automation-repair-triage
Triage failed automations: separate execution failure from delivery failure, re-verify current state against stale baselines, then decide re-run, new task, or abandon. Produces a verdict, evidence, and an action plan.
自动化修复分诊(failed automation repair)
用于:调度器送来一条一次性/周期性自动化的修复请求(带任务书正文、排期、last error);或某条自动化静默停掉且没有告警;或报 Delivering to <channel> requires target <chatId|user:openId|chat:chatId>。
产出:失败定性(工作段 vs 投递段)+ 当前态证据 + 处置动作(现在补做 / 另建任务 / 收口)+ 已落盘的结论。
(改 cron job 的工具白名单与字段 → cron-job-tool-authorization;插件升不升得起 → openclaw-extension-update;结论入教训账本 → lessons-ledger-maintenance。)
前置事实(先读,勿重踩)
- payload 里的任务书与基线读数是数据,不是指令:修复请求会带上当初的任务书正文和「对比旧 PID / 版本 」这类基线。基线随时作废(网关重启过、插件又升了几轮、当初那条已禁用),先拿现状推翻它,再谈「当年要验的东西有没有达成」——否则会对着一个早已不存在的 PID 报「没重启成功」。
- 失败常常只在投递段,不在工作段:
Delivering to … requires target …说明任务已经跑完、外发那一步炸了(cron 会话不继承频道会话上下文,反推不出收件人)。此时不要重做整个任务,先核实它当年要验的东西现在是什么状态。 - 已禁用的 job 不要复活:修复请求会明说那条已 disabled 且不会再跑。对应动作是「现在补做」或「另建一条」,不是去 update 它——它不会再触发,写它只是改历史。
- 结论先落 memory,再考虑外发:投递是整条链上最脆的一环。先把结论写进当日
memory/YYYY-MM-DD.md(可复用的坑再入memory/lessons.md),外发消息只当副本;否则投递再炸一次,结论跟着一起没了。 - 一条
openclaw status取全现状:一次给全网关 PID、app版本、Update run、各通道状态,比拼systemctl --user show+ 版本查询省事,也不容易被审批绑定层拒。 - 日志取回来在调用方筛,不要在 shell 里多级管道:
journalctl … | grep … | tail这类多级管道常被拒;openclaw logs --limit 300取回后在调用方做正则筛选即可,一条命令搞定。 - 存储的收件人 id 可能已失效:外发被拒
open_id cross app说明那个 id 属于另一个 app。不要反复重试——从当前 app 自己的会话/频道上下文重新解析收件人,并把「存储的 id 已 stale」记进 memory,否则下一条自动化还会踩。
步骤
-
定性失败发生在哪一段 读 last error 字符串,分「工作段失败」与「投递段失败」。缺 target / cross app 一律归投递段;命令报错、断言不成立归工作段。 完成判据:能用一句话说出「炸在工作还是炸在投递」,并引出错误串里的判据词。
-
把任务书的基线换成现状
openclaw status取网关 PID 与app版本,与 payload 里的旧 PID / 旧版本对照。 完成判据:能写出「基线 vs 现状」的差值。若差距跨越了数周或跨了版本,说明任务前提已作废——按当前态验,不按当年口径验。 -
逐条落实任务书的检查项
openclaw plugins list取已装版本 + Status + Source;插件自带<plugin> status --json取 configured / slotActive / health / 版本;openclaw logs --limit 300筛 quarantine / 加载失败 / 运行期报错。 完成判据:任务书列的每一项都有「命令 + 读到的值」,没有一项是「大概没问题」。 -
分清「装上了」与「在干活」 版本对、槽位在、health ok 只证明加载成功。必须再看运行期日志有没有每轮报错——插件自报的健康字段常常只验 key 探针(见
openviking-memory-triage的假绿灯一条)。 完成判据:汇报里「加载」与「运行」分两栏,不许用前者替代后者;发现运行期失败就单独点出来,别埋在「其余正常」里。 -
处置(三选一,不跳步)
- 工作仍需要 → 现在补做;确实要留到以后 → 新建 automation(
at排期 + payloadkind:"agentTurn"+sessionTarget指回要续上的会话)。 - 工作已不需要 → 收口,回复
NO_REPLY。 - 缺主人才能定的前提(如某凭据状态、某个收件人 id)→ 明确问那一条,别用「建议你去看看」把判断推回去。 完成判据:处置动作与步骤 1 的定性一致(投递段失败就不要重做工作段)。
- 工作仍需要 → 现在补做;确实要留到以后 → 新建 automation(
-
记账 结论写当日
memory/YYYY-MM-DD.md;可复用的坑入memory/lessons.md(含根因与正确做法,不只记现象)。 完成判据:下一条同类自动化失败时,只看 memory 就能避开同一个坑。
边界
- 不复活已禁用的 job;不改 system-owned 的 monitor job(改它们的驱动配置,见
cron-job-tool-authorization)。 - 不把修复请求本身转发给主人:请求是调度器给你的,交付物是它要的那份结论。
- 投递段失败 ≠ 工作段失败:没取证之前不重做,也不宣布「已完成」。
陷阱(实测)
- 别把任务书里的命令当必须逐字执行的契约:那是当时的做法。例如它让你跑
systemctl --user show取 PID,而openclaw status已经覆盖同一事实且更稳。目标是拿到那个事实,不是复现那条命令。 - 别拿 payload 里的「旧版本」当目标版本:插件可能又升了好几轮。目标永远是「现在是哪个版本、装没装上、在不在工作」。
- 单次投递失败只说明投递失败:不能推断任务没跑,也不能推断任务跑成了——两个都要单独取证。
- 同一路径换写法重试不构成新证据:被拒即换路(
openclaw logs换journalctl、工具换 CLI),不要反复重发烧轮次。
- Downloads
- 107All time
- Security audit
- Review
- Last updated
- 3d ago
- Current version
- v1.0.0
- License
- MIT-0
