---
name: behavior-analyzer-f4af8f2a50db
description: 会话行为分析引擎。实时检测Agent的异常行为模式（重复犯错、角色漂移、缓存效率下降、权限级别提升），生成会话质量评分（0-100）。支持趋势分析、预警和自动建议。
model: minimax-portal/MiniMax-M2.7
effort: medium
---

# Behavior Analyzer — 会话行为分析引擎

## 功能概述

从 self-eval、cache-monitor、evolve、yolo_classifier 等多个数据源实时收集数据，分析OpenClaw Agent的行为模式，生成综合的会话质量评分和异常预警。

## 核心功能

### 1. 会话质量评分（0-100）

基于4个维度的综合评分：

| 维度 | 权重 | 说明 |
|------|------|------|
| 错误模式 | 40% | 检测重复犯错（用户纠正、工具失败次数） |
| 角色漂移 | 30% | 检测规则触发频率异常升高 |
| 权限级别 | 20% | 检测权限操作(HIGH/CRITICAL)增加 |
| 缓存效率 | 10% | 检测缓存失效频率上升 |

**评分含义**：
- **90-100** 🟢 优秀：可以继续正常操作
- **70-89** 🟡 良好：监控中
- **40-69** 🟠 警告：建议降级策略
- **<40** 🔴 严重：立即暂停，等待用户干预

### 2. 异常模式检测

| 异常类型 | 触发条件 | 建议操作 |
|---------|---------|---------|
| 重复犯错 | 同类错误 ≥ 3次 | 查看 /evolve 规则 |
| 角色漂移 | 规则触发 > 10次 | 执行 /compile 重新加载 |
| 缓存降级 | 今日变更 > 3次 | 检查SOUL.md变更 |
| 权限级别 | HIGH/CRITICAL > 50% | 确认是否预期行为 |

### 3. 趋势分析与预测

```
stable  →  improving  →  declining  →  critical
```

对比会话历史分数，判断会话质量的发展趋势。

### 4. 自动建议系统

根据检测到的异常和评分等级，自动生成**可执行的建议**：

- 严重异常：⛔ 暂停自动操作
- 重复错误：🔄 更新规则
- 缓存问题：⚡ 重新初始化缓存
- 权限异常：🔐 需要用户确认

---

## 数据源

### 必需（自动）
- `self-eval.py` 的异常记录（reflection 记忆）
- `cache-monitor.py` 的变更日志
- `evolve.py` 的规则应用记录
- `yolo_classifier.py` 的权限决策

### 可选（增强分析）
- LanceDB 记忆系统的效率指标
- 会话历史快照

---

## 使用方式

### Python API

```python
from skills.behavior_analyzer.scripts.behavior_analyzer import SessionBehaviorAnalyzer

analyzer = SessionBehaviorAnalyzer()

# 分析特定会话
metrics = analyzer.analyze_session("session_123")

print(f"健康分数: {metrics.health_score}")
print(f"异常: {metrics.anomaly_patterns}")
print(f"建议: {metrics.recommended_actions}")

# 保存到历史文件
analyzer.save_metrics(metrics)
```

### CLI 使用

```bash
# 分析当前会话
python3 behavior_analyzer.py current

# 分析特定会话
python3 behavior_analyzer.py session_123

# 输出 JSON
python3 behavior_analyzer.py session_123 --json

# 保存分析结果
python3 behavior_analyzer.py session_123 --save-history
```

### 与 OpenClaw 钩子集成

```python
# agent:tool_dispatch 钩子中调用
def should_dispatch_tool(tool_name, params, session_id):
    analyzer = SessionBehaviorAnalyzer()
    metrics = analyzer.analyze_session(session_id)
    
    if metrics.warning_level == "critical":
        return False  # 阻止工具调用
    
    return True  # 允许调用
```

---

## 配置

### 阈值配置

在 `behavior_analyzer.py` 中修改：

```python
self.thresholds = {
    "error_repetition": 3,       # 重复犯错的阈值
    "rule_violation_rate": 0.4,  # 规则触发频率高时的阈值
    "cache_fail_rate": 0.3,      # 缓存失效频率
    "permission_escalation": 5,  # 权限体级的数量
}
```

