用过 OpenClaw 的朋友应该都遇到过这种情况：它在执行某个任务时踩了个坑，花了好大力气排查修复，结果下次又是同样的坑，它完全不记得之前是怎么爬出来的。

这不是 OpenClaw 不够聪明——它确实会尝试寻找并解决问题，但 AI 的会话本质上是 一次性 的。每次新会话启动，它就”失忆”了。错误排查的过程和经验，随着会话结束一起消失。

所以我写了一个叫「报错回顾」的 skill，专门来解决这个问题。

痛点在哪

OpenClaw 在执行复杂任务时会调用很多工具（Shell、API、浏览器操作等），一个任务下来几十次工具调用，出现几次报错是很正常的事。

每次报错，OpenClaw 会当场尝试修复——调整参数、换一种方法、查看错误信息然后重新尝试。这个过程其实是 有学习 的，但这个学习成果没有落地。下一次新会话中遇到同样的场景，一切从头开始。

报错的类型大致有三种。Skill 文档写错了——某个命令的参数更新了但 SKILL.md 里还是旧的；个人环境配置缺失——NAS 路径、服务器地址这些没记在文档里；AI 自己的判断失误——工具用法是对的但推理过程出了问题。

前两种属于”换个 AI 来也会报错”的问题，归根到底是文档不完善。第三种属于”下次换个思路就行”的模型行为问题。

报错回顾怎么工作

核心逻辑很直白：扫描报错 → 分析根因 → 分类 → 去重 → 持久化。

触发方式

两种：

1. 手动触发：在会话中直接说「报错回顾」，它会自动拉取当前 session 的工具调用历史，找出所有报错
2. 定时扫描：通过 cron 任务定时扫描一个周期内的全部 session，批量整理

三拍机制（去重 + 压缩 + 计数）

每次执行，每个报错都会按照「错误签名」来处理。签名是一条人能看懂的错误摘要，比如「clawhub publish 命令格式用错」。签名匹配——在已有的报错记录库中搜索，存在则计数器 +1，不存在则新建。压缩——每条记录保持在一行以内，只保留「原因 + 修复方案 + 出现次数」。高频标记——出现 10 次以上的自动标 ⚠️。

三类修复策略

就这样，错误的修复方案不再随会话消失——Skill 问题修文档，配置缺失补配置，模型误判记下来提醒自己。

执行流程

看看实际跑一次是什么样的：

1. 获取当前 session 的完整历史（通过 sessions_history），拿到所有带错误的工具调用记录
2. 逐个提取：哪个工具、报了什么错、当时的上下文是什么
3. 分析根因，按上面的三类分类
4. 分类执行修复——Skill 问题直接改 SKILL.md，配置缺失补充 TOOLS.md，模型误判更新计数器
5. 输出结构化汇报，告诉你新增了几条、累积了几次、改了哪些文件

最终报错记录库看上去是这样：

1
2
3

- [grep 无匹配返回 exit 1 被误标为工具 error] → 验证/检查步骤末尾加 || true（2次）
- [SearXNG locale 误用 zh-CN 导致容器崩溃] → LOCALE_NAMES 使用 zh-Hans-CN（1次）
- [searx python 调用未激活 venv → ModuleNotFoundError] → 必须先 source venv（1次）

每条都很短，一眼看到根因和修复方案。高频错误还带 ⚠️ 标记，方便排查哪些问题是反复踩的。

怎么用

去 ClawHub 下载安装即可：

https://clawhub.ai/zhheo/skills/zhheo-session-errorreview

安装后在会话中对 OpenClaw 说「报错回顾」就能触发。如果想让它定期自动扫描，可以让 OpenClaw 配置一个 cron 定时任务。

写在最后

算力在提升，模型在进步，但 OpenClaw 处理复杂任务的能力不仅取决于模型智商，也取决于文档的完备程度。报错回顾不是让 AI 变得更聪明，而是让它的”试错经验”能被沉淀下来，变成可持续积累的资产。

实际用下来最明显的感受是：同样的坑，踩过一次之后真的不会再踩了。而在这之前，同样的坑可以反复踩无数次——它自己不记得，用户看了也头疼。

如果你也在深度使用 OpenClaw，这个 skill 应该能帮你省不少心。