Openclaw Agent Optimize

核心用法

本 skill 作为顾问式优化工具，面向 OpenClaw 代理架构提供系统性调优建议，涵盖六大维度：

1. 规则与内存审计：确保规则模块化简短，内存仅保留重启关键事实
2. 模型分层路由：验证轻/中/重三级路由与实时配置的匹配度
3. 上下文渐进披露：将大型静态数据外移至引用或脚本
4. 并行委托协议：独立任务并行化，长时/嘈杂工作隔离至子代理
5. 心跳机制优化：解释原生心跳在长期运行中的成本隐患，推荐隔离式 cron 心跳（纯告警模式）
6. 安全护栏：添加防循环与预算守卫，优先回退而非盲目重试

显著优点

• 顾问优先设计：默认仅提供建议，不擅自修改配置，降低误操作风险
• 成本意识明确：三级模型路由与心跳优化直接关联运营成本控制
• 并行化导向：针对独立任务设计并行委托，提升吞吐效率
• 渐进式变更：获批后执行最小可行变更，验证后再推进，支持回滚

潜在缺点与局限性

• 依赖人工审批瓶颈：所有持久化变更需用户显式确认，紧急场景下响应延迟
• 不覆盖底层 infra：仅优化代理层配置，不涉及宿主机资源或网络层调优
• 心跳方案假设性：推荐"隔离 cron 心跳"模式需外部 cron 基础设施支持，未验证用户环境兼容性
• 参考文件外部依赖：优化逻辑依赖 9 个外部参考文档，若缺失则建议深度受限

适合人群

• 运营 OpenClaw 多代理环境的技术负责人/SRE
• 关注 LLM 调用成本的成本敏感型团队
• 需平衡自动化与可控性的合规要求场景

常规风险

| 风险点 | 缓解机制 |

|--------|----------|

| 配置误变更 | 审批门强制拦截，变更前三要素公示（内容/影响/回滚） |

| 监控覆盖率下降 | 强制 A/B/C 选项让用户抉择 |

| 循环调用失控 | 内置 anti-loop 护栏 |

| 预算超支 | 预算守卫 + 回退优先策略 |

核心用法

openclaw-agent-optimize 是一款面向 OpenClaw 工作空间的纯文档型优化指南 Skill，旨在帮助用户实现成本感知路由、并行优先委托和精益上下文管理。当用户询问"优化 agent"、"改善 OpenClaw 配置"或"agent 最佳实践"时触发。

优化工作流（7 步闭环）

1. 审计规则与记忆：确保规则模块化、简短；记忆仅保留重启关键事实
2. 模型路由配置：确认分层路由（轻量/中等/深度）与实时配置匹配
3. 上下文纪律：应用渐进式披露，将大型静态数据移至引用/脚本
4. 委托协议：并行化独立任务，为长时/嘈杂工作使用隔离子 agent
5. 心跳优化（控制平面专用）：解释原生心跳在长时运行中的成本问题，提议更安全的隔离 cron 心跳模式（仅告警）
6. 安全防护：添加防循环 + 预算护栏，优先回退而非盲目重试
7. 执行闸门：用户批准后，先应用最小可行变更，再验证并报告

显著优点

• 零代码风险：纯 Markdown 文档，无可执行代码块，无 eval/exec/system 等危险函数
• 安全优先设计：强制要求用户明确批准后才可变更持久设置，禁止自主修改控制平面
• 成本优化导向：分层模型路由、心跳优化等策略直接降低运行成本
• 合规完备：符合 GDPR/CCPA 要求，无用户数据收集
• 来源可信：基于 Anthropic Hackathon 获奖项目改进，MIT 许可证开源

潜在局限

• 纯咨询性质：仅提供指导，不自动执行优化，需用户手动实施
• 依赖 OpenClaw 生态：优化建议针对 OpenClaw 特定实现，通用性有限
• 需人工判断：部分优化（如心跳模式切换）需用户权衡成本与监控覆盖

适合人群

• 运行长时 OpenClaw Agent 的开发者（关注成本控制）
• 需要优化多 agent 协作架构的团队
• 追求上下文效率、避免 token 浪费的高级用户
• 重视安全边界、拒绝自动变更控制平面配置的保守用户

常规风险

• 配置误用风险：若用户手动实施建议时操作不当，可能导致服务中断
• 监控盲区风险：心跳优化若配置不当，可能降低故障发现及时性
• 模型路由误判：分层策略若与实际负载不匹配，可能引发延迟或成本超支
• 回滚依赖：Skill 本身不管理回滚，需用户自行维护配置版本

> 关键原则：该 Skill 默认作为咨询顾问，绝不在未经明确批准的情况下执行 config.apply、config.patch、update.run 或 cron 作业变更。