核心用途
OpenClaw Agent Optimization 是一套面向 OpenClaw 2.9+ 工作空间的系统性调优工具，覆盖模型路由、上下文管理、委托协议、规则治理与内存模式五大维度，帮助用户在成本、质量与可靠性之间取得平衡。
显著优点
1. 成本感知的三层路由：明确区分轻量(light)、中等(mid)、深度(deep)模型层级，避免高成本模型被滥用。
2. 并行优先的委托架构：鼓励将独立任务并行化，长耗时或噪声密集型工作隔离至子智能体，提升整体吞吐。
3. 渐进式上下文披露：通过 references/ 目录外置长文档、脚本与静态数据，保持会话注入文本精简，显著降低 token 消耗。
4. 安全护栏完备：强制要求显式用户授权才可变更持久化配置；变更前必须展示精确改动、预期影响与回滚方案三重信息。
5. 心跳优化方案：针对长期运行场景，提供原生心跳禁用 + 独立 cron 心跳（仅告警）的替代模式，避免控制面开销失控。
潜在局限
- 版本锁定：部分特性（如技能快照、gating 机制）需 OpenClaw 2.9+，旧版本无法完全复用。
- 沙箱环境限制：隔离运行时不继承宿主环境变量，需额外配置 sandbox env，增加初期 setup 复杂度。
- 非自治性：定位为「咨询建议」而非「自动变更」，重度依赖用户逐条确认，批量自动化场景效率受限。
适合人群
- 运行多智能体协作、上下文膨胀明显的 OpenClaw 高级用户
- 追求 LLM 调用成本优化、同时不愿牺牲可靠性的团队技术负责人
- 需要为生产环境建立变更审计与回滚机制的平台工程师
常规风险
| 风险点 | 说明 |
|--------|------|
| 监控覆盖缩减 | 心跳或日志策略调整可能导致告警盲区，系统强制要求 A/B/C 选项让用户自选 |
| 循环与预算失控 | 未设防的重试逻辑可能引发 token 暴涨，需配合 anti-loop 与预算护栏使用 |
| 会话状态漂移 | 技能更新后未刷新会话，导致运行时行为与预期不符 |
使用建议
首次优化建议按「审计 → 路由确认 → 上下文瘦身 → 委托重构 → 护栏加固」的顺序渐进执行，避免一次性改动过多配置。