OpenClaw 自动驾驶仪

为什么长跑的 Agent 需要「自动驾驶仪」

OpenClaw 用一段时间后，通常会出现几类问题：MEMORY.md 越来越大，检索变慢、上下文溢出；报错就重启，重启完还是报错，同一个 API 错能犯一百遍；Token 越烧越多，磁盘越占越大。OpenClaw 自动驾驶仪就是冲着这类「越用越糟」的问题去的。

它如何工作

设计哲学可以概括为：预防 > 修复 > 重装，所有动作有日志、可回滚、可审计。四个子系统各管一摊：

• 记忆整理：对 MEMORY.md 和 memory/*.md 做 4 层渐进式去重与衰减——余弦相似度 > 0.92 的记忆合并，90 天未访问的 L1 记忆归档，180 天未访问的进隔离区等待淘汰；分数按 30 天半衰期指数衰减。
• 自我修复：三级降级流水线，L1 软修（清缓存、重建索引）→ L2 硬修（杀僵尸进程、重置连接）→ L3 重启 Gateway。修复前先在错误库里做精确正则匹配，再退到模糊匹配；完全没见过的报错跑诊断脚本生成报告，交还给用户决定。
• 自我学习：同一工具调用失败 ≥ 2 次后成功，自动提炼成 lesson 写入 lessons.jsonl；下次调用前先检索经验库，命中且 confidence > 0.8 就注入上下文提醒，避免重蹈覆辙。
• 自动优化：五个杠杆——记忆压缩、SQLite 索引维护、热点缓存、上下文瘦身（token 占用高时自动降低 final_k）、冷数据 gzip 归档；每 30 分钟采样检索延迟等指标并告警。

适用边界与注意点

• 它只管 OpenClaw 自身：不碰业务 Skill，不删用户记忆文件（只归档压缩），任何破坏性操作前都会要求确认，除非显式加 --auto。
• heal 默认每级最多 3 次/小时，防止修复震荡；L3 级重启会写日志并发飞书/钉钉告警。
• consolidate 会重写 MEMORY.md，但一定先备份；万一修复后更糟，rollback 可回到上次基线。
• 依赖 python3 与 jq；参考文档按需加载，避免 skill 自己变成新的 Token 黑洞。