OpenClaw 自动进化器

问题背景

Agent Skills 上线后很容易变成黑盒：调用次数、成功率、响应时间分散在日志里，SKILL.md 是否完整、Python 代码是否有语法或质量问题，也缺少持续检查。人工排查费时，且改进建议往往停留在事后复盘。

工作方式

skill-auto-evolver 是一个 Python CLI，把技能运行指标和代码状态纳入同一套分析流程。它记录 skill_usage、health_score、feedback 等数据，并基于可靠性、性能、代码质量、用户满意度加权计算健康度。核心能力包括：

• 使用监控：统计调用次数、成功率、响应时间，便于定位异常技能。
• 健康度评估：按 80、60 等阈值给出 healthy、warning、critical 等级。
• 代码分析：检查 SKILL.md 完整性、Python 语法、TODO/FIXME、print 等问题。
• 报告生成：支持 JSON、Markdown、HTML 导出，便于进入 CI 或归档。

它适合把技能质量检查从偶发运维变成可重复流程：先采集调用与反馈，再评估代码，最后输出结构化建议。

适用边界

工具默认把数据存到本地 SQLite，依赖 PyYAML，部分 Git 操作需要 GitPython。评分权重、规则和建议主要由现有实现决定，不适合直接替代线上 A/B 测试或业务归因分析。若用于生产，应关注反馈数据隐私、历史数据清理策略，以及评分规则是否与团队质量标准一致。