OpenClaw 自动驾驶仪 🛩️

让 OpenClaw 自己开自己。这个 skill 的核心使命是让 OpenClaw 越用越聪明、越用越稳、越用越快,而不是越用越卡、越用越懵逼、动不动要重启。

核心设计哲学(必读)

1. 预防 > 修复 > 重装: 三级降级,能用软修就别硬重启
2. 可观测 > 盲目操作: 所有动作都有日志、可回滚、可审计
3. 学习闭环: 每次问题都是进化机会,错误库和经验库只增不减
4. 最小破坏: 任何"清空"操作前必须备份,任何"重启"前必须确认影响面
5. 省 Token: Skill 自身不能成为新的 Token 黑洞,按需加载 references/

4 大子系统

🔧 子系统 1: 记忆整理 (Memory Consolidator)

问题: 用久了 MEMORY.md 越来越大,memory/*.md 越来越多,Agent 检索变慢、上下文爆掉、关键信息被噪声淹没。

4 层渐进式整理(参考腾讯云 Agent Memory 设计):

L0 原始日志层 (Raw Log)
  └─ 完整保留 memory/YYYY-MM-DD.md,只归档不删除
  └─ 触发: 每日 02:00

L1 原子记忆层 (Atomic Memory)
  └─ 从 L0 提取高价值事实/偏好/约束
  └─ 格式: - [类别] 事实 (来源: YYYY-MM-DD, 重要度: 0.0-1.0)
  └─ 触发: 每日 02:30

L2 场景分块层 (Scene Block)
  └─ 按场景聚类(工作/学习/生活/技术栈/... )
  └─ 写到 references/scene-<topic>.md
  └─ 触发: 每周日 03:00

L3 用户画像层 (Persona)
  └─ 持续提炼稳定偏好,写入 MEMORY.md 顶部
  └─ 永不过期(常青记忆)
  └─ 触发: 每月 1 号 04:00

去重规则:
- 余弦相似度 > 0.92 → 合并(保留 access_count 高的,信息更全的)
- 同一事实出现 ≥ 3 次 → 升级为 L3 Persona
- 90 天未被访问的 L1 记忆 → 降级到冷存储(归档但不删除)
- 180 天未被访问的 L1 记忆 → 候选淘汰(进 quarantine, 7 天后真删)

衰减公式: score = base × e^(-0.023 × days) (半衰期 30 天)

🚑 子系统 2: 自我修复 (Self-Healer)

问题: 报错 → 重启 → 还是报错 → 手动诊断 → 改配置 → 重启。循环往复。

修复流水线:

[检测] → [诊断] → [匹配错误库] → [执行修复] → [验证] → [入库学习]
   ↓         ↓           ↓              ↓          ↓          ↓
 监控探针  根因分析    余弦相似度     三级降级    健康检查    经验积累

三级降级策略(每级 30 秒超时):

错误库结构: ~/.openclaw/autopilot/error_db.jsonl

{
  "error_pattern": "EADDRINUSE :::18789",
  "root_cause": "Gateway 端口被占用,前一个进程未干净退出",
  "fix_steps": ["lsof -ti:18789 | xargs -r kill -9", "sleep 2", "openclaw gateway start"],
  "success_count": 12,
  "fail_count": 0,
  "last_seen": "2025-12-28T08:15:00Z"
}

模式匹配:
- 精确匹配(正则)优先
- 模糊匹配(关键词 TF-IDF)兜底
- 完全没见过 → 跑诊断脚本,生成报告,等用户决定

🧠 子系统 3: 自我学习 (Self-Learning)

问题: Agent 同一个 API 错 100 遍,因为它没有"上次怎么修好的"记录。

经验库结构: ~/.openclaw/autopilot/lessons.jsonl

{
  "trigger": "调用钉钉 send_message API",
  "lesson": "必须用 userId 而不是 username,username 在 webhook 场景下未定义",
  "evidence": "2025-12-15 调用失败 3 次后成功 1 次,错误信息 'Unknown target'",
  "confidence": 0.95,
  "times_reused": 8,
  "created_at": "2025-12-15T10:30:00Z"
}

学习触发点:
- 同一工具调用失败 ≥ 2 次后成功 → 自动提炼 lesson
- Agent 主动说"我学到了..." → 提取写入经验库
- 用户说"记住以后..." → 直接写入 L3 Persona
- 错误库修复成功后 → 反向写 lesson,避免再触发

