追踪并分析主会话、定时任务和子代理会话中的OpenClaw令牌使用情况，按类别、客户端、模型和工具进行归因。当用户询问令牌消耗位置、需要每日/每周令牌报告、要求会话级详细分析，或计划优化令牌成本并需 transcript 数据作为依据时使用。

探索 Venice AI 可用的模型：大语言模型、图像生成器、视频、语音合成、语音识别和嵌入向量。查看功能、定价和限制条件。

精通威胁建模方法论、安全架构评审及使用STRIDE、PASTA、攻击树和安全需求提取进行风险评估

在代码库上运行基于AI的应用安全扫描。当需要扫描代码中的安全漏洞、生成威胁模型、审查代码安全问题、执行增量安全扫描或通过cron设置持续安全监控时使用。支持全量扫描（一次性）和增量扫描（由cron驱动，仅扫描新提交的代码）。

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”。