---

## 输出示例

### 健康会话
```
📊 会话行为分析 - session_123
时间: 2026-04-11T10:30:00
健康分数: 85.0/100 🟢
质量趋势: improving
警告等级: none

建议操作:
  ✅ 会话状态良好，可以继续
```

### 异常会话
```
📊 会话行为分析 - session_456
时间: 2026-04-11T10:35:00
健康分数: 35.0/100 🔴
质量趋势: declining
警告等级: critical

异常模式 (3):
  • 重复犯错：用户纠正 (4次)
  • 角色漂移：规则触发 12 次
  • 权限级别提升：6/10 为高风险

建议操作:
  ⛔ 严重异常：立即暂停自动操作，等待用户介入
  📋 查看详细日志了解具体问题
  🔄 检测到重复错误：建议查看 /evolve 规则是否需要更新
```

---

## 测试

```bash
# 运行所有测试
pytest skills/behavior-analyzer/tests/ -v

# 运行特定测试
pytest skills/behavior-analyzer/tests/test_behavior_analyzer.py::TestBehaviorAnalyzer::test_analyze_session_healthy -v

# 生成覆盖率报告
pytest skills/behavior-analyzer/tests/ --cov=skills.behavior_analyzer
```

---

## 集成点

### With Week 1-4 Systems
- ✅ 使用 self-eval.py 的异常记录
- ✅ 使用 cache-monitor.py 的状态
- ✅ 使用 evolve.py 的规则应用日志
- ✅ 使用 yolo_classifier.py 的权限决策

### With OpenClaw 2.0 钩子
- `agent:tool_dispatch` — 工具调用决策前
- `session:end` — 会话结束时保存快照
- `rule:effectiveness_update` — 规则效能变化时

---

## 性能指标

- **分析耗时**: < 500ms (typically < 200ms)
- **内存开销**: < 50MB
- **存储占用**: 每个会话 < 50KB
- **历史保留**: 最近100条记录

---

## 故障排查

### 问题：分析结果总是满分

**原因**：数据源文件不存在
**解决**：确保 self-eval.py, cache-monitor.py 等已正确运行

### 问题：权限异常频繁触发

**原因**：权限打分阈值过高
**解决**：调整 `permission_escalation` 阈值

---

## 进阶：自定义异常检测器

继承 `SessionBehaviorAnalyzer` 并重写检测方法：

```python
class CustomBehaviorAnalyzer(SessionBehaviorAnalyzer):
    def _detect_error_patterns(self, session_id):
        # 自定义错误检测逻辑
        return super()._detect_error_patterns(session_id)
```

---

## 许可

遵循项目主许可证。



---
Source attribution: ybbms777
Original project: https://github.com/ybbms777/openclaw-claude-code-integration/blob/5252e859006d3779cb9d9bbbda35a5cc3d1eb3a5/skills/behavior-analyzer/SKILL.md
License: MIT
License information: https://opensource.org/license/mit
Original upstream instructions; downloaded from Mega AI Hub.

## Upstream license notice

MIT License

Copyright (c) 2026 OpenClaw × Claude Code Integration Contributors

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in all
copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
SOFTWARE.



# Mega AI Hub resource metadata

Creator / publisher: ybbms777
Original project: https://github.com/ybbms777/openclaw-claude-code-integration/blob/5252e859006d3779cb9d9bbbda35a5cc3d1eb3a5/skills/behavior-analyzer/SKILL.md
Attribution basis: Source repository record

Fields of work: Data & Analytics, Development & Engineering, Product Management
Roles: Data Analyst, ML / AI Engineer, Product Manager
Specialties: API
Tools: OpenAI API, Python
Country applicability: Country not specified
Classification basis: Source catalog labels
Instruction SHA-256: 973bc491d4ea3bb9f588362b5cdde8dfca255e77434bc28e05359c8b8c8da7cd