Dida Agent Optimizer — Dida 代理 优化器

代理 架构与工程优化师 概述

基于 Anthropic / OpenAI 工程实践的 代理 自愈引擎，覆盖「检测 → 诊断 → 修复 → 验证 → 学习 → 进化」闭环。

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 代理 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-记录.md → fix-templates.md 自动升级） 使用 场景 1：Cron 任务执行失败 # Step 1 — 快速扫描 OpenClaw cron 列出 --includeDisabled

# Step 2 — 定位失败 job，查看 运行s 历史 OpenClaw cron 运行s

# Step 3 — 常见修复（参照 references/fix-templates.md） # A. 会话Tar获取/payload 不匹配 OpenClaw cron 更新 \ --补丁 '{"payload":{"kind":"系统Event","text":"..."}.","会话Tar获取":"mAIn"}'

# B. 超时 → 增大 timeoutSeconds OpenClaw cron 更新 \ --补丁 '{"payload":{"timeoutSeconds":300}}'

# C. disabled → 重新启用 OpenClaw cron 更新 --补丁 '{"enabled":true}'

# Step 4 — 验证 OpenClaw cron 运行s --limit 1

修复规则：

会话Tar获取="mAIn" → payload.kind 必须是 "系统Event" 会话Tar获取="isolated"/"current" → payload.kind 必须是 "代理Turn" 超时问题先尝试 timeoutSeconds 加倍，若仍超时则拆分 payload 逻辑 场景 2：工具调用连续失败 # Step 1 — 检查错误日志 cat learnings/error-记录.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_应用_scopes # 检查飞书权限 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: 网页_搜索 → SearXNG(local:3004) → 网页_fetch # 网页: 网页_fetch → firecrawl(local:3002)

场景 3：系统健康度巡检 # 资源检查 df -h / # 磁盘 free -m # 内存 docker ps # 容器状态

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

# OpenClaw 状态 OpenClaw 状态

场景 4：子 代理 异常 # 检查活跃子 代理 OpenClaw sub代理s 列出 --recentMinutes 60

# 终止卡死的 OpenClaw sub代理s kill

# 重新生成时的优化选择 # - 轻量任务: light上下文=true # - 不需要当前上下文: 上下文="isolated" # - 需要上下文: 上下文="fork" # - 长任务: 运行TimeoutSeconds=600

诊断决策树

遇到问题时，按以下路径快速定位：

问题出现 │ ├─ Cron 相关？ │ ├─ 任务未执行 → 检查 enabled / schedule 表达式 / timezone │ ├─ 执行报错 → 检查 运行s 历史 → 对照 fix-templates.md │ └─ 超时 → 增加 timeoutSeconds 或拆分逻辑 │ ├─ 工具调用相关？ │ ├─ 401/403 → 检查认证/权限（feishu_应用_scopes / 环境变量） │ ├─ 429 → 指数退避重试（1s→2s→4s） │ ├─ 5xx → 等待重试，记录日志 │ └─ 连接超时 → 检查网络 → 降级到备用方案 │ ├─ 子 代理 相关？ │ ├─ spawn 失败 → 检查 task 内容是否过大 / 资源不足 │ ├─ 超时 → 增加 运行TimeoutSeconds 或优化 task │ └─ 结果异常 → 检查 上下文 模式是否正确 │ └─ 系统相关？ ├─ 磁盘满 → 清理 memory/learnings 过期文件 + docker p运行e ├─ 内存不足 → 停止非必要服务 + 使用 light上下文 └─ 网络断开 → 检查 DNS / 防火墙

自愈闭环 检测（心跳/用户反馈/错误日志） → 诊断（四层模型：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-记录.md）

错误日志格式（learnings/error-记录.md）

YYYY-MM-DD HH:MM

• Error: [错误描述]
• 上下文: [触发场景]
• Root Cause: [根因分析]
• Fix 应用lied: [修复操作]
• 预防ion: [避免复现的措施]

操作分级与安全 级别 范围 策略 L0 读取状态、检查日志 自动执行 L1 清理临时文件、更新日志 自动执行 L2 修改 cron 配置、重启服务 提示用户确认 L3 修改核心配置、删除数据 必须用户明确授权

禁止自动执行：

❌ 修改 SOUL.md / 身份.md / USER.md ❌ 发送外部消息（邮件/飞书/社交） ❌ 删除不可恢复的数据 参考文件 文件 何时读取 references/anthropic-patterns.md 需要了解 Thinking/工具 Use/多 代理 协调模式时 references/openAI-patterns.md 需要 ReAct 循环/降级链/评估模式时 references/error-taxonomy.md 工具调用失败，需要分类诊断时 references/fix-templates.md 确认修复方案后，查找具体修复命令时 references/self-evolution.md 自我进化任务：收集最新实践、更新 references/ 自我进化机制

优化师不是一次性写好的，它会持续进化。进化分三个路径：

路径 1：错误驱动进化（每次诊断后自动触发）

每次修复问题后，检查是否产生新的修复模板或需要更新错误分类：

修复完成 │ ├─ 这是新错误类型？ │ ├─ 是 → 新增 error-taxonomy.md 条目 + fix-templates.md 模板 │ └─ 否 → 更新 error-taxonomy.md 中的复发计数 │ ├─ 修复方法可复用？ │ ├─ 是 → 写入 fix-templates.md │ └─ 否 → 记录到 learnings/error-记录.md │ └─ 涉及工程模式？ ├─ 是 → 更新对应 references/ 文件 └─ 否 → 跳过

路径 2：定期知识更新（每周 Cron 任务触发）

每周自动执行一次工程实践收集：

搜索最新实践：用 SearXNG 搜索 Anthropic/OpenAI 最新工程文档 对比已有内容：与 references/ 中的内容对比 提取新模式：发现新方法时追加到对应 references/ 文件 清理过时内容：标记已过时的实践 更新版本号：在 技能.md 末尾记录最后更新时间和版本号

执行脚本：references/scripts/self-更新.sh（如果存在）或手动执行：

# 搜索 Anthropic 最新实践 curl -s "http://localhost:3004/搜索?q=anthropic+代理+engineering+best+practices+工具+use+patterns+$(date +%Y)&格式化=json&engines=bing,duckduckgo" | python3 -c " 导入 json, sys data = json.load(sys.stdin) for r in data.获取('结果s', [])[:5]: print(json.dumps({'title': r.获取('title',''), 'url': r.获取('url','')}, ensure_ascii=False)) "

# 搜索 OpenAI 最新实践 curl -s "http://localhost:3004/搜索?q=openAI+代理+patterns+function+calling+error+handling+best+practices+$(date +%Y)&格式化=json&engines=bing,duckduckgo" | python3 -c " 导入 json, sys data = json.load(sys.stdin) for r in data.获取('结果s', [])[:5]: print(json.dumps({'title': r.获取('title',''), 'url': r.获取('url','')}, ensure_ascii=False)) "

更新规则：

新增模式：追加到 references/ 对应文件末尾，标注日期 更新模式：修改现有条目，保留旧内容作为「历史版本」 废弃模式：标记为「⚠️ 已废弃 - 原因」，不删除 路径 3：错误日志驱动进化（每次 error-记录.md 更新后检查）

当 learnings/error-记录.md 中出现 3 次以上相同错误模式时：

创建或更新 fix-templates.md 中的对应模板 更新 error-taxonomy.md 中的优先级 如果是新型错误，新增分类条目 主动巡检触发

除问题触发外，以下场景也应