首页
/ ECC 在 OpenClaw Harness 上的安装落地与健康检查:基于 .openclaw 目录的完整实战指南

ECC 在 OpenClaw Harness 上的安装落地与健康检查:基于 .openclaw 目录的完整实战指南

2026-09-06 19:04:54作者:仰钰奇

本篇指南聚焦当前仓库为 OpenClaw(多智能体 Harness)预置的 .openclaw 集成层:它对应 ECC(Everything Claude Code)配置体系在 OpenClaw Harness 上的标准化安装目录,说明用一行命令完成手动安装、落地后的组件目录结构、为何绝不触碰 OpenClaw 原生配置,以及如何用 ecc-universal doctor 校验安装健康。读完你可以直接在本地为 OpenClaw 部署一套共享编码规则、可复用技能、斜杠命令与 Agent 指令,并掌握相应的底层安装器实现原理。

一、.openclaw/README.md 是什么:ECC 的 OpenClaw 集成入口

在当前仓库根目录下的 .openclaw/README.md 是一份面向 OpenClaw Harness 的“落地说明文档”。它声明该目录承载 ECC(Everything Claude Code)针对 OpenClaw Harness 的整套配置,并浓缩回答三个问题:装了什么、怎么手动装、装完注意什么。

从仓库结构看,ECC 是一个典型的“一源多目标”Harness 优化体系(项目描述中称为 agent harness performance optimization system),同类配置还出现在 .claude.codex.cursor.opencode 等 Harness 命名空间中,而 OpenClaw 是众多受支持的安装目标之一。.openclaw/README.md 相当于该目标门类的“说明书与健康标准”:它不描述 ECC 全量能力,只精确描述 OpenClaw 场景下应出现的组件与最小安装路径,这与文档“主次分明、聚焦于本 Harness 目标”的定位一致。

二、ECC 会为 OpenClaw 安装什么

文档明确列出安装后在 .openclaw 目录中落地的四类内容,构成了 OpenClaw Harness 感知 ECC 能力的全部入口:

安装项 作用 仓库侧源内容
rules/ecc/ 共享编码规则与工程规范 仓库根 rules 目录(含各语言/框架子目录,另有 rules/README.md 总览)
skills/ecc/ 可复用技能库 仓库根 skills 目录下数百个可复用 Skill
commands/ 斜杠命令(slash commands) 仓库根 commands 目录的命令文档与脚本
AGENTS.md Agent 指令与项目级引导 仓库根 AGENTS.md

这一清单与安装清单 manifests/install-modules.json 相互印证:其中 rules-coreagents-corecommands-coreplatform-configs 等模块的 targets 数组均把 openclaw 列为受支持目标,且 platform-configs 模块的 paths 中直接包含 ".openclaw"——也就是说,仓库内的 .openclaw 目录本身会作为配置源被搬运到安装目标中。

需要特别说明的是:当前仓库中的 .openclaw 目录仅含 README 与配置命名空间本身,真正的规则、技能、命令文件均位于仓库根,安装器负责在落地时按目标布局组织到对应子路径,因此“源码归源码、布局归布局”,这正是 ECC 统一清单驱动设计的体现。

三、手动安装:一行命令完成 OpenClaw 目标部署

文档给出的标准手动安装命令为:

bash ./install.sh --target openclaw --profile minimal

拆解这条命令,它在安装器语义中包含两层关键参数:

  • --target openclaw:显式指定安装目标为 OpenClaw。从 scripts/doctor.js 的帮助文本可见其对 openclaw 目标的定位是“Install shared rules/skills/commands into ~/.openclaw/”,即向用户主目录下的 .openclaw 写入共享规则、技能与命令;
  • --profile minimal:选用名为 minimal 的预置安装档。查 manifests/install-profiles.json 可知该档描述为“不含 Hook 运行时的低上下文 Claude Code 配置”,会依序装配 rules-coreagents-corecommands-coreplatform-configsworkflow-quality 五个模块。结合上一节的 openclaw 目标匹配关系,minimal 恰好与文档列举的四类安装产物一一对应,且刻意排除了 hooks-runtime——这与 OpenClaw 目标不配置 ECC Hook 的设计一致(install-modules.jsonhooks-runtime 模块的目标列表本就只覆盖 claude/cursor/opencode 等,不含 openclaw)。

3.1 install.sh 其实是一个 bash 包装器

从源码看,install.sh 并非安装逻辑本体,而是一个“Legacy shell 入口”:

  • 通过 readlink 循环解析符号链接,定位真实的仓库/包根目录(便于在 npm bin 软链场景下仍能找到源码);
  • 当以 git clone 方式运行时,若缺少 node_modules 会自动执行 npm install --no-audit --no-fund
  • 在 MSYS2/Git Bash 环境下调用 cygpath -w 将 POSIX 路径转为 Windows 路径,规避 Git Bash 自动路径转换导致的重复路径问题;
  • 最终 exec node scripts/install-apply.js "$@" 把参数透传给 Node 运行时。

