🚀 OpenClaw 性能优化实战指南

📊 关键性能指标

⚡ 核心优化策略

1. Agent池化复用

# 预先创建Agent池，避免频繁创建销毁
sessions_spawn({
  task: "初始化工作环境",
  runtime: "acp",
  cleanup: "keep",  # 保持Agent活跃
  label: "worker-1"
})
sessions_spawn({
  task: "初始化工作环境",
  runtime: "acp",
  cleanup: "keep",
  label: "worker-2"
})
# ... 批量创建

# 后续直接使用
sessions_send({
  label: "worker-1",
  message: "执行任务A"
})

2. 并发任务调度

# 使用Promise.all并发执行多个独立任务
# 在ACP Agent中：
"同时抓取10个网站的数据，使用Promise.all并发执行：
- site1.com (spawning subagent-1)
- site2.com (spawning subagent-2)
- ...
- site10.com (spawning subagent-10)
最后合并所有结果"

3. 智能缓存策略

# 缓存常见查询结果
cache:
  enabled: true
  ttl: 3600           # 缓存1小时
  max_size: 1000     # 最多1000条
  keys:
    - "weather_*"    # 天气查询缓存
    - "stock_*"       # 股票数据缓存
    - "config_*"     # 配置信息缓存

4. 资源限制与隔离

# 配置资源限制
resources:
  max_memory: "512MB"
  max_cpu: "1 core"
  max_execution_time: 300
  timeout: 30
  sandbox: "isolated"

🎯 场景化优化建议

• 高并发场景：使用Agent池 + 限流 + 熔断
• 长时间任务：设置检查点 + 状态保存 + 断点续传
• IO密集型：异步IO + 连接池 + 批量处理
• 计算密集型：增加超时 + 资源预留 + 并行计算