OpenClaw 系统性能诊断与优化
将以下提示词粘贴到你的 AI 对话框中：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_babefe87/system-diagnostics。
技能介绍
解决什么问题
在 OpenClaw 这类面向大模型网关的系统中，性能问题往往表现为响应变慢、CPU / 内存使用率超过 80%、上下文占用超过 70%、缓存命中率低于 50%，或 API 调用超时。这类问题不一定来自单一故障，可能是会话历史过长、缓存配置不当、依赖服务抖动、定时任务高峰或 Token 成本异常共同造成。
技能如何工作
system-diagnostics 把排障拆成四个动作：快速诊断、深度分析、立即修复、长期优化。它会围绕一组阈值指标展开检查：CPU、内存、上下文、缓存命中、API 成功率和响应时间。对每类症状给出对应动作，例如高 CPU 时检查网关服务、清理临时文件、审查并发连接；高内存时排查泄漏和缓存策略；上下文过高时清理会话历史、调整修剪参数；缓存命中率低时预热常用缓存并优化 TTL；API 失败时验证网络、密钥、超时和重试机制。
适用边界
该技能更适合用于已有 OpenClaw 网关、会话管理、缓存与 API 调用链路的运行环境，重点在诊断和配置优化，而不是替代完整 APM、容量规划系统或自动故障自愈平台。使用时需要把真实日志、监控指标和服务配置纳入分析；若系统缺少基础监控，先建立指标采集，否则阈值判断只能停留在经验层面。
使用场景
- 当 OpenClaw 网关响应变慢、CPU 或内存超过 80% 时，定位瓶颈并清理会话/缓存。
- 出现 API 超时或 Token 成本异常时，检查网络、密钥、超时、重试与调用合并策略。
- 执行每日健康检查，核对上下文、缓存命中率和响应时间是否越过阈值。
- 复盘周期性性能下降，排查定时任务、备份、清理作业造成的资源峰值。
适合人员
- 维护 OpenClaw 网关的运维工程师，需要快速判断高 CPU、内存、上下文问题。
- 负责大模型服务稳定性的后端工程师，要排查 API 超时、重试和依赖服务异常。
- 关注 Token 与资源成本的算法平台工程师，需要优化缓存命中和调用合并。
- 搭建模型网关监控的 SRE，要配置阈值告警并建立性能基线。
相关技能
面向 Skill 发布前的安全审计工具，静态检测注入、凭证、SSRF、依赖 CVE 与权限授权，输出评分和修复建议。
面向独立开发者，把 Git 周报、反馈工单和项目健康巡检自动化，并输出可发送的 Markdown 报告。
在 Windows 中扫描缓存、临时文件和垃圾文件，展示占用空间与风险等级，并按用户选择清理释放空间。
在 Ubuntu/Debian 云主机上部署微信服务号后端，内置 Hermes AI 客服、Nginx、systemd 与管理后台。