#OpenClaw #Guardian #模型路由 #FailClosed

记录 OpenClaw、llama-server、路由 controller 与 GPU Guardian 之间的职责拆分、交接协议和真实恢复闭环。基础安装与 provider 配置见《OpenClaw 配置续集》，当前任务状态见《OpenClaw 后续功能规划》。

一、问题边界

desktop 的 RTX 5080 同时服务本地推理和桌面应用。OpenClaw 默认访问
192.168.2.10:11435 上的 llama-server，但游戏、图像生成和模型测评会占用显存。这里需要解决的不是简单的“进程启停”，而是：

  1. 停模型前先把 OpenClaw 切到允许的备用 provider，并排空在途请求；

  2. 恢复本地前确认端口、进程、模型身份和上下文参数均正确；

  3. 任一步失败都保持云端或停止继续动作，不能留下半切换状态；

  4. 人工关闭模型不能被 Guardian 擅自重新拉起。

二、组件职责

组件 唯一职责 明确禁止
Guardian 观察 GPU、冷却时间、所有权和维护窗 直接修改 OpenClaw 配置
Controller 切换默认、agent 和已有 session 的模型路由 启停未知模型或绕过排空
模型切换脚本 启停冻结清单中的 llama-server 在旧实例未停止时启动第二实例
OpenClaw 承载会话和工具调用 自行解释 Guardian 状态并执行系统命令

Controller 是模型路由的唯一所有者。Guardian 即使未来启用真实动作，也只能通过冻结的交接接口发出请求。

三、三阶段交接协议

阶段 成功条件 失败处理
PrepareStop 备用路由生效，活动 run、队列和待发送回复连续为空 保持本地模型，不授权停止
PrepareStart OpenClaw 仍处于安全备用路由 不启动模型
RestoreLocal /health、实际 GGUF、单实例和端口均通过 继续保持备用路由

OpenClaw 本地模型调用与云端回退流程

PrepareStop、PrepareStart 与 RestoreLocal 交接时序

排空不能只检查一次。controller 会核对活动 agent run、后台任务、cron、待发送消息和
session 状态；任何超时或不确定结果都拒绝进入下一阶段。

四、实现中的关键修复

1. Windows 到 N100 的 stdin 挂起

早期实现把 JSON 经 stdin 交给远端 CLI，PowerShell 等待子进程时可能无限挂起。正式脚本改用独立 SSH 进程、固定编码 payload、连接超时和进程硬上限；超时后终止子进程，并且不会继续执行停模型动作。

2. PowerShell 5.1 返回值差异

Windows PowerShell 5.1 与 pwsh 对外部进程属性和 JSON 对象的行为不同。正式覆盖前完成
PS5.1 parser、mock 成功链、本地不健康链和排空超时链验证。

3. Agent 模型配置形态

新增 mail-summary 后，模型配置同时存在字符串和 {primary} 两种形态。controller
只增加这两种已知结构的兼容，不接受任意嵌套对象；未知形态继续 fail closed。

4. 会话规模导致单命令超时

切换十余个 session 可能超过单条远程命令的默认预算。正确方向是为 controller 的受控单命令建立与会话规模相关的预算和固定 harness，而不是增大 OpenClaw 全局超时。

五、真实闭环结果

受控窗口已经完成：

1
2
3
4
5
6
切换备用路由
→ 排空请求
→ 停止 llama-server 释放显存
→ SYSTEM 任务加载正式 UD IQ3_S
→ 核对 11435、单实例、模型身份
→ RestoreLocal

最终状态为 LocalRestored，OpenClaw healthy，正式模型和上下文参数一致。两份正式
controller 脚本均在受限备份后覆盖，哈希与冻结候选一致。

这不等于 Guardian 已进入生产自动模式。当前仍为：

  • dryRun=true；

  • 无 -EnableActions；

  • 旧自动动作任务 Disabled；

  • 人工或外部停止记为 ManualOrExternalStop。

六、近期手动 GPU 模式

近期 GPU 会被游戏占用，llama-server 由用户手动关闭。此时：

  • Guardian 不自动拉起模型；

  • 健康检查应把它识别为计划停机，而不是 Guardian 故障；

  • OpenClaw 是否使用云端 fallback 由独立的错误与隐私矩阵决定；

  • 邮件、照片、文件和家庭内部状态不得因本地模型离线而自动上云。

后续 OC-25 会补齐 compaction、session drain、错误分类和 fallback 矩阵。在此之前，不要把“本地端口不可达”简化为“所有请求均可安全转云”。

七、回滚与验收原则

每次变更前备份正式脚本和活动配置，恢复时至少核对：

  • llama-server 仅有一个正式实例；

  • 11435 listener 的进程和模型身份正确；

  • /health 与 /v1/models 一致；

  • OpenClaw defaults、agent 和 session 路由恢复；

  • cron、Guardian ownership 与 maintenance marker 无残留。

完整的工具审批边界见《OpenClaw Exec 审批与生命周期治理》。