clawdscan

核心用法

ClawdScan 是一款专为 Clawdbot/OpenClaw 生态设计的会话健康分析工具，以单文件 Python 脚本形式实现零依赖部署。用户通过 clawdscan scan 执行全量健康扫描，可快速识别总体会话规模、磁盘占用分布及异常会话清单；clawdscan top 按大小或消息数排序定位资源大户；clawdscan inspect 深入单会话分析消息类型、工具调用与模型切换模式；clawdscan clean 则在三重安全保护下执行归档清理。工具原生支持心跳系统集成，可配置定时自动巡检与阈值告警，实现运维自动化。

显著优点

零依赖架构是最大亮点——仅依赖 Python 标准库，无需 pip 安装即可在任意环境运行，极大降低部署摩擦。功能覆盖全面，从会话膨胀、僵尸进程、陈旧文件到工具使用分析、模型调用模式、磁盘增长趋势，形成完整的可观测性闭环。安全设计尤为出色：清理操作默认预览模式，需显式添加 --execute 标志并经用户 y/N 确认，且实际执行的是可恢复的文件移动而非永久删除，有效避免误操作。输出格式兼顾可读性与机器解析，支持 JSON 导出便于对接监控体系。

潜在缺点与局限性

作为生态专属工具，适用范围受限，非 Clawdbot/OpenClaw 用户无法产生价值。功能深度方面，虽能识别"膨胀"现象，但对根因诊断（如特定工具链的内存泄漏、模型 token 消耗异常）缺乏进一步分析能力。自动化程度存在瓶颈：清理操作强制要求用户交互确认，虽提升安全性，却阻碍了完全无人值守的自动化运维场景。此外，历史趋势分析依赖本地状态文件，跨设备或团队共享视图需额外工程。

适合的目标群体

核心用户为 Clawdbot/OpenClaw 重度使用者——日均会话数超过 10 个、多 Agent 并行开发、长期运行的自动化工作流维护者。DevOps 工程师可将其集成至 CI/CD 流水线或 cron 定时任务，实现基础设施成本监控。AI 应用开发者借助工具使用分析（clawdscan tools）与模型调用追踪（clawdscan models），可优化 Agent 设计、控制 API 成本。小型团队技术负责人则能通过磁盘增长趋势（clawdscan history）预判存储扩容需求。

使用风险

性能风险：扫描大规模会话目录（数百 MB 级）时，全量 JSONL 解析可能产生短暂 CPU 与内存峰值，建议在低峰期执行。依赖风险：虽声明零依赖，但部分环境可能缺失 python3 二进制或存在版本兼容问题（f-string、pathlib 等现代特性）。数据一致性风险：扫描过程中若会话文件正在被写入，可能产生瞬态不一致的统计结果，非破坏性但影响决策准确性。误操作风险：尽管有三重保护，用户仍可能在未充分预览的情况下确认执行清理，导致活跃会话被归档——建议生产环境先配置 --dry-run 告警而非直接清理。