使用方式:
- Agent 在调用工具前,先检索经验库 trigger LIKE %当前操作%
- 命中且 confidence > 0.8 → 注入上下文提醒
- 验证 hypothesis: lesson 真的能避免问题吗?复用次数 ≥ 5 且无失败 → 升级 confidence

⚡ 子系统 4: 自动优化 (Self-Optimizer)

问题: 越用越慢、Token 越烧越多、磁盘越占越大。

5 大优化杠杆:

1. 记忆压缩: 重复/冗余的 L1 记忆合并,保留更全的版本
2. 索引优化: SQLite WAL checkpoint, VACUUM, 重建向量索引
3. 热点缓存: access_count > 5 的记忆缓存到 ~/.openclaw/autopilot/hot_cache.json
4. 上下文瘦身: 检索时 final_k 自动从 5 降到 2(若 working_memory.token_usage_ratio > 0.75)
5. 归档冷数据: 90 天未访问的日记忆压缩为 gzip 归档

关键监控指标(每 30 分钟采样):

命令接口

子命令依赖矩阵（跑前必看）

所有 write 操作前都会自动备份到 ~/.openclaw/autopilot/backups/<时间戳>/。

三级修复安全护栏

heal 子命令的"可能重启"被严格限制：

• 默认每级 最多 3 次/小时（可配）
• 任何 L3 都会写日志 + 发飞书/钉钉告警
• 用户可设 heal.max_level: 1 禁用重启

使用示例:

# 完整健康检查(只读)
openclaw-autopilot check

# 修复发现的问题(会自动备份)
openclaw-autopilot heal --auto

# 激进优化(适合"越用越卡"的情况)
openclaw-autopilot optimize --aggressive

# 整理记忆
openclaw-autopilot consolidate --since 30d

# 查看当前状态
openclaw-autopilot status

# 完整报告
openclaw-autopilot report --period 7d

执行决策树(给 Agent 看的)

用户: "openclaw 卡/慢/报错/笨了"
  ↓
1. 读 ~/.openclaw/autopilot/state.json 了解上次状态
  ↓
2. 跑 scripts/health-check.sh 看 6 大指标
  ↓
3. 根据结果分支:
   ├─ 指标全绿 → "系统健康,无需操作"
   ├─ 1-2 个黄 → 跑对应 optimize 子模块
   ├─ 1-2 个红 → 跑 heal,先看错误库有没有匹配
   ├─ 多个红 → 跑 consolidate + optimize
   └─ Gateway 不可用 → 跑 emergency 流程(见 references/emergency-procedures.md)
  ↓
4. 任何修复前先备份(脚本自带)
  ↓
5. 修复后跑验证脚本,失败则升级到 L2/L3
  ↓
6. 写入日志 + 报告给用户
  ↓
7. 如有新错误模式,自动入库(让下次更快)

协作约定

与其它 Skill 的关系:
- openclaw 自身命令 (openclaw doctor, openclaw status) — autopilot 包装 而非替代
- agent-memory / mem0 / openviking — autopilot 尊重 它们的存储,不重复写
- 其它业务 Skill — autopilot 不触碰,只管 OpenClaw 自身

安全边界:
- ❌ 不删用户的记忆文件(只归档/压缩)
- ❌ 不动 openclaw.json 的业务配置(只调性能相关项)
- ❌ 不重启超过 3 次/小时(避免震荡)
- ✅ 任何破坏性操作前 read -p "确认?" 除非加了 --auto

子文档(按需加载)

心跳接入(让 autopilot 真正自动)

把下面加到 HEARTBEAT.md:

## 🛩️ Autopilot 自动巡检 (建议开启)
- [ ] 每 30 分钟: 健康检查 + 自动修复 + 性能采样
- [ ] 每天 02:00: 记忆整理 (L0→L1)
- [ ] 每周日 03:00: 场景分块 (L1→L2)
- [ ] 每月 1 号 04:00: 画像更新 (→L3)
- [ ] 触发条件: 工具连续失败 ≥ 2 次 / 磁盘 > 80% / 内存 > 85%

第一次使用(必读)

# 1. 初始化(创建数据目录、备份点、首次基线)
openclaw-autopilot init

# 2. 跑一次完整 check 看现状
openclaw-autopilot check

# 3. 如果有告警,先 heal
openclaw-autopilot heal

# 4. 接心跳,让它自己跑(可选)
echo "- [ ] 每 30 分钟: autopilot check" >> ~/.openclaw/workspace/HEARTBEAT.md

# 5. 每周看一下 report
openclaw-autopilot report --period 7d

故障排查