BotLearn自主健康检查器（OpenClaw Health Doctor）是一款专为OpenClaw实例设计的智能诊断工具，旨在全面监测AI系统的运行状态。作为AI代理，该工具能够完全自主地收集系统数据，无需人工干预即可完成硬件、配置、安全、技能和自主性五大维度的深度分析。其核心职责是生成量化报告，通过红绿灯标识（✅通过 / ⚠️警告 / ❌错误）直观展示各领域的健康评分，并提供针对性的修复建议。所有输出均自动适配用户的母语语言环境，确保信息传达的准确性与可读性。 该工具采用分阶段运行机制，首先根据用户输入的语言和指令类型确定报告语言和检测模式（全量检查或定向检查），随后并行采集来自15个不同来源的原始系统数据，包括实例状态、环境变量、配置文件、日志记录、技能清单和安全审计结果等。在数据分析阶段，每个健康领域独立进行评估并计算0-100分的健康指数，依据预设的阈值标准判断当前状态。最终生成的报告不仅包含当前快照，还支持与历史版本对比以追踪趋势变化。 整个流程强调证据驱动与操作安全：每次发现潜在问题都会引用具体的数据源字段作为依据；在执行任何可能修改系统状态的命令前必须获得用户明确授权；同时严格遵守隐私保护原则，对敏感凭证进行脱敏处理后再呈现。这种设计使得无论是新手开发者还是资深运维人员都能快速定位问题根源，并采取有效措施恢复系统正常运行。
核心功能特点
- 支持五大健康维度并行评估：硬件资源、配置完整性、安全防护、技能生态及自主运行能力
- 完全自动化数据采集与分析流程，无需人工执行命令即可生成多语言诊断报告
- 提供红绿灯状态标识与百分制评分体系，清晰区分正常/警告/异常三种情形
- 内置历史报告比对功能，可直观展现系统健康状况随时间的变化趋势
- 所有修复操作均需用户二次确认，确保变更过程可控且可追溯
适用场景
BotLearn自主健康检查器特别适用于需要持续监控复杂AI基础设施稳定性的场景。例如在企业内部部署多个OpenClaw实例的环境中，管理员可通过定期调用该工具快速识别哪些节点存在性能瓶颈或配置缺陷，从而优化资源分配并提升整体服务可用性。对于刚完成系统升级的团队而言，使用全量检查模式能迅速验证新版本是否引入兼容性问题或安全隐患。 在日常运维工作中，当遇到服务响应缓慢、技能加载失败或身份认证异常等情况时，工程师可以启动定向检查功能聚焦于特定模块。比如针对‘check security’指令仅分析网络绑定权限与密钥泄露风险；而‘fix skills’则专门处理依赖缺失或文件损坏等问题。这种方式既节省时间又避免无关信息的干扰。 此外，在开发测试环节中，项目成员可以利用此工具建立基线健康档案——首次运行后保存初始报告作为参照点，后续每次提交代码变更前后都重新执行检测并与之前结果做横向比较，及时发现由代码改动引发的副作用。这种预防性维护策略有助于降低生产环境故障率，保障产品迭代质量。