户可能漏检
- CVE 数据源未明示：安全扫描依赖外部漏洞数据库，文档未说明更新频率与离线 fallback
- 修复非自动：Safety Gate 机制要求人工确认，批量修复场景效率受限
适合人群
- OpenClaw 系统管理员：日常巡检、故障排查、升级前健康基线建立
- DevOps/运维工程师：多实例监控、配置漂移检测、安全合规审计
- AI Agent 开发者：验证 botlearn 技能生态完整性、 autonomy 模式就绪性评估
常规风险
| 风险类别 | 说明 |
|---------|------|
| 数据隐私 | 扫描可能接触配置文件中的敏感信息，已内置脱敏规则但非绝对 |
| 误报修复 | 自动推荐的 `chmod 600` 等命令可能影响多用户环境，需人工复核 |
| 网络暴露误判 | bind=lan + auth=none 被标记 Critical，但内网隔离场景可能过度告警 |
| 评分阈值僵化 | 硬件域内存>85%即❌，容器化环境 OOM 策略不同可能不适用 |