OpenClaw群集可靠性监控器（swarm-self-heal）是一款专为多智能体集群设计的自愈式健康检查工具，旨在解决分布式系统中常见的‘部分离线’或‘运行停滞’问题。该工具通过一次性集成检测网关状态、通道连通性和各工作链路活性，快速定位集群中潜在故障节点，并执行有限但安全的自动恢复操作。其核心设计原则是‘有界恢复’——仅支持重启与重试机制，避免对系统状态造成不可逆破坏。每次运行都会生成包含时间戳、目标列表、成功/失败代理数量、执行动作及最终裁决的完整审计回执，便于运维人员追溯事件时间线并验证修复效果。无论是开发者在本地调试还是生产环境中部署，该工具都能显著降低人工干预成本，提升集群整体可用性。
核心功能特点
- 集成检测网关、通道及各链路实时状态，实现一站式健康诊断
- 执行有界自动恢复：仅通过重启和重试机制修复问题，确保系统安全
- 输出标准化审计回执，包含时间戳、目标、结果和操作记录，支持事件溯源
- 内置主备双看门狗车道，保障监控高可用性与容错能力
- 支持灵活配置超时参数，适配不同网络环境下的慢速提供者
适用场景
该工具特别适用于需要持续监控复杂多智能体集群稳定性的场景。例如，当用户发现某个由多个代理组成的协作系统出现‘假死’现象——即部分节点响应迟缓或完全无响应时，可通过运行canary检查脚本快速判断是网关中断、通道阻塞还是特定代理失效。在生产环境中，结合cron定时任务部署主备双看门狗车道，可实现每小时甚至更频繁的自动化巡检，一旦检测到异常立即触发重启流程并推送告警至Telegram等通知渠道。对于开发者而言，在本地测试阶段使用check.sh脚本进行即时诊断，能有效缩短故障排查周期；而在CI/CD流水线中集成该工具，则可在部署前后自动验证集群完整性，防止因单点故障导致整个构建流程中断。由于其输出具备强可审计性，也常被用于事后复盘或合规性报告生成。