一個旨在識別和解決 AI 代理程式故障、無限循環和資源瓶頸的系統化調試框架。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install agent-debugger
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 agent-debugger。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Agent Debugger？
Agent Debugger 是 Openclaw Skills 庫中的一個專門工具集，旨在處理 AI 代理程式開發中的獨特挑戰。它提供了一種結構化方法來診斷常見的自主代理程式問題，如上下文溢出、頻率限制和權限錯誤。透過實施這些調試協定，開發人員可以確保其代理程式保持可靠、高效，並能夠從意外的工具故障或邏輯循環中恢復。
此技能是任何構建複雜代理程式工作流的人員的重要伴侶，提供了診斷模式和具體的修復程式碼片段。無論您是處理停滯的推理鏈還是碎片化的記憶體，Agent Debugger 都能提供穩定代理程式效能和優化 token 消耗所需的技術護欄。
Agent Debugger 應用場景
- 解決代理程式重複相同的工具調用或輸出模式的無限循環問題。
- 調試由於 schema 不匹配、缺少權限或 API 超時引起的工具故障。
- 管理長時間運行對話中的上下文溢出和「context length exceeded」錯誤。
- 實施指數退避和請求隊列以處理供應商的頻率限制。
- 修復代理程式丟失先前決策記錄或無法載入 MEMORY.md 的記憶體問題。
Agent Debugger 運作原理
- 重現：記錄觸發錯誤行為或錯誤的確切步驟和輸入。
- 隔離：簡化任務，禁用不必要的 Openclaw Skills，並最小化上下文以查找特定故障點。
- 診斷：分析日誌，檢查當前的 token 使用情況，並驗證工具配置設置。
- 修復：應用糾正措施，如增加迭代限制、重試邏輯或上下文壓縮。
- 預防：使用新的護欄更新代理程式指令，並在代理程式記憶體中記錄解決方案以避免再次發生。
Agent Debugger 設定指南
要開始使用此技能提供的調試協定，請確保您的工作區已針對 Openclaw Skills 開發進行了正確配置：
# 驗證您的工作區結構
ls -la ~/.openclaw/workspace/
# 確保記憶體文件存在
touch ~/.openclaw/workspace/MEMORY.md
配置您的代理程式使用詳細思考，以便在調試階段暴露內部推理：
{
"thinking": "verbose",
"reasoning": "on"
}
Agent Debugger 資料結構與分類體系
Agent Debugger 利用結構化方法對代理程式錯誤進行分類和跟踪。以下是該技能使用的主要錯誤映射：
| 錯誤代碼 | 主要原因 | 修復策略 |
|---|---|---|
context_length_exceeded |
歷史紀錄/文件數據過多 | 總結與截斷 |
rate_limit_exceeded |
API 頻率限制 | 退避與隊列 |
tool_not_found |
註冊表不匹配 | 安裝與路徑檢查 |
permission_denied |
沙箱限制 | 策略調整 |
invalid_parameters |
Schema 違規 | 輸入驗證 |
Agent Debugger 進階特性
- 迭代限制：定義 maxIterations 和 onLimit 行為以自動打破無限循環。
- 自適應上下文壓縮：動態地對大文件讀取使用偏移量和限制，以防止上下文溢出。
- 自定義重試邏輯：專門針對 5xx 錯誤或超時實施細粒度的重試策略。
- 並行工具優化：將多個讀取操作組合到單個調用中以降低延遲。
- 檢查點設置：定期保存代理程式狀態，以便在長時間運行的任務期間恢復。
SKILL.md
加載中
Openclaw 相關技能
精選*
