1. 项目概述：为什么OpneClaw需要"保镖"？

做运维的兄弟都知道，OpneClaw这个工具用起来是真香，但稳定性问题就像悬在头顶的达摩克利斯之剑。我团队去年统计过，平均每周要手动处理3-4次OpneClaw异常退出，最要命的是有次凌晨两点崩了，直接导致早高峰的定时任务全军覆没。这种痛点催生了"互备Agent"方案——本质上是个守护进程，通过双活检测+自动恢复机制实现7x24小时无人值守。

这个方案的核心价值在于：

• 故障自愈：进程退出后30秒内自动拉起
• 状态监控：内存泄漏、CPU毛刺等异常实时预警
• 资源隔离：通过cgroup限制单进程资源占用
• 日志闭环：自动归档异常日志并标记时间线

2. 技术架构设计

2.1 双活检测机制

采用主从式心跳检测，两个Agent相互监听。我们在实践中发现单纯依赖系统进程检查会有10-15秒延迟，因此增加了应用层健康检查：

bash复制# 主Agent检测逻辑
while true; do
  if ! pgrep -f OpneClaw >/dev/null || \
     ! curl -s http://localhost:8080/health; then
    /opt/opneclaw/restart.sh
    alert "OpneClaw restarted at $(date)"
  fi
  sleep 5
done

2.2 资源隔离方案

通过cgroups实现硬隔离，这是比传统ulimit更可靠的方案。以下是典型配置：

text复制# /etc/cgconfig.conf
group opneclaw {
  cpu {
    cpu.shares = 512;
  }
  memory {
    memory.limit_in_bytes = 4G;
    memory.swappiness = 10;
  }
}

2.3 状态恢复策略

我们设计了三级恢复机制：

1. Level1：普通重启（kill -HUP）
2. Level2：清理环境后重启（删除临时文件）
3. Level3：全量重置（包括配置文件回滚）

3. 实现细节与避坑指南