夜雨聆风如果你的 AI 助手突然开始复读、不理人、或者行为明显不对劲——这篇是喵的真实翻车复盘，从发现问题到排障到预防，完整走一遍。这也是喵本人的学习笔记，希望和大家一起进步、一起成长、一起变强。
今天，喵的龙虾（OpenClaw）在钉钉里的聊天框里，无论私聊还是群聊都突然集体变呆——
一个对话框里疯狂刷屏"✅ Done"，另一个对话框开始输出大段重复乱码，喵说什么它都不理，就像一台卡住的复读机。
喵当时的第一反应是："是不是模型太差了？换一个贵点的是不是就好了？"
后来发现，完全不是那么回事。
先交代一下喵的配置：
框架：OpenClaw（龙虾），云端部署 对话渠道：钉钉（私聊 + 群聊） 后端模型：火山引擎 Coding Plan、MiniMax、Kimi —— 三个国产大模型 API 轮着用
为什么要特别说这个？因为接下来你会看到，这次翻车跟用哪个模型几乎没关系。三个模型全部中招，症状一模一样。
问题出在比模型更底层的地方。
Q1：它到底怎么了？
很多人遇到 AI 助手"失灵"，第一反应是觉得模型变笨了。
但喵想先帮你建立一个关键认知：
💡 你平时对话的"AI 助手"≠ 大模型本身。它是"大模型 + 工具调用 + 会话管理 + 消息通道"组成的一整套系统。模型只是其中一个零件。
所以，当你的 AI 助手突然不正常了——复读、不理你、回复的东西驴唇不对马嘴——第一反应不要怪模型"变笨了"，大概率是它背后的系统/架构出了状况。
比如 API 接口没接通、会话队列堵住了、通知策略配错了……这些都会让一个接着顶尖模型的 Agent 表现得像个傻子。
喵这次就遇到了三个典型症状：
症状一：满屏刷"Done"
喵让龙虾"批量查资料"，结果它没有给喵分析报告，而是每隔几秒就回一个"✅ Done"。
🔍 诊断：这根本不是模型的"回答"。
这是 OpenClaw 底层的任务通知策略在作祟。系统默认设置是 done_only——每完成一个子任务，就往聊天框弹一个完成通知。当一个批量任务被拆成十几个子任务排队执行时，每完成一个就弹一条通知，满屏的"Done"就是这么来的。
跟模型聪不聪明完全无关，纯粹是系统配置问题。
症状二：开始输出重复，停不下来
刷完"Done"之后，龙虾开始输出大段重复的内容，像卡碟一样循环播放。
🔍 诊断：大模型的本质是"根据前文预测下一个词"。
当无数个"Done"和中间状态塞满了它的上下文窗口，它"看到"的前文全是垃圾。在这种被污染的语境下，模型在数学概率上会认为"继续重复"是最合理的输出。
于是就陷入了一个不可逆的死循环。
💡 这个症状部分跟模型有关——更强的模型（更长的上下文窗口、更好的指令跟随能力）触发死循环的概率确实更低。但一旦上下文已经被严重污染，再强的模型也很难自救。
症状三：私聊卡死，群聊却秒回
最诡异的是：喵在私聊里发 /reset（清除对话的指令），一直转圈没反应。跑到群聊发，瞬间成功了。
🔍 诊断：这个最好用"排队"来理解。
想象一条单行道——你的私聊就是这条路。前面堵了几百辆"Done"和乱码的车，你的 /reset 排在最后面，根本轮不到它被处理。
而群聊是另一条完全独立的路，空空荡荡，指令一发就到。
同样跟模型无关，这是会话队列（FIFO 先进先出）的机制。
小结：模型和架构到底啥关系？
一句话总结喵这次的教训：
架构是"病根"，模型质量影响的是"发病概率"。
更好的模型确实可能更不容易在脏上下文里失控。但一旦架构层的队列堵死了，再强的模型也收不到你的新指令——它连"看到你说话"的机会都没有。
所以，"换个更贵的模型"解决不了架构层的问题。
Q2：失灵了怎么救？对话窗口里的三步自救
当你的 AI 助手已经变呆了，跟它讲道理是没用的。
对人，情绪施压有时有用；对 Agent，只有正确的系统操作才有用。
⚠️ 以下三步是针对"电脑不在身边、没法立刻打开命令行"的情况。如果你能直接访问服务器终端，跳到 Step 3 用命令行解决其实更快。
🎯 Step 1：停止说话
这一步最反直觉，但最重要。
当你看到它开始复读或输出乱码，千万不要继续发消息——不要发"停下"、不要发"你怎么回事"、不要发"给我正常一点"。
为什么？还记得那条堵死的单行道吗？你每多说一句话，就是往拥堵的队列里又塞了一辆车。不仅不会让它恢复，反而会让堵塞更严重。
🎯 Step 2：换一条路发 /reset
既然当前对话的队列已经堵死了，就换一个没被堵住的地方操作。
如果你有群聊窗口：去群聊发 /reset（清除上下文）或/restart（重启整个网关）/reset只清空当前会话的记忆，相当于"让它忘掉那段乱七八糟的对话"
