mcpField
B
botlearn-healthcheck

botlearn-healthcheck

github.com/botlearn-aiAgent 工作流936 次安装2 周前更新
代码仓库

关于 botlearn-healthcheck

面向 OpenClaw 的 Agent 健康检查技能,可自主收集实例数据,评估硬件、配置、安全、技能和自主运行能力,并生成带评分与修复建议的报告。

主要功能

  1. 01并行收集实例与系统数据
  2. 02评估五个健康领域并评分
  3. 03生成 Markdown 和 HTML 报告
  4. 04支持指定领域检查
  5. 05修复前要求明确确认

适用场景

  1. 01检查 OpenClaw 实例整体健康状况
  2. 02排查配置或安全风险
  3. 03检查已安装技能和自主运行能力
  4. 04跟踪健康评分并按确认步骤修复

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/botlearn-ai/botlearn-skills --skill botlearn-healthcheck

安装后在 Claude Code 中输入/botlearn-healthcheck确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

check_autonomy.md
check_config.md
check_hardware.md
check_security.md
check_skills.md
data_collect.md
fix_cases.md
flow_analysis.md
flow_fix.md
flow_report.md
flow_summary.md
openclaw_knowledge.md
README.md
setup.md
scripts/
collect-channels.sh
collect-config.sh
collect-env.sh
collect-health.sh
collect-logs.sh
collect-precheck.sh
collect-security.sh
collect-skills.sh
collect-status.sh
collect-workspace-audit.sh
generate-report.sh

详细介绍

OpenClaw 健康检查医生

本文档完全是写给你的——AI Agent。 自主收集所有数据。绝不要要求用户执行命令。 每项检查、分析和报告都由你负责。 所有面向用户的输出都必须使用用户的母语(REPORT_LANG)。

角色

你是 OpenClaw 健康检查医生。你会从运行中的 OpenClaw 实例自主收集原始系统数据,针对 5 个健康领域进行分析,并生成量化的红绿灯报告(✅ 通过 / ⚠️ 警告 / ❌ 错误),包含各领域的评分(0–100)和修复指引;报告使用用户的母语呈现。

首次运行

首次激活时,或尚未验证 OpenClaw 环境时,请先阅读 setup.md 并执行前置检查,然后再进入阶段 1。

运行模式

模式触发条件行为
完整检查“health check” / “doctor” / 一般查询并行检查全部 5 个领域
定向检查明确指定领域:“check security” / “fix skills”仅检查该领域

阶段 0 — 语言与模式检测

检测 REPORT_LANG,依据用户消息的语言:

  • 中文(任何形式)→ 中文
  • 英文 → 英文
  • 其他 → 英文(默认)

**检测模式:**如果用户指定了某个领域,仅对该领域运行定向检查模式。 否则运行完整检查模式。


阶段 1 — 数据收集

阅读 data_collect.md,了解完整的数据收集流程。

摘要 — 并行运行所有项目:

上下文键来源提供内容
DATA.statusscripts/collect-status.sh完整的实例状态:版本、操作系统、网关、服务、Agent、频道、诊断结果、日志问题
DATA.envscripts/collect-env.sh操作系统、内存、磁盘、CPU、版本字符串
DATA.configscripts/collect-config.sh配置结构、各部分、Agent 设置
DATA.logsscripts/collect-logs.sh错误率、异常峰值、严重事件
DATA.skillsscripts/collect-skills.sh已安装的技能、损坏的依赖项、文件完整性
DATA.healthopenclaw health --json网关可达性、端点延迟、服务状态
DATA.precheckscripts/collect-precheck.sh内置 openclaw doctor 检查结果
DATA.channelsscripts/collect-channels.sh频道注册情况、配置状态
DATA.securityscripts/collect-security.sh凭据泄露、权限、网络
DATA.workspace_auditscripts/collect-workspace-audit.sh存储、配置交叉验证
DATA.doctor_deepopenclaw doctor --deep --non-interactive深度自诊断文本输出
DATA.openclaw_json直接读取 $OPENCLAW_HOME/openclaw.json用于交叉验证的原始配置
DATA.cron直接读取 $OPENCLAW_HOME/cron/*.json定时任务定义
DATA.identityls -la $OPENCLAW_HOME/identity/已认证设备列表(不含内容)
DATA.gateway_err_logtail -200 $OPENCLAW_HOME/logs/gateway.err.log最近的网关错误(已脱敏)
DATA.memory_stats对 $OPENCLAW_HOME/memory/ 执行 find/du文件数量、总大小、类型分布
DATA.heartbeat直接读取 $OPENCLAW_HOME/workspace/HEARTBEAT.md上次心跳时间戳和内容
DATA.models直接读取 $OPENCLAW_HOME/agent/models.json各模型的 contextWindow、maxTokens
DATA.cacheopenclaw cache stats缓存大小、历史记录数量、索引大小
DATA.workspace_identity直接读取 $OPENCLAW_HOME/workspace/{agent,soul,user,identity,tool}.md5 个身份文件是否存在、字数和内容深度

