1yihui tags:
- ops
- monitoring
- healthcheck compatibility: openclaw license: MIT source: https://github.com/1yihui/YiHui
大龙系统巡检 SOP
触发条件
- 自动触发：
大龙-系统巡检cron 任务（建议每 6–12 小时执行一次） - 手动触发：主控或阿辉要求巡检时
巡检步骤
1. OpenClaw Gateway 状态
openclaw status
重点看：
- Gateway 是否 Running
- 绑定地址是否正确（
127.0.0.1本地 /0.0.0.0暴露） - 各 Channel 连接状态（Feishu 等）
2. 通道（Channel）健康检查
对每个已配置的 Channel 做探测：
- Feishu：发一条低打扰测试消息或查成员接口
- 其他 channel：按对应工具检查连接状态
3. 最近错误日志
openclaw gateway logs --lines 50 2>&1 | grep -iE "error|warn|fail|400|500|9999"
重点关注：
- 权限错误（Feishu 99991672 类）
- API 超时 / 网络类错误
- 配置漂移（某个字段突然变了）
4. Task / Cron 状态
openclaw cron list
检查：
- 是否有失败或卡住的定时任务
- 任务数量是否符合预期
5. 配置漂移检查（可选，高优先级时）
openclaw status --deep
核对：
- 当前加载的模型是否和 MEMORY.md / 配置一致
- 插件数量有无异常新增/消失
异常判断标准
| 异常类型 | 判断条件 | 严重程度 |
|---|---|---|
| Gateway 不在 Running | openclaw status 非 running |
🔴 高 |
| Feishu API 权限错误 | 日志出现 99991672 或 contact.* 400 |
🔴 高 |
| Cron 任务失败 | cron runs 显示 error exit |
🟡 中 |
| 配置漂移 | 实际配置与预期不符 | 🟡 中 |
| 磁盘 / 内存紧张 | 经验判断（日志写入慢、内存占用异常） | 🟡 中 |
| 轻微 warn | 不影响功能 | 🟢 低（可忽略） |
常见问题处理
Feishu 权限不足（99991672）
- 原因：缺少
contact:contact.*scope - 处理：告知主控/阿辉，到飞书应用后台补开「联系人只读」权限
Gateway 非 Running
- 先
openclaw gateway restart - 重启后仍异常，看
openclaw gateway logs
Cron 任务卡住
- 查
openclaw cron runs <job-id>看最近一次执行详情 - 如果是模型调用超时，考虑增加 timeout 或减少巡检项
输出格式
每个巡检项输出结论，格式：
[项] 结论 / 原因（如果有）/ 建议（如果有）
如果所有项均正常或无值得打扰的事项，输出 NO_REPLY（不发消息，低打扰）。
注意事项
- 优先低打扰：没有实质问题不主动发消息
- 配置变更后主动做一次巡检，确认无异常
六、任务结束时写记忆（必须执行）
每次巡检任务完成后，必须写两处：
A. 写大龙自己的记忆库（积累）
~/agents/dalong/workspace/memory.md：
## YYYY-MM-DD 巡检结论
- 关键状态：...
- 发现的问题：...
- 下次需关注：...
B. 写主控记忆库（共享给小语）
memory/YYYY-MM-DD.md：
## 大龙巡检 YYYY-MM-DD
- 关键状态：...
- 发现的问题：...
- 下次需关注：...
两处都必须写。自己的 memory.md 积累大龙自己的经验；主控的 memory/ 方便小语召回全局信息。