面向嵌入式/固件项目的专家代码审查，采用双模型交叉审查（通过ACP整合Claude与Codex），检测内存安全问题、中断风险、RTOS陷阱、硬件接口错误以及C/C++反模式

使用加权评分模型监控客户健康状况，预测流失风险并识别增长机会，专为SaaS客户成功设计。适用于分析客户账户、审查留存指标、评估高风险客户，或用户提及流失、客户健康评分、向上销售机会、增长收入、留存分析或客户分析时运行。通过三个Python命令行工具，为企业、中端市场和中小企业不同细分市场生成确定性的健康评分、流失风险等级和优先级增长建议。

监控 OpenClaw 的令牌/配额使用情况，当任何配额低于阈值时发出警报（默认为 20%）。使用 openclaw models status 命令，仅写入本地状态文件以避免重复警报。**不处理敏感信息。令牌成本：脚本本身：0 令牌（纯 bash）。心跳集成：约 1k-2k 令牌/小时（读取 HEARTBEAT.md 并执行脚本）。警报发送：约 500-1k 令牌/次警报。优化方案：使用系统 cron 替代心跳，可将令牌消耗降至约 0（仅警报部分除外）。**

系统化回测交易策略的专业指导。适用于量化交易策略的开发、测试、压力测试与验证，涵盖“反复锤炼策略”方法论、参数稳健性测试、滑点建模、偏差规避及回测结果解读。适用于用户询问回测、策略验证、稳健性测试、避免过拟合或系统化交易开发时使用。

审计您的AI代理配置，评估性能、成本与投资回报率。扫描OpenClaw配置、定时任务、会话历史和模型使用情况，识别资源浪费并提供优化建议。兼容任何模型提供商（如Anthropic、OpenAI、Google、xAI等）。适用场景：（1）用户询问“审计我的代理”“优化我的成本”“我在AI上是否支出过高”“检查我的模型使用情况”“代理审计”“成本优化”；（2）用户想了解哪些定时任务成本高或低；（3）用户需要模型与任务匹配建议；（4）用户希望分析其代理配置的投资回报率；（5）用户询问“我在哪里浪费了token”。

通过OpenClaw网关，将任务路由至付费订阅中最合适的AI模型（Claude、ChatGPT、Codex、Gemini、Kimi）。当用户提及模型路由、多模型配置、”用Codex处理这个“、”委托给Gemini“、”路由到最佳模型“、代理委托，或已配置多个供应商的OpenClaw代理时使用。不适用于单模型对话或普通聊天。

自适应多模型AI圆桌会议。可同时运行最多四个AI模型（可配置），进行两轮辩论，支持交叉评审与正式共识评分。需配置Anthropic提供方（推荐使用Claude Opus）。可选通过Blockrun代理添加GPT-5.3 Codex（OpenAI）、Grok 4和Gemini 3.1 Pro。若可选提供方不可用，则回退至仅使用Claude的模式。结果写入本地文件系统。辩论面板代理为持久线程会话；元面板与综合代理为一次性执行。

通过智能模型路由和上下文管理，将OpenClaw成本降低60%至80%。采用低价优先的升级策略（GPT-4o → Sonnet → Opus），支持零标记心跳机制和预算防护机制，每部署实例每月节省60至105美元

在多个大语言模型API供应商之间基准测试令牌生成速度，测量首令牌延迟（TTFT）、每秒令牌吞吐量和总生成时间。适用于比较不同API供应商、模型的性能或测试API连接性。需要配合包含供应商定义的OpenCLAW配置文件使用。