真正干活的是 scripts/install-apply.js,它提供完整的参数语法,除 --profile 外还可组合使用 --modules <id,id,...>--with <component> / --without <component>--skills <skill-id>--dry-run--json 以及 --config <path>。因此面向 OpenClaw 的安装并不只有 minimal 一种选择,你可以例如用:

bash ./install.sh --target openclaw --modules rules-core,commands-core --with some-component

做精细裁剪,或加 --dry-run 先预览将要落地的文件而不实际写入。

3.2 源码侧的“OpenClaw 目标适配器”

安装器之所以能理解“目标叫 openclaw、根目录是 ~/.openclaw、状态文件叫 ecc-install-state.json”,是因为注册表中挂载了专门的适配器。核心证据有三处:

从这一结构可以推断:安装完成后,~/.openclaw/ecc-install-state.json 会记录本次安装的模块与目标元数据,供后续健康检查与增量安装判定使用。

四、设计边界:绝不触碰 OpenClaw 自身配置

文档在 Notes 一节做出了一条明确承诺:

OpenClaw 自身的配置文件(openclaw.jsonconfig.toml.env 等)不会被 ECC 安装所触碰。

这是 ECC 与 Harness 集成时最重要的边界原则:ECC 只做“能力追加”(写入自己的 rules/skills/commands/AGENTS.md 与状态文件),不干预 Harness 的启动配置、模型路由、凭据与运行参数。对使用者而言,这意味着:

  • 安装 ECC 后 OpenClaw 原有的行为与安全设置不受影响,卸载只需移除 ECC 自身产物;
  • openclaw.json / config.toml 中关于模型、工具、Agent 的既有配置可放心保留,不存在被覆盖的升级风险;
  • 若 OpenClaw 后续调整自身配置导致功能异常,排查时可先隔离 ECC 影响面,因为二者写入路径完全分离。

该原则同样体现在模块设计上:OpenClaw 目标默认不安装 hooks-runtime,即 ECC 不会向该 Harness 注入运行期 Hook 拦截逻辑,进一步降低了侵入性。

五、安装后的健康检查:ecc-universal doctor

文档提供的健康检查命令为:

npx ecc-universal doctor --target openclaw

这条命令的语义可从仓库源码得到印证:

  • 仓库在 package.json 中以 "name": "ecc-universal" 命名包,binecc-universal 指向 scripts/ecc.js,因此 npx ecc-universal doctor ... 实际路由到同一套 doctor 实现;
  • 底层的 scripts/doctor.js 用法声明为 node scripts/doctor.js [--target <supported-targets>] [--json],支持 --target 显式指定目标、--json 输出结构化结果以便脚本消费。

于是你也可以跳过 npx 直接执行:

node scripts/doctor.js --target openclaw

doctor 会以 openclaw 为目标校验安装健康度,覆盖安装状态文件是否存在、模块清单是否齐备、目录结构是否符合预期等内容;--json 模式适合接入 CI 或本地自动化巡检。文档将健康检查列为安装后的默认收尾动作,这与“安装 → 校验”闭环的工程习惯一致。

六、参考同类目标理解 OpenClaw 定位(可选视野)

虽然本文聚焦 OpenClaw,但理解它在 ECC 目标矩阵中的位置有助于判断适用边界。doctor 帮助文本与安装清单显示,ECC 支持 claude(默认、含托管 rules 与扁平 skills)、claude-project、cursor、codex、opencode、gemini、openclaw、hermes、kimi、adal 等十余个目标;其中 openclaw 属于“共享规则/技能/命令写入用户主目录”的家庭目录(home)型目标,与 cursor/codex 这类“项目内 .xxx 目录”型目标在写入位置上不同。这一差异决定了:

  • OpenClaw 的 ECC 能力是跨项目共享的(写于 ~/.openclaw/),而非绑定到单一代码仓库;
  • 使用 --profile minimal 时不会部署 Hook 运行时,因而天然适配“尽量少侵入 Harness”的 OpenClaw 集成策略。

小结

围绕 .openclaw/README.md,可以把 ECC 对 OpenClaw 的集成概括为一条主线:内容上安装 rules/ecc、skills/ecc、commands、AGENTS.md 四类能力;操作上执行 bash ./install.sh --target openclaw --profile minimal 即可完成最小安装;边界上绝不写 OpenClaw 自身的 openclaw.jsonconfig.toml.env验收上npx ecc-universal doctor --target openclaw 校验健康。配合 scripts/lib/install-targets/openclaw-home.jsmanifests/install-modules.jsonmanifests/install-profiles.json 等源码清单,你既能在命令行中快速落地,也能在出问题时深入安装器内部定位根因。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
33
18
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.13 K
2.75 K
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
857
1.35 K
docsdocs
暂无描述
Markdown
897
5.8 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
529
593
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
916
1.83 K
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.58 K
1.01 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.35 K
1.46 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
1.01 K
515
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
547
388