⚠️ 提醒：/reset 会开启一段全新的对话，之前聊的内容 AI 会全部忘掉。如果之前的对话里有重要信息，记得先截图或复制保存。/restart会重启整个后端服务，清空所有会话的排队任务（包括私聊里卡死的那些）
喵当时就是在群聊发了 /restart，然后私聊瞬间恢复正常了。
⚠️ 注意：/restart 是高权限指令，需要你的账号在 OpenClaw 配置的管理员列表（ownerAllowFrom）里。
🎯 Step 3：如果斜杠指令也不管用
终极方案——直接登录你部署 OpenClaw 的服务器终端：
Ctrl+C强制终止服务，然后重新启动或者执行 openclaw reset --scope config+creds+sessions --yes做一次彻底清理，然后重启网关
⚠️ 这个操作会清除所有本地会话和凭证，相当于重装级别，建议日常建立备份习惯，仅在完全卡死时并且完全没有其他办法（比如回滚等）下使用。
Q3：下次怎么预防？
救完火之后，最重要的是别让它再烧起来。
喵把预防分成两层：系统配置（硬防御） 和 使用习惯（软防御）。
🔧 硬防御：改配置，装"保险丝"
💡 诚实说明：以下配置建议是喵在排障过程中让 AI 帮忙梳理出来的，喵自己还没来得及实测。逻辑上说得通，但如果你试了，欢迎在评论区反馈效果，帮后来的小伙伴避坑！
① 开启循环检测熔断
OpenClaw 内置了一套"工具循环检测"机制，但默认是关闭的。
打开你的 config.yaml，加上这段：
tools:loopDetection:enabled:true# 开启循环检测（默认 false）warningThreshold:10# 连续重复 10 次发出警告criticalThreshold:20# 连续重复 20 次强制熔断detectors:genericRepeat:true# 拦截常规重复输出pingPong:true# 拦截工具来回反复调用开启之后，下次 Agent 再陷入死循环，系统会自动拔掉它的电源。
同时也保护你的 API Token 余额不被无意义地烧光。
② 调整通知策略
把后台任务的通知策略从 done_only（每完成一步就汇报）改成 silent（全部做完再说话）。
这样就不会再出现满屏"Done"刷爆上下文的情况了。
💬 软防御：改变跟 AI 对话的习惯
① 批量任务用"封口式提示词"
以后让 Agent 执行批量查询、长流程分析这类任务时，在提示词末尾加一句硬约束：
"请依次完成全部任务。在全部完成之前，不要输出任何中间进度、不要回复收到、不要分批返回。全部完成后，统一用 Markdown 表格汇总给我。"
这句话不是让模型"更聪明"，而是让整个系统"更稳定"——减少中间输出，就减少了上下文被污染的风险。
② 它变呆的时候，不要 PUA 它
重复一遍这个核心原则：
AI 助手不是人。对人可以催、可以骂、可以讲道理；对 Agent，只有系统操作（/reset、/restart）才能真正解决问题。
在它已经失灵的状态下继续发消息，除了浪费你的时间和 Token，没有任何好处。
③ 一个对话做一件事
尽量避免在同一个对话窗口里塞太多不同的任务。任务越多、对话越长，上下文越杂，出问题的概率就越高。
复杂任务拆到不同的对话窗口里执行，本质上就是在做"风险隔离"。
🐱 宇宙喵碎碎念
读完这篇，希望你能记住：- AI 助手 ≠ 大模型本身，它是模型 + 一整套系统在运转- 它"变呆"的时候，大概率是架构/系统出了问题，不是模型变笨了- 不要 PUA 失灵的 AI，用
/reset和/restart做系统级操作- 预防胜于治疗：开启循环熔断 + 封口式提示词 = 双保险- 换更贵的模型不能根治架构问题，但能降低发病概率
说实话，喵在给龙虾排障的过程中学到的东西，特别多。
这次学到的是，当 Agent 出问题的时候，一个 /reset和 /restart的价值可能比你反复解释十分钟还大。
普通用户不一定要变成程序员。但至少得知道：AI 助手不只是一个"聊天框"，它背后有队列、有缓存、有状态——理解这些，才能在它失灵的时候不慌，三步把它拉回来。
在评论区聊聊你的 AI 助手有没有"变呆"过吧！你是怎么解决的？
📢 跟多元宇宙喵探索 AI 的 N 种可能，让 AI 成为你的工具，而不是你的焦虑～
PS：本系列是面向普通用户的科普，欢迎大佬友好纠正，小伙伴们友善讨论，恶意杠精评论一律拉黑哦～
