workbuddy 运行复杂 openclaw 脚本卡顿的五大解决方案：一、沙箱化脚本执行并启用进程隔离；二、禁用内置模型代理，直连 openclaw 服务端；三、设置脚本超时与递归深度限制；四、关闭实时日志上报，重定向至文件；五、预热模型并锁定推理设备。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在 WorkBuddy 中运行复杂 OpenClaw 脚本时出现卡顿，通常是因二者耦合执行引发的资源争抢、上下文切换延迟或模型推理阻塞所致。WorkBuddy 作为前端调度层，若未对 OpenClaw 的长时异步任务做隔离处理，极易导致 UI 线程挂起、暂存盘溢出或 GPU 上下文冲突。以下是针对性解决方案：
一、解耦 OpenClaw 执行环境与 WorkBuddy 主进程
将 OpenClaw 脚本置于独立子进程运行，避免其 CPU/GPU 占用直接拖慢 WorkBuddy 主线程渲染与事件响应。该方式可消除因 Node.js 主循环被阻塞导致的界面冻结现象。
1、在 WorkBuddy「首选项」→「高级设置」中启用“沙箱化脚本执行”开关。
2、编辑脚本调用配置：将原命令 openclaw run script.claw 替换为 openclaw run --detach --no-attach script.claw。
3、验证进程隔离状态：在终端执行 ps aux | grep -E "(openclaw|workbuddy)"，确认 openclaw 进程 PPID 不为 WorkBuddy 主进程 PID。
二、禁用 WorkBuddy 内置模型代理并直连 OpenClaw 服务端
WorkBuddy 默认启用本地模型代理中间件，会对 OpenClaw 请求做二次封装与 token 缓存，当脚本含多轮嵌套调用时，该代理易成为性能瓶颈。绕过代理直连可减少约40%的请求延迟与内存暂存开销。
1、进入 WorkBuddy「首选项」→「AI 集成」→「OpenClaw 连接」。
2、关闭“启用内置模型路由代理”选项。
3、在“自定义服务地址”栏填写：http://127.0.0.1:8080（需确保 openclaw-server 已通过 docker-compose 暴露该端口）。
4、点击「测试连接」，确认返回状态码为 200 OK 且响应头含 X-OpenClaw-Version 字段。
三、限制 OpenClaw 脚本最大执行时长与递归深度
复杂脚本常含隐式无限循环或深层递归调用，导致 WorkBuddy 等待超时后强制终止进程，残留锁文件与内存句柄。设置硬性执行边界可防止此类失控状态蔓延。
1、在脚本首行添加元指令：#@timeout=60s #@max_depth=8。
2、若使用 YAML 格式脚本，在顶层添加 timeout 和 max_recursion 字段，并设值为 60 与 8。
3、重启 WorkBuddy 后，执行该脚本，观察控制台是否在超时时输出 ERROR: Script execution aborted due to timeout。
四、重定向 OpenClaw 日志输出至独立文件并关闭实时流式上报
WorkBuddy 默认监听 OpenClaw 的 stdout/stderr 流以实现日志内嵌展示，但复杂脚本产生的高频 debug 输出会触发大量 DOM 更新与字符串解析，造成主线程抖动。关闭实时流并转存可释放 UI 层压力。
1、在 WorkBuddy「首选项」→「调试」中，取消勾选“实时捕获 OpenClaw 控制台输出”。
2、编辑 ~/.openclaw/openclaw.json，在 agents.defaults 下添加字段："log_to_file": true, "log_level": "warn"。
3、确认日志路径生效：执行 openclaw run script.claw 后，检查 /root/.openclaw/logs/ 目录下是否生成 timestamp-script.claw.log 文件，且内容不含 INFO 级别调试信息。
五、预热 OpenClaw 模型并锁定推理设备
首次运行复杂脚本时，OpenClaw 需动态加载模型权重与编译 OpenCL kernel，此过程可能耗时数十秒且不可中断，导致 WorkBuddy 显示“无响应”。预先完成初始化并绑定设备可规避冷启动卡顿。
1、在系统启动后、WorkBuddy 启动前，执行预热命令：openclaw warmup --model phi-3-mini-4k-instruct --device gpu。
2、验证预热完成：运行 openclaw status，确认输出中 device_state 字段为 ready 且 model_loaded_time 小于 2 秒。
3、在脚本中显式指定设备：添加指令 #@device=gpu #@precision=q4_k_m 至脚本头部。
