核心用法
OpenClaw Self-Improve 是一个指标优先、审批门禁、可回滚的自改进工作流，专为 OpenClaw 系统的持续优化设计。它要求用户在启动前明确定义改进目标（可靠性、性能、UX、安全或成本）、约束条件及可量化的成功标准，禁止自动化的自我修改循环。
工作流程采用三阶段模式：
- audit-only：仅建立基线与风险映射
- proposal-only（默认）：生成假设与审批包，不修改行为
- approved-implementation：仅执行已批准的方案并验证
执行时，系统通过 /root/.codex/skills/openclaw-self-improve/scripts/init-improvement-run.sh 脚手架生成标准目录结构，包含 baseline.md、hypotheses.md、proposal.md、validation.md、outcome.md 等必需输出文件，支持 --dry-run 预检与 --force 覆盖。
显著优点
- 风险控制严格：强制审批门禁，任何行为修改需显式用户批准；内置回滚计划与失败处理机制
- 可测量性：每个阶段产出明确指标（错误率、延迟、Token 消耗等），支持
--require-json的自动化 CI 集成 - 最小变更原则：优先选择「最小的高影响改动」，避免无关重构
- 安全边界清晰：禁止自动应用自修改、禁止发布/版本升级、禁止触碰生产配置与密钥
潜在缺点与局限性
- overhead 较高：小规模优化需走完完整六步流程（基线→假设→审批→实施→验证→报告），不适合紧急热修
- 依赖用户投入：要求用户预先提供清晰的成功标准与验证命令，模糊目标将阻塞流程
- 自动化受限：
approved-implementation模式仍需人工审批，无法完全无人值守 - 生态锁定：专为 OpenClaw 设计，通用性有限
适合人群
- OpenClaw 系统维护者与技术负责人
- 需要可审计、可回滚优化的工程团队
- 对成本敏感、追求 Token/计算资源效率的 AI 应用开发者
- 在 CI/CD 中需要标准化改进流程的 DevOps 工程师
常规风险
- 流程阻塞：若基线无法测量或验证不足，运行将被标记为
blocked或inconclusive - 回归风险：验证失败时需立即回滚，可能中断服务
- 人为因素：用户未严格审查
proposal.md即批准，可能引入未预期副作用 - 外部输入风险：工作流明确将外部输入视为不可信，但仍需警惕注入攻击