Openclaw Agent Optimize

• U vermoedt dat uw OpenClaw-werkruimte onnodige LLM-kosten met zich meebrengt en wilt een systematische audit uitvoeren voordat u aan een configuratie begint.
• De antwoorden van uw agent zijn traag of duur vanwege contextopblazing (ruis in transcripten, te grote bootstrapbestanden of te veel ambient-skills).
• U wilt een gestructureerd model-routeringsplan — bijv. coderingstaken doorsturen naar één model, korte meldingen naar een goedkoper model, en onderzoek met zware redenering naar een krachtiger model.
• U wilt de delegatiehouding verbeteren door workflows van weinig gebruikte specialisten te verplaatsen van altijd-ambient naar on-demand gebruik als subagent.

• Je wilt config- of cron-mutaties onmiddellijk toepassen zonder een reviewstap — deze skill is alleen adviserend en brengt geen wijzigingen autonoom aan.
• De vraag of taak heeft geen betrekking op OpenClaw-operaties of werkruimteoptimalisatie.

De skill volgt een vaste adviesstructuur: auditeer de huidige toestand, breng opties A/B/C in kaart met afwegingen, en beveel vervolgens de kleinste veilige wijziging als eerste aan. Elke uitvoer bevat een managementsamenvatting, de belangrijkste kosten-, context- en betrouwbaarheidsfactoren, en concrete patchvoorstellen.

Er worden geen permanente instellingen, cron-taken of vaardigheden aangemaakt, bijgewerkt of verwijderd zonder expliciete goedkeuring van de gebruiker. Vóór elke goedgekeurde wijziging toont de vaardigheid de exacte diff, de verwachte impact, het terugdraaiplan en een verificatiechecklist na de wijziging.

De skill richt zich op bewezen voordelen op het gebied van kosten en context: outputdiscipline voor automatisering, het scheiden van werk en meldingen, het inkorten van bootstrapbestanden, het verminderen van omgevingsspecifieke specialistoppervlakken, het meten van autoritatieve context via /context json, en operationele hygiëne waarbij verificatie vooropstaat.

Produceert concrete routeringsplannen gesegmenteerd per taaktype (bijv. codering/engineering versus korte meldingen versus redenering-intensief onderzoek), inclusief een exacte configuratiepatch en een terugrolplan klaar voor uw beoordeling.

Identificeert de grootste veroorzakers van contextbloat — tools, crons, bootstrapbestanden, skills — en rangschikt oplossingen op basis van reversibliteit. Belangrijke meetvelden zoals promptTokens, skills.promptChars en projectContextChars worden gebruikt voor een gezaghebbende voor/na-vergelijking.

Na elke goedgekeurde optimalisatie schrijft Openclaw Agent Optimize een verificatieworkflow voor: bevestig dat de kernfunctionaliteit van de chat werkt, controleer of geheugen en gedrag ongewijzigd zijn, valideer dat nieuwe sessies de wijziging oppakken, en bewijs dat het terugrolpad daadwerkelijk bestaat — niet slechts theoretisch.

Je hebt stijgende LLM-kosten opgemerkt, maar weet niet waar ze vandaan komen. Voer een volledige audit uit om een gerangschikte lijst van kostendrijvers te krijgen — verspreid over modelroutering, altijd-actieve skills en ruis in cron/heartbeat-transcripties — samen met een geprioriteerd herstelplan dat je kunt bekijken voordat je iets toepast.

Agentreacties worden trager en sessiekosten lopen op. Gebruik de vaardigheid om de grootste bijdragers aan de contextgrootte te identificeren — te grote bootstrapbestanden, uitgebreide succespad-cronuitvoer of te veel specialistische vaardigheden — en ontvang eerst de kleinste omkeerbare oplossingen voorgesteld.

Je wilt dat verschillende taken worden afgehandeld door verschillende modellen om capaciteit en kosten in balans te brengen. De skill produceert een gesegmenteerd routeringsplan (bijv. goedkoop model voor herinneringen, middenklasse voor codering, hoogwaardig voor onderzoek) met een exacte configuratiepatch en terugdraaiinstructies.

Gebruik vóór het doorvoeren van structurele wijzigingen in uw OpenClaw-configuratie de Openclaw Agent Optimize-skill om een gestructureerde impactbeoordeling, een terugdraaiplan en verificatiestappen na de wijziging te verkrijgen — zodat u niet per ongeluk de monitoringdekking of het recallgedrag verslechtert.