Openclaw Agent Optimize

• Vous suspectez que votre espace de travail OpenClaw génère des coûts LLM inutiles et souhaitez un audit systématique avant de toucher à la moindre configuration.
• Les réponses de votre agent sont lentes ou coûteuses en raison d'un gonflement du contexte (bruit dans les transcriptions, fichiers bootstrap surdimensionnés ou trop de compétences ambiantes).
• Vous souhaitez un plan structuré de routage des modèles — par exemple, router les tâches de codage vers un modèle, les notifications courtes vers un modèle moins coûteux, et les recherches nécessitant un raisonnement poussé vers un modèle plus performant.
• Vous souhaitez améliorer la posture de délégation en faisant passer les workflows spécialisés à faible fréquence d'une utilisation toujours ambiante à une utilisation en sous-agent à la demande.

• Vous souhaitez appliquer des mutations de configuration ou de cron immédiatement sans étape de révision — cette compétence est uniquement consultative et n'apportera pas de modifications de manière autonome.
• La question ou la tâche n'est pas liée aux opérations OpenClaw ou à l'optimisation de l'espace de travail.

La compétence suit une structure consultative fixe : auditer l'état actuel, présenter les options A/B/C avec leurs compromis, puis recommander en premier lieu le changement le plus petit et le plus sûr. Chaque résultat comprend un résumé exécutif, les principaux facteurs de coût, de contexte et de fiabilité, ainsi que des propositions de correctifs précises.

Aucun paramètre persistant, tâche planifiée ou compétence n'est créé, mis à jour ou supprimé sans l'approbation explicite de l'utilisateur. Avant tout changement approuvé, Openclaw Agent Optimize présente le diff exact, l'impact attendu, le plan de retour arrière ainsi qu'une liste de vérification post-changement.

La compétence cible des gains avérés en coûts et en contexte : la discipline des sorties pour l'automatisation, la séparation du travail et des notifications, la réduction des fichiers d'amorçage, la diminution de la surface des spécialistes ambiants, la mesure autoritaire du contexte via /context json, et l'hygiène opérationnelle axée sur la vérification en priorité.

Produit des plans de routage concrets segmentés par type de tâche (par exemple, codage/ingénierie, notifications courtes ou recherche à forte composante de raisonnement), incluant un correctif de configuration exact et un plan de retour arrière prêts pour votre examen.

Identifie les principaux responsables de la surcharge de contexte — outils, crons, fichiers d'initialisation, skills — et classe les correctifs par réversibilité. Des champs de mesure clés tels que promptTokens, skills.promptChars et projectContextChars sont utilisés pour une comparaison avant/après fiable.

Après toute optimisation approuvée, Openclaw Agent Optimize prescrit un flux de travail de vérification : confirmer que le chat principal fonctionne correctement, vérifier que la mémoire et le comportement sont inchangés, valider que les nouvelles sessions prennent bien en compte la modification, et prouver que le chemin de retour arrière est réel — et non théorique.

Vous avez constaté une hausse des coûts LLM, mais vous n'en connaissez pas la source exacte. Lancez un audit complet pour obtenir une liste classée des facteurs de coût liés au routage des modèles, aux compétences toujours actives en arrière-plan et aux transcriptions bruyantes de tâches cron/heartbeat, accompagnée d'un plan de correction priorisé que vous pouvez examiner avant d'appliquer quoi que ce soit.

Les réponses de l'agent ralentissent et les coûts de session augmentent. Utilisez la compétence pour identifier les principaux contributeurs à la taille du contexte — fichiers d'amorçage surdimensionnés, sorties cron verbeuses sur le chemin de succès, ou trop de compétences spécialisées — et obtenez en priorité les correctifs les plus petits et réversibles proposés en premier avec Openclaw Agent Optimize.

Vous souhaitez que différentes tâches soient gérées par différents modèles afin d'équilibrer les capacités et les coûts. La compétence Openclaw Agent Optimize produit un plan de routage segmenté (par exemple, un modèle économique pour les rappels, un modèle intermédiaire pour la programmation, un modèle haute capacité pour la recherche) accompagné d'un correctif de configuration précis et d'instructions de retour arrière.

Avant d'apporter des modifications structurelles à votre configuration OpenClaw, utilisez Openclaw Agent Optimize pour obtenir une évaluation d'impact structurée, un plan de retour arrière et des étapes de vérification post-modification — afin de ne pas dégrader accidentellement la couverture de surveillance ou le comportement de rappel.