数据分析
日志异常检测
用统计方式持续盯日志，发现错误激增时快速告警。
稳定运行
开始之前 · 信息待补充
本案例尚未记录结构化的验证范围。请先阅读原始步骤与来源，确认账号、费用和权限要求。
平台、账号要求、费用和验证版本：未记录。
这个案例能帮你做什么
- 自动比较当前错误率和历史基线，及早发现异常。
- 区分 warning 与 urgent，减少无效报警。
- 让夜间问题在影响用户前被提前捕获。
你需要的 Skills（按类型）
| 类型 | Skill | 用途 | 来源 |
|---|---|---|---|
| 内置 | filesystem |
读取与分析日志文件 | OpenClaw Built-in |
| 内置 | telegram |
发送异常告警 | OpenClaw Built-in |
快速体验版（先跑一轮）
你是我的 OpenClaw 助手。
请帮我做“日志异常检测”的预演版：
1. 读取最近30分钟日志。
2. 统计 ERROR 类型频率。
3. 与近24小时基线比较。
4. 输出 warning/critical 判定和样例错误。
稳定自动版（可长期运行）
1) 异常检测逻辑
function detectAnomaly(lines) {
const errorRate = lines.filter(l => l.includes('ERROR')).length / lines.length;
const baseline = getBaseline(); // Historical average
return errorRate > baseline * 2;
}
2) OpenClaw 执行提示词（自动版）
你是我的 OpenClaw 助手，请执行“Log Anomaly Detection”。
每 30 分钟执行：
1. 读取最近日志。
2. 按错误类型统计频率。
3. 对比滚动24小时基线。
4. 超过2倍基线：warning。
5. 超过5倍基线：立即告警。
6. 告警中附带样例错误消息。
成功标准
- Anomalies detected within 30 min
- False positive rate <10%
- Zero missed critical errors
引用来源
把有用的案例留在手边
在 GitHub Star 收藏中文案例库，也欢迎提交你的实践与改进。
由 Cogine 团队整理与维护。我们也在构建将 AI 带进日常工作的产品。 · 了解 Cogine 的 AI 工作流产品