🦞 ClawMetry：让 AI Agent 的思考过程透明可见

一位开发者的"灵魂拷问"与开源实验

2024 年中旬，AI Agent 热潮席卷全球。Claude Code、OpenAI Codex、Cursor 等工具让开发者惊叹于 AI 自主编程的能力。然而，当这些 Agent 在后台默默工作时，一个根本性的问题浮出水面：AI Agent 到底在想什么？它为什么会调用这个工具而不是那个？它的决策依据是什么？

Vivek Chand 在自己的日常开发中遇到了真实的困境：他同时在本地运行 OpenClaw、Claude Code 和 Goose 三个不同的 Agent 框架，每当 Agent"擅自"执行了一个操作，他只能靠事后翻日志去猜它的思路。"Agent 变得越强大，我就越有一种失控感——我不知道它在做什么，也不知道它为什么这么做。"

这个痛点催生了 ClawMetry：一个零配置、可观测性导向的 AI Agent 监控平台。2024 年底正式开源，迅速在 GitHub 获得了数千星标，并在 Product Hunt 上登顶当日产品榜首。如今它已支持监控 21 个主流 AI Agent 运行时，成为 AI Agent 开发者不可或缺的"X光机"。

21 个运行时，一个仪表盘

ClawMetry 最初是为 OpenClaw 量身打造的监控工具，但设计理念从一开始就是"大一统"——只要是 AI Agent，就该被观测。

它目前支持的主流运行时包括：

第一梯队（开源免费）：OpenClaw、NVIDIA NemoClaw——这两个运行时在 ClawMetry 开源版本中完全免费使用，是项目的核心场景。

第二梯队（Beta 支持）：Claude Code、OpenAI Codex、Cursor、Goose、Aider、NanoClaw、PicoClaw、Qwen Code、opencode、Pi、Deep Agents、GitHub Copilot、Grok、Antigravity、n8n 等——这些运行时通过专用的"适配器"（Adapter）接入，ClawMetry 会解析它们各自在磁盘上存储的会话文件格式（JSONL、SQLite、Markdown 等），统一转换为 ClawMetry 的标准化数据结构，在同一个仪表盘内展示。

特别值得一提的是对 Claude Code 的深度支持。 ClawMetry 提供了一个 PreToolUse Hook 安装机制，能在 Claude Code 执行危险操作（如强制推送代码、删除文件、安装系统包）之前主动拦截，用户可以在手机上点击批准或拒绝，完全掌控 Agent 的每一个高风险行为。这在 Claude Code 官方还未提供完善权限管理时，ClawMetry 已经用工程化的方式解决了这个安全痛点。

图：Brain 标签页展示 Agent 的实时思考和工具调用事件流

不是监控，是"思维可视化"

传统的 APM（应用性能监控）关注的是系统层面的指标：CPU、内存、网络延迟。但 ClawMetry 做的是更高层次的事——追踪 LLM 的思维链路。

它会记录每一个 LLM 调用的输入输出、Token 消耗和成本估算，追踪每一次工具调用的输入参数和执行结果，还原 Agent 从收到用户指令到最终给出回复之间的完整决策路径。

举一个典型场景：你的 Claude Code Agent 在部署脚本时突然调用了 rm -rf /tmp 命令，你想知道为什么——ClawMetry 可以让你回溯到这个决策点之前 Agent 收到的完整上下文（System Prompt、历史消息、工具列表），清楚地看到它基于什么信息做出了这个选择。

图：Flow 标签页以时间线形式展示工具调用序列和执行时长

架构设计：读取引擎 + 零侵入

ClawMetry 的架构哲学非常清晰——只读不写。它从不修改 Agent 的任何数据或行为，只是安静地观察。

技术架构分为两层：数据采集层和展示层。

数据采集层通过各运行时专属的适配器（Adapter），读取它们在本地磁盘上的会话文件（JSONL、SQLite、Markdown），并通过 OpenClaw Gateway 的 WebSocket API 接收实时事件。这些数据被写入本地的 DuckDB 数据库——这是一个嵌入式分析型数据库，启动极快、无需独立服务进程，非常适合单机场景。

展示层是一个基于 Flask 的 Web 应用，默认监听 http://localhost:8900。v2 前端使用 React + Vite 构建，通过 Vite 代理与 Flask API 通信。生产环境中，React 构建产物打包到 clawmetry/static/v2/dist/，直接由 Flask 静态文件服务提供。

