在OpenClaw上构建了一个主动监控代理——以下是wiki模式在生产中的表现

我们在OpenClaw之上构建了Oogway——一个代理，它会监控我们处理的每一个任务，并主动调查任何看起来异常的情况，无需任何人指示。当发现问题时，它会调查源数据、发出警报、创建工单并提出修复建议。但带来最大改变的部分并非检测本身，而是每次调查之后发生的事情：Oogway会更新自己的wiki。失败的原因、过程以及如何解决——每次都会被记录下来。这就是llm-wiki模式：代理不再每次都从原始数据重新推导相同的答案，而是构建一个不断积累的持久化记录。过了一段时间，wiki就不仅仅是一个日志——它变成了一个模式库。当同类问题再次出现时，Oogway会参考之前的解决方案，而不是从头开始。我们花费最多精力的部分是：校准何时标记问题与何时直接提出修复建议。正确把握这一判断需要大量迭代——早期几周密切观察输出，在过度自信或过于保守时进行纠正，并将反馈信号回传。之前：客户发现 → 我们响应。之后：Oogway发现 → 我们决策。对于使用OpenClaw进行类似监控或调查工作流程的任何人——我很好奇你们如何处理置信度校准，以及是否在代理中构建了持久化记忆，还是保持无状态。