核心用法
OpenClaw Agent Optimize 是一款面向 OpenClaw 工作空间的系统性调优工具，聚焦于三大核心维度：成本感知路由（cost-aware routing）、并行优先委托（parallel-first delegation）和精益上下文管理（lean context）。用户通过自然语言触发（如"优化我的 OpenClaw 配置"或"上下文膨胀问题"），即可获得从诊断到落地的完整方案。
该 skill 采用 审计 → 选项 → 推荐计划 的三段式输出结构：首先识别成本驱动因素、上下文膨胀源和可靠性风险；随后提供 A/B/C 三种权衡方案；最终给出最小变更优先的执行路径，附带精确的 config patch 与回滚指令。典型应用场景包括：静默化 cron 任务输出以节省 token、拆分"执行工作"与"通知人类"的管道、以及为编码/通知/研究三类任务设计分层模型路由。
显著优点
1. 安全优先设计：默认 advisory 模式，所有持久化变更（config.apply、cron 操作）均需显式用户批准，强制展示"变更内容-预期影响-回滚方案"三要素。
2. 高 ROI 杠杆明确：文档化 5 类典型优化抓手（输出静默、管道分离、隔离代理、脚本化 cron、运维检查清单），降低决策成本。
3. OpenClaw 2.9+ 深度适配：涵盖 skills 快照机制、短 SKILL.md 最佳实践、disable-model-invocation 门控、沙箱环境变量配置等版本特性。
4. 结构化可审计：输出格式固定（执行摘要- offenders- 选项- 推荐计划- patch+rollback），便于团队评审与合规追溯。
潜在局限与风险
- 非即时变更：拒绝"立即应用"的突变请求，对追求一键优化的用户可能显得保守。
- 生态依赖：优化建议高度绑定 OpenClaw 特定概念（如
agentTurn、sessionTarget="isolated"、ClawHub CLI），跨平台迁移价值有限。 - 技能生态碎片化：依赖 9 个外部 reference 文档，若引用文件缺失或版本滞后，可能导致建议偏离实际 runtime 行为。
- 回滚复杂度：虽然提供 rollback 方案，但涉及 cron 作业、模型路由层、环境变量等多层联动时，实际回滚仍可能需要人工介入。
适合人群
- 运营 OpenClaw 工作空间的技术团队负责人或平台工程师
- 面临 token 成本飙升、响应延迟或上下文膨胀的重度用户
- 需要建立可审计变更流程的企业合规场景
常规风险
- 监控覆盖削减风险：若优化方案减少心跳检查频率，需用户显式选择权衡（A/B/C 选项），避免盲目降本导致故障发现延迟。
- 技能版本漂移：OpenClaw 2.9+ 的 skills 快照机制意味着更新后的 skill 需新开 session 生效，用户可能误用旧版本逻辑。
- 沙箱环境隔离：自动化任务若依赖 host 环境变量，需通过 sandbox env config 显式注入，否则可能静默失败。
来源可信度与安全评估
本 skill 属于 OpenClaw 官方生态组件，文档结构完整、安全契约明确，但安全认证报告为系统占位生成，未执行实际扫描。建议结合具体 runtime 环境进行额外验证。