图：Token 和成本追踪页面，按模型和会话维度拆解费用

快速上手：一条命令搞定

ClawMetry 最大的卖点之一是零配置。安装方式极度简洁：

# 方式一：一键脚本（推荐）
curl -sSL https://raw.githubusercontent.com/vivekchand/clawmetry/main/install.sh | bash

# 方式二：pip
pip install clawmetry
clawmetry

运行后自动检测本地已安装的 Agent 运行时，打开浏览器访问 http://localhost:8900 即可看到仪表盘。如果使用 Docker 部署，也提供了官方 Dockerfile：

docker build -t clawmetry . && docker run -p 8900:8900 clawmetry

整个安装到看到数据的过程不超过 5 分钟。

图：Memory 标签页可直接浏览 Agent 的 SOUL.md、MEMORY.md 等记忆文件

功能全景：不止于监控

ClawMetry 提供的功能已经远远超出了一个普通监控工具的范畴：

• Flow（流程可视化）：实时展示消息在各个通道、大脑、工具之间的流转路径。
• Overview（总览）：健康检查、活动热力图、会话数量、模型信息一目了然。
• Usage（用量追踪）：Token 和成本按日/周/月维度拆解，帮助控制 AI 支出。
• Sessions（会话管理）：查看所有活跃 Agent 会话，包含模型、Token 消耗、上次活动时间。
• Crons（定时任务）：追踪 Agent 的定时任务执行状态和下一次运行时间。
• Logs（日志流）：实时彩色日志输出。
• Memory（记忆浏览）：直接浏览 Agent 的 SOUL.md、MEMORY.md 等工作区文件。
• Transcripts（对话回放）：气泡式 UI 回顾历史会话。
• Alerts（告警）：设置预算上限、错误率阈值、Agent 离线检测，路由到 Slack、Discord、PagerDuty、Telegram、邮件等渠道。
• Approvals（审批）：高风险工具调用需要人工批准才能执行，是安全合规场景的核心功能。

图：Security 标签页展示安全态势概览和操作审计日志

争议与局限：开源版的边界

ClawMetry 并不是完美的，在实际使用中有几个值得注意的限制：

开源版与商业版的落差。虽然 ClawMetry 支持 21 个运行时，但开源版本中真正免费可用的只有 OpenClaw 和 NVIDIA NemoClaw 这两个。对于 Claude Code、Codex、Cursor 等主流商业工具的监控，实际上需要订阅 ClawMetry Cloud 或购买 Pro 授权才能解锁。这在开源社区引发了一些讨论——"支持 21 个运行时"听起来很多，但大部分都需要付费。

适配器质量参差不齐。项目文档中明确将各运行时适配器标记为"Beta"阶段，不同运行时能采集的数据维度差异较大。例如 PicoClaw、NanoClaw 和 Cursor 并不会在磁盘上记录 Token 消耗数据，所以 ClawMetry 对这些运行时的成本追踪是"尽力而为"而非完整数据。

非 OpenClaw 运行时的延迟问题。ClawMetry 对 OpenClaw 提供了原生 Gateway WebSocket 支持，可以近乎实时地接收事件。但对于其他运行时，它依赖定期轮询磁盘上的会话文件来更新数据，刷新间隔和实时性都不如原生 WebSocket 方案。

图：告警配置支持多种触发条件和通知渠道

对 AI Agent 生态的启示

ClawMetry 的出现标志着 AI Agent 领域一个重要认知的成熟：当 Agent 进入生产环境时，可观测性不再是可选项，而是必选项。

传统的 LLM API 调用可以通过 token 计数和成本报表进行监控，但当 LLM 与工具调用、长程规划、多 Agent 协作结合在一起时，简单的 token 统计已经远远不够。开发者需要理解 Agent 的决策路径，才能真正做到安全可控。

ClawMetry 的增长曲线也值得关注：开源不到一年就获得了数千 Star，并持续快速迭代多个版本。更重要的是，它催生了一种新的工具品类——Agent 治理平台。从监控到审计、从告警到审批，ClawMetry 正在定义 AI Agent 运维的行业标准。

图：Approvals 标签页让高风险操作（如强制推送、删除文件）必须在人工批准后才执行

总结

ClawMetry 是一款专注于 AI Agent 可观测性和安全治理的开源工具，尤其适合同时运行多个 Agent 框架或希望深入理解 Agent 决策过程的开发者。它以零配置、实时可视化和多运行时支持为核心卖点，在 Claude Code 等主流工具的安全管理方面提供了工程化的解决方案。虽然开源版对非 OpenClaw 运行时的支持存在一定限制，但它在 Agent 治理领域的先驱地位和技术深度已经得到了社区的广泛认可。