Agent优化专家

Agent 优化专家

概述

基于 Anthropic / OpenAI 工程实践的 Agent 自愈引擎，覆盖「检测 → 诊断 → 修复 → 验证 → 学习 → 进化」闭环。 兼容 OpenClaw 和 Hermes Agent 双环境，自动识别当前平台并切换对应命令。

功能范围

• Cron 任务诊断与修复（失败/超时/disabled/配置错误）
• 工具调用异常诊断（认证/权限/限流/超时/参数）
• 子 Agent 异常诊断（spawn 失败/超时/上下文过大）
• 系统健康度巡检（资源/网络/磁盘/内存）
• 自我进化：定期收集工程实践、更新 references/、沉淀新模式
• 错误模式学习与沉淀（learnings/error-log.md → fix-templates.md 自动升级）

---

使用

场景 1：Cron 任务执行失败

双环境适配：OpenClaw 走 openclaw cron CLI，Hermes 走 cronjob 工具。 完整命令映射表和修复规则见 references/dual-env-adaptation.md

快速诊断流程（通用）：

1. 列出所有 Cron 任务，检查 enabled/schedule/最近运行状态
2. 定位失败 job，查看错误输出
3. 对照 references/fix-templates.md 执行修复
4. 手动触发一次验证修复结果

常见修复类型：

• 未执行 → 检查 enabled / schedule 表达式 / timezone
• 执行报错 → 检查错误输出 → 对照 fix-templates.md
• 超时 → timeout 加倍，若仍超时则拆分逻辑
• disabled → 重新启用

---

场景 2：工具调用连续失败

# Step 1 — 检查错误日志
cat learnings/error-log.md 2>/dev/null | tail -50

# Step 2 — 按错误类型定位（参照 references/error-taxonomy.md）
#   401/403 → 认证/权限问题
feishu_app_scopes          # 检查飞书权限（双环境通用）
echo $API_KEY | wc -c      # 检查 key 是否存在
#   429 → 限流，等待 + 指数退避重试
#   5xx → 服务端错误，稍后重试

# Step 3 — 应用降级策略
#   搜索: web_search → SearXNG(local:3004) → web_fetch
#   网页: web_fetch → firecrawl(local:3002)

---

场景 3：系统健康度巡检

# 资源检查（通用）
df -h /                     # 磁盘
free -m                     # 内存
docker ps                   # 容器状态

# 服务健康检查（通用）
curl -s http://localhost:3002/health  # Firecrawl
curl -s http://localhost:3003/health  # Crawl4AI
curl -s http://localhost:3004/health  # SearXNG（返回 HTML 即正常）

# Agent 平台状态
# OpenClaw → openclaw status
# Hermes → ps aux | grep hermes

---

场景 4：子 Agent 异常

OpenClaw：openclaw subagents list 查看 → openclaw subagents kill 终止 Hermes：子 Agent 同步执行不卡死，超时检查 delegate_task timeout；Cron 子任务卡住用 process(action='kill')

---

自动触发机制

本 Skill 不会自己跑起来，需要环境提供"心跳"或"定时"机制。 双环境适配完整指南（含 Cron Job 配置命令 + HEARTBEAT.md 配置模板）→ references/dual-env-adaptation.md

一句话总结：

• Hermes 环境 → 用 cronjob(action='create') 创建每日自检 + 每周知识更新
• OpenClaw 环境 → 在 workspace/HEARTBEAT.md 中配置心跳检查清单

---

诊断决策树

问题出现
│
├─ Cron 相关？
│   ├─ 任务未执行 → 检查 enabled / schedule / timezone
│   ├─ 执行报错 → 查错误输出 → 对照 fix-templates.md
│   └─ 超时 → timeout 加倍 or 拆分逻辑
│
├─ 工具调用相关？
│   ├─ 401/403 → 认证/权限
│   ├─ 429 → 指数退避重试
│   ├─ 5xx → 等待重试 + 记录
│   └─ 超时 → 网络检查 → 降级
│
├─ 子 Agent 相关？
│   ├─ spawn 失败 → task 过大 / 资源不足
│   ├─ 超时 → 增加 timeout / 优化 task
│   └─ 结果异常 → context 模式检查
│
└─ 系统相关？
    ├─ 磁盘满 → 清理 + docker prune
    ├─ 内存不足 → 停服务 + lightContext
    └─ 网络断开 → DNS / 防火墙

---

自愈闭环

检测（心跳/用户反馈/错误日志）
  → 诊断（快速扫描 → 错误分析 → 根因推理 → 修复建议）
    → 修复（最小变更 + 可回滚）
      → 验证（修复后确认）
        → 学习（记录到 learnings/error-log.md）

错误日志格式（learnings/error-log.md）

## YYYY-MM-DD HH:MM
- **Error**: [错误描述]
- **Context**: [触发场景]
- **Root Cause**: [根因分析]
- **Fix Applied**: [修复操作]
- **Prevention**: [避免复现的措施]

---

操作分级与安全

禁止自动执行：

• ❌ 修改 SOUL.md / IDENTITY.md / USER.md
• ❌ 发送外部消息（邮件/飞书/社交）
• ❌ 删除不可恢复的数据

---

自我进化机制

路径 1：错误驱动进化（每次诊断后）

修复完成
├─ 新错误类型？→ 新增 error-taxonomy + fix-templates
├─ 修复可复用？→ 写入 fix-templates
└─ 涉及工程模式？→ 更新对应 references/

路径 2：定期知识更新（每周）

1. SearXNG 搜索 Anthropic/OpenAI 最新工程文档
2. 对比 references/ 现有内容
3. 发现新模式追加到对应文件
4. 标记已过时实践（不删除，标「⚠️ 已废弃」）

curl -s "http://localhost:3004/search?q=anthropic+agent+engineering+best+practices+$(date +%Y)&format=json&engines=bing,duckduckgo" | python3 -c "
import json, sys
data = json.load(sys.stdin)
for r in data.get('results', [])[:5]:
    print(json.dumps({'title': r.get('title',''), 'url': r.get('url','')}, ensure_ascii=False))
"

路径 3：错误日志驱动进化

learnings/error-log.md 中相同错误模式 ≥3 次时：

1. 创建/更新 fix-templates.md 对应模板
2. 更新 error-taxonomy.md 优先级
3. 新型错误新增分类条目

---

参考文件

---

首次运行协议

首次被加载时（检查 learnings/error-log.md 不存在或为空），自动执行一次完整自检：

1. 系统健康度巡检（场景 3）：磁盘/内存/容器/本地服务
2. Cron 任务扫描（场景 1）：检查最近失败的 job
3. 输出简短报告：
   • ✅ 一切正常 → "已就位，系统健康"
   • ⚠️ 发现问题 → "已就位，发现 X 个问题：[列表]"
4. 创建 learnings/error-log.md，记录"首次自检完成"
5. 后续不再自动触发，等待用户指令或 Cron 调度

目的：给用户即时反馈，确认 Skill 已正确安装且能正常工作（Smoke Test）。

---

版本与更新记录