一、引言

如果你的 OpenClaw 智能体是一个黑盒，你如何知道：

• 它什么时候调用了大模型 API？
• 每次任务执行花了多长时间？
• 有没有异常错误或性能瓶颈？
• 如何优化成本？

答案就是：可观测性。

本文将手把手教你用阿里云日志服务（SLS）给 OpenClaw 装上"X 光机"，让每一行代码、每一次调用都清晰可见。

二、为什么 OpenClaw 需要可观测性？

2.1 智能体运行的三大黑盒

1. 模型调用黑盒

   • 调用了哪个模型？
   • Token 消耗多少？
   • 响应时间多长？

2. 任务执行黑盒

   • 哪些技能被触发？
   • 执行成功还是失败？
   • 耗时分布如何？

3. 资源使用黑盒

   • CPU/内存使用率？
   • 并发会话数多少？
   • 是否存在资源泄漏？

2.2 可观测性带来的价值

• 问题快速定位：从"不知道哪里错了"到"30 秒定位根因"
• 成本优化：识别高消耗调用，优化模型选择策略
• 性能提升：发现瓶颈，针对性优化
• 安全合规：审计所有操作，满足企业合规要求
  

三、阿里云 SLS 核心能力介绍

3.1 什么是 SLS？

阿里云日志服务（Simple Log Service）是云原生可观测平台，提供：

• 日志采集与存储
• 实时查询与分析
• 监控告警
• 可视化仪表盘
• 链路追踪

3.2 为什么选择 SLS？

• 开箱即用：无需搭建基础设施
• 弹性伸缩：按量付费，自动扩容
• 生态集成：与阿里云产品深度集成
• 成本低廉：相比自建 ELK 栈，成本降低 50%+

四、一行命令部署 SLS 集成

4.1 前置准备

1. 开通阿里云 SLS 服务
2. 创建 Project 和 Logstore
3. 获取访问密钥（AccessKey）

4.2 安装 SLS Agent

# 一行命令安装 SLS Logtail
curl -s https://logtail-release.oss-cn-hangzhou.aliyuncs.com/linux64/logtail.sh | bash -s install <your_project_name> <your_logstore_name>

4.3 配置 OpenClaw 日志输出

在 OpenClaw 配置文件中添加：

logging:
  level: info
  format: json
  output:
    - type: file
      path: /var/log/openclaw/app.log
    - type: sls
      project: your-project
      logstore: openclaw-logs
      endpoint: cn-hangzhou.log.aliyuncs.com
      accessKeyId: <your_access_key>
      accessKeySecret: <your_secret>

五、核心日志采集点

5.1 模型调用日志

{
   
  "timestamp": "2026-03-18T10:00:00Z",
  "type": "model_call",
  "model": "qwen3.5-plus",
  "input_tokens": 1500,
  "output_tokens": 300,
  "latency_ms": 2300,
  "cost": 0.012,
  "session_id": "sess_abc123"
}

5.2 技能执行日志

{
   
  "timestamp": "2026-03-18T10:00:05Z",
  "type": "skill_execution",
  "skill_name": "browser.snapshot",
  "status": "success",
  "duration_ms": 1500,
  "session_id": "sess_abc123"
}

5.3 错误日志

{
   
  "timestamp": "2026-03-18T10:00:10Z",
  "type": "error",
  "level": "error",
  "message": "API rate limit exceeded",
  "stack_trace": "...",
  "session_id": "sess_abc123"
}

六、实战：构建可观测仪表盘

6.1 创建 SLS 仪表盘

在 SLS 控制台创建以下图表：

图表 1：模型调用趋势

* | select date_trunc('minute', __time__) as time, 
         count(*) as calls,
         sum(json_extract_scalar(body, '$.input_tokens')) as input_tokens,
         sum(json_extract_scalar(body, '$.output_tokens')) as output_tokens
  where type = 'model_call'
  group by time
  order by time

图表 2：技能执行耗时分布

* | select json_extract_scalar(body, '$.skill_name') as skill,
         approx_percentile(json_extract_scalar(body, '$.duration_ms'), 0.5) as p50,
         approx_percentile(json_extract_scalar(body, '$.duration_ms'), 0.95) as p95,
         approx_percentile(json_extract_scalar(body, '$.duration_ms'), 0.99) as p99
  where type = 'skill_execution'
  group by skill

图表 3：错误率监控

* | select date_trunc('minute', __time__) as time,
         count(*) as total,
         sum(case when type = 'error' then 1 else 0 end) as errors,
         100.0 * sum(case when type = 'error' then 1 else 0 end) / count(*) as error_rate
  group by time
  order by time

6.2 配置告警规则

alerts:
  - name: 高错误率告警
    condition: error_rate > 5%
    window: 5m
    notification:
      type: dingtalk
      webhook: https://oapi.dingtalk.com/robot/send

  - name: 高延迟告警
    condition: p99_latency > 10000ms
    window: 5m
    notification:
      type: sms
      phone: 138****0000

  - name: 成本异常告警
    condition: hourly_cost > 100
    window: 1h
    notification:
      type: email
      to: admin@example.com

七、链路追踪：从请求到响应的全链路

7.1 Trace ID 传递

在 OpenClaw 中为每个会话生成唯一 Trace ID：

const traceId = `trace_${
     Date.now()}_${
     Math.random().toString(36).substr(2, 9)}`;
logger.setContext({
    traceId, sessionId });

7.2 链路可视化

在 SLS 中配置链路追踪视图，可以看到：

1. 用户消息接收
2. 模型调用
3. 技能执行
4. 响应返回

完整链路，快速定位瓶颈环节。

八、成本优化实战

8.1 识别高消耗调用

* | select json_extract_scalar(body, '$.model') as model,
         sum(json_extract_scalar(body, '$.cost')) as total_cost,
         count(*) as call_count
  where type = 'model_call'
  group by model
  order by total_cost desc
  limit 10

8.2 优化策略

根据分析结果：

• 简单任务 → 使用 qwen3.5-flash（低成本）
• 复杂推理 → 使用 qwen3.5-plus（平衡）
• 代码生成 → 使用 qwen3-coder-plus（专用）

通过智能路由，可降低 40%+ 模型成本。

九、安全与合规

9.1 审计日志

所有操作记录到 SLS，满足：

• 操作可追溯
• 数据不篡改
• 合规审计要求

9.2 敏感信息脱敏

在日志采集阶段自动脱敏：

processors:
  - type: mask
    fields:
      - api_key
      - password
      - token
    mask_with: "***"

十、总结

通过集成阿里云 SLS，OpenClaw 智能体获得了：

✅ 全链路可观测：从用户请求到模型响应，全程透明
✅ 实时监控告警：问题早发现，早处理
✅ 成本优化依据：数据驱动决策，降低 40%+ 成本
✅ 安全合规保障：完整审计日志，满足企业要求

一行命令，让养虾更经济更安全！

参考资料：

• 阿里云 SLS 官方文档：https://help.aliyun.com/product/28958.html
• OpenClaw 官方文档：https://docs.openclaw.ai
• 阿里云部署OpenClaw官网文档：https://www.aliyun.com/activity/ecs/clawdbot
• 日志服务 Logtail 配置指南