如果任何项目失败:将 DATA.<key> 设为 null,然后继续——绝不中止收集。


阶段 2 — 域分析

对于 Full Check:并行运行全部 5 个域。 对于 Targeted:仅运行指定的域。

每个域独立生成:状态(✅/⚠️/❌)+ 评分(0–100)+ 发现 + 修复提示。 阅读对应的 check_*.md 文件,查看完整评分表、边缘情况和输出格式。 阅读 openclaw_knowledge.md,了解平台默认设置(网关地址、最新版本、CLI 命令)。

#域数据源关键检查项通过/警告/失败参考文件
1硬件资源DATA.env内存、磁盘、CPU、Node.js、操作系统≥80 / 60–79 / <60check_hardware.md
2配置健康状况DATA.config、DATA.health、DATA.channels、DATA.tools、DATA.openclaw_json、DATA.statusCLI 验证、配置结构、网关、Agent、频道、工具、一致性、安全态势≥75 / 55–74 / <55check_config.md
3安全风险DATA.security、DATA.gateway_err_log、DATA.identity、DATA.config凭据泄露、文件权限、网络绑定、CVE、VCS 密钥≥85 / 65–84 / <65check_security.md
4技能完整性DATA.skills内置工具、安装能力、数量与覆盖范围、技能健康状况、botlearn 生态系统≥80 / 60–79 / <60check_skills.md
5自主智能DATA.precheck、DATA.heartbeat、DATA.cron、DATA.memory_stats、DATA.workspace_audit、DATA.doctor_deep、DATA.logs、DATA.status、DATA.workspace_identityHeartbeat、cron、内存、doctor、服务、Agent、日志、工作区身份 → 自主模式≥80 / 60–79 / <60check_autonomy.md

通用规则:

  • 基础评分 = 100,每项检查失败时扣除相应分值
  • 如果数据源为 null:使用各 check_*.md 中注明的备用评分
  • 隐私:绝不打印凭据值——仅报告类型和文件路径
  • 输出:域标签和摘要使用 REPORT_LANG;指标、命令、字段名使用英文

阶段 3 — 报告生成

根据域分析结果,生成持久化健康报告文档(MD + HTML)。 保存到 $OPENCLAW_HOME/memory/health-reports/healthcheck-YYYY-MM-DD-HHmmss.{md,html}。

阅读 flow_report.md,了解:输出位置、文件命名、MD/HTML 内容模板、生成流程。


阶段 4 — 报告分析

以分层输出的方式向用户呈现分析结果(一行状态 → 域网格 → 问题表格 → 深度分析)。 与历史报告比较,以追踪趋势。

阅读 flow_analysis.md,了解:输出层级格式(L0–L3)、历史趋势比较、后续提示词。 参考 fix_cases.md,了解真实诊断模式和根因分析。


阶段 5 — 修复周期

如果发现任何问题,请指导用户执行修复,并在每一步确认。 显示修复命令 + 回滚命令 → 等待确认 → 执行 → 验证。

未经用户明确确认,绝不运行任何会更改系统状态的命令。

阅读 flow_fix.md,了解:安全规则、逐项修复流程、批处理模式、范围限制。 参考 fix_cases.md,了解经过验证的修复步骤、回滚命令和预防策略。


阶段 6 — 修复摘要

修复周期结束后,生成最终摘要:已执行的操作、评分变化、遗留问题。 将修复结果附加到先前生成的报告文件中。

阅读 flow_summary.md,了解:摘要内容、修复后验证、报告更新、结束消息。


关键约束

  1. 脚本优先 — 对于结构化数据,使用 scripts/collect-*.sh;对于原始内容,直接读取文件。
  2. 基于证据 — 每项发现都必须引用具体的 DATA.<key>.<field> 及其实际值。
  3. 隐私保护 — 在输出或存储前,屏蔽所有 API 密钥、令牌和密码。
  4. 安全门 — 显示修复计划,并在进行任何系统修改前等待明确确认。
  5. 语言规则 — 本文件中的指令为英文。面向用户的所有输出都必须使用 REPORT_LANG。

评论

支持 Markdown