核心用法
本 Skill 是一套面向 OpenClaw 工作空间的纯文档型优化指南，采用「建议优先（advisory-first）」模式运作。用户触发关键词（如 "optimize agent"、"improve OpenClaw setup"）后，系统执行结构化审计流程：先诊断当前配置的成本、可靠性、上下文膨胀问题，再输出多选项对比（A/B/C 方案）、推荐计划、精确变更提案、回滚步骤及验证方案。关键约束：绝不未经明确批准就执行持久化变更或修改 cron 任务。
典型工作流包括：完整安全审计（无变更）、上下文膨胀诊断、模型路由与委派策略设计。输出格式规范要求包含执行摘要、成本/上下文/可靠性/操作摩擦四大驱动因素分析、带权衡的选项对比、最小安全变更优先的推荐方案，以及精确提案+回滚+验证三要素。
显著优点
1. 零代码攻击面：纯 Markdown 文档架构，无可执行代码、无依赖、无网络调用，静态分析得分 95/100，动态行为分析满分通过。
2. 安全契约明确：三重显式声明禁止未授权变更（persistent mutations、cron jobs、settings），强制人机协同决策。
3. 高 ROI 优化杠杆：覆盖输出静默化（自动化成功零噪音）、工作-通知分离、启动文件精简、按需专家委派、权威测量（/context json 指标）、验证优先运维等六大核心场景。
4. 灵感来源可信：设计源自 Anthropic 黑客马拉松获奖作品 everything-claude-code，经生产环境验证的 Agent 配置最佳实践。
5. 合规完备：GDPR 数据最小化、无硬编码密钥、无第三方数据外传、无已知 CVE 全部通过。
潜在局限
- 非自动化执行：必须经用户逐条批准才能落地，高频迭代场景下人工交互成本较高。
- runtime 生效延迟：部分环境存在技能/配置会话级快照机制，变更后需新开会话验证，可能打断工作流连续性。
- 社区来源限制：T2 级可信度（非 Anthropic 官方或顶级基金会背书），虽经安全审查无恶意模式，但长期维护承诺弱于官方项目。
- 测量依赖环境：权威指标（
promptTokens、skills.promptChars 等）需目标平台支持 /context json 或等效接口，老旧 OpenClaw 版本可能无法获取。
适合人群
- OpenClaw 重度用户，面临上下文成本激增或响应延迟恶化问题
- 多 Agent 协作场景下需要精细化模型路由策略的团队
- 追求运维可观测性与变更可回滚的可靠性工程师
- 希望将 Anthropic 黑客马拉松获奖实践迁移至自身工作流的技术采纳者
常规风险
| 风险类别 | 级别 | 说明 |
|---------|------|------|
| 执行权限误用 | 🟢 极低 | 文档型设计天然阻断自动执行，但用户需警惕其他配套 Skill 的权限配置 |
| 会话状态漂移 | 🟡 中 | 技能更新后未开新会话导致「变更未生效」幻觉，建议严格执行验证步骤 |
| 优化过度降噪 | 🟡 中 | 成功路径静默化可能掩盖早期故障征兆，需配套监控覆盖率评估 |
| 社区维护中断 | 🟡 中 | MIT 许可证下作者无持续维护义务，建议企业用户 fork 后自主维护 |
验证清单：任何批准后变更须确认核心对话功能、召回行为、新会话加载、回滚路径四项验证通过。