Openclaw Agent Optimize

• 您懷疑您的 OpenClaw 工作區正在產生不必要的 LLM 費用，並希望在調整任何設定之前先進行系統性審查。
• 您的 Agent 回覆速度緩慢或成本過高，原因是上下文膨脹（對話記錄雜訊、過大的啟動檔案，或過多的環境技能）。
• 您希望制定結構化的模型路由計畫——例如，將程式設計任務路由至某個模型、將簡短通知路由至較便宜的模型，以及將需要深度推理的研究任務路由至能力更強的模型。
• 您希望透過將低頻率的專業工作流程從「常駐環境」模式改為按需呼叫的子 Agent 模式，以改善任務委派的架構。

• 您希望立即套用設定或排程任務的變更而無需審核步驟——此技能僅提供建議，不會自主進行任何變更。
• 問題或任務與 OpenClaw 操作或工作區優化無關。

此技能遵循固定的顧問式結構：稽核當前狀態、列出選項 A/B/C 及其取捨，再優先建議最小且安全的變更。每次輸出均包含執行摘要、主要成本／情境／可靠性驅動因素，以及精確的修補提案。

未經使用者明確核准，不會建立、更新或移除任何持久性設定、排程工作或技能。在每項已核准的變更執行之前，Openclaw Agent Optimize 會呈現精確的差異比對、預期影響、回滾計畫，以及變更後的驗證清單。

此技能針對已驗證的成本與上下文優化切入點：自動化流程的輸出紀律、將工作訊息與通知分離、啟動檔案精簡、降低環境專家介面的佔用、透過 /context json 進行權威性的上下文測量，以及驗證優先的操作衛生習慣。

根據任務類型（例如：程式開發／工程作業、簡短通知、需要深度推理的研究）產生具體的路由計畫，包含精確的設定檔修補內容及回滾方案，供您審閱使用。

識別最主要的情境佔用來源——工具、排程任務、啟動檔案、技能——並依可還原性對修復方案進行排序。關鍵測量欄位如 promptTokens、skills.promptChars 及 projectContextChars 可用於前後對比的權威性比較。

每次經批准的最佳化完成後，Openclaw Agent Optimize 會規定一套驗證工作流程：確認核心對話功能正常運作、檢查記憶與行為是否維持不變、驗證新會話是否正確套用變更，並證明回滾路徑確實可行——而非僅停留於理論層面。

您注意到 LLM 成本不斷上升，但不確定問題出在哪裡。執行完整稽核，取得跨模型路由、常駐環境技能及嘈雜排程／心跳逐字稿的成本驅動因素排名清單，並附上優先修復計畫，讓您在套用任何變更前先行審閱。

代理回覆速度變慢，且每次工作階段的費用持續攀升。使用 Openclaw Agent Optimize 技能來找出佔用上下文空間最多的來源——過大的啟動載入檔案、冗長的成功路徑排程輸出，或是過多的專業技能——並優先取得影響最小且可還原的修正建議。

您希望由不同的模型處理不同的任務，以在能力與成本之間取得平衡。Openclaw Agent Optimize 會產生一份分段路由方案（例如：低成本模型負責提醒事項、中階模型負責程式撰寫、高能力模型負責研究工作），並附上精確的設定檔補丁與回滾操作說明。

在對您的 OpenClaw 設定進行結構性變更之前，請使用 Openclaw Agent Optimize 取得結構化的影響評估、回滾計畫及變更後驗證步驟，確保您不會意外降低監控覆蓋範圍或召回行為的品質。