Openclaw Agent Optimize

• Você suspeita que seu workspace do OpenClaw está gerando custos desnecessários de LLM e quer uma auditoria sistemática antes de mexer em qualquer configuração.
• As respostas do seu agente estão lentas ou caras devido ao inchaço de contexto (ruído de transcrições, arquivos de bootstrap muito grandes ou muitas skills ambiente).
• Você quer um plano estruturado de roteamento de modelos — por exemplo, direcionar tarefas de codificação para um modelo, notificações curtas para um mais barato e pesquisas que exigem raciocínio intenso para um mais capaz.
• Você quer melhorar a postura de delegação, migrando fluxos de trabalho especialistas de baixa frequência do modo sempre-ambiente para o uso de subagentes sob demanda.

• Você quer aplicar mutações de configuração ou cron imediatamente sem uma etapa de revisão — esta skill é apenas consultiva e não fará alterações de forma autônoma.
• A pergunta ou tarefa não está relacionada às operações do OpenClaw ou à otimização do workspace.

A skill segue uma estrutura consultiva fixa: auditar o estado atual, apresentar as opções A/B/C com seus trade-offs e, em seguida, recomendar a menor mudança segura primeiro. Cada saída inclui um resumo executivo, os principais fatores de custo/contexto/confiabilidade e propostas de correção exatas.

Nenhuma configuração persistente, cron job ou skill é criada, atualizada ou removida sem aprovação explícita do usuário. Antes de qualquer alteração aprovada, a skill exibe o diff exato, o impacto esperado, o plano de rollback e uma checklist de verificação pós-alteração.

A skill tem como foco ganhos comprovados de custo e contexto: disciplina de saída para automação, separação entre trabalho e notificações, redução de arquivos de bootstrap, diminuição da superfície de especialistas ambientes, medição autoritativa de contexto via /context json e higiene operacional com verificação em primeiro lugar.

Produz planos de roteamento concretos segmentados por tipo de tarefa (por exemplo, codificação/engenharia vs. notificações curtas vs. pesquisas com raciocínio intensivo), incluindo um patch de configuração exato e um plano de reversão prontos para sua revisão.

Identifica os principais responsáveis pelo inchaço de contexto — ferramentas, crons, arquivos de bootstrap, skills — e classifica as correções por reversibilidade. Campos de medição essenciais como promptTokens, skills.promptChars e projectContextChars são usados para comparação confiável de antes e depois.

Após qualquer otimização aprovada, o Openclaw Agent Optimize prescreve um fluxo de trabalho de verificação: confirme que o chat principal funciona, verifique se o recall e o comportamento estão inalterados, valide que novas sessões incorporam a mudança e comprove que o caminho de reversão é real — não teórico.

Você percebeu que os custos de LLM estão aumentando, mas não sabe ao certo de onde estão vindo. Execute uma auditoria completa para obter uma lista classificada dos principais fatores de custo em roteamento de modelos, skills sempre ativas em segundo plano e transcrições ruidosas de cron/heartbeat — com um plano de correção priorizado que você pode revisar antes de aplicar qualquer alteração.

As respostas do agente estão ficando mais lentas e os custos por sessão estão aumentando. Use o Openclaw Agent Optimize para identificar os maiores contribuintes para o tamanho do contexto — arquivos de bootstrap superdimensionados, saídas verbose de cron em caminho de sucesso ou especialistas demais carregados simultaneamente — e receba primeiro as correções menores e reversíveis como sugestão.

Você deseja que diferentes tarefas sejam tratadas por modelos distintos para equilibrar capacidade e custo. A skill produz um plano de roteamento segmentado (por exemplo, modelo econômico para lembretes, intermediário para programação, alta capacidade para pesquisa) com um patch de configuração exato e instruções de rollback.

Antes de fazer alterações estruturais na sua configuração do OpenClaw, use o Openclaw Agent Optimize para obter uma avaliação de impacto estruturada, um plano de reversão e etapas de verificação pós-mudança — garantindo que você não degrade acidentalmente a cobertura de monitoramento ou o comportamento de recuperação.