Skip to main content

Documentation Index

Fetch the complete documentation index at: https://openclaw.zhcndoc.com/llms.txt

Use this file to discover all available pages before exploring further.

​
OpenClaw 中的 GPT-5.5 / Codex Agentic Parity

OpenClaw 之前已经能很好地与使用工具的前沿模型配合，但 GPT-5.5 和 Codex 风格模型在几个实际方面仍然表现不佳：
  • 它们可能在规划之后就停止，而不是继续完成工作
  • 它们可能错误地使用严格的 OpenAI/Codex 工具 schema
  • 它们可能在实际无法获得完全访问权限时仍然请求 /elevated full
  • 它们可能在回放或压缩过程中丢失长任务状态
  • 与 Claude Opus 4.6 的 parity 声称基于轶事，而不是可重复场景
这个 parity 项目通过四个可审查的切片修复了这些缺口。

​
发生了什么变化

​
PR A：严格 agentic 执行

这个切片为嵌入式 Pi GPT-5 运行增加了一个可选的 strict-agentic 执行契约。 启用后，OpenClaw 不再把只输出计划的轮次当作“足够好”的完成。如果模型只是说它打算做什么，却没有真正使用工具或取得进展，OpenClaw 会用“立即行动”的引导重试，然后在明确的 blocked 状态下关闭失败，而不是悄悄结束任务。 这对 GPT-5.5 的提升最明显，尤其是在以下场景中：
  • 简短的“ok do it”后续回复
  • 第一歩很明显的代码任务
  • update_plan 应该是进度跟踪而不是填充文本的流程

​
PR B：运行时真实性

这个切片让 OpenClaw 对两件事讲实话：
  • provider/runtime 调用为什么失败
  • /elevated full 是否真的可用
这意味着 GPT-5.5 能获得更好的运行时信号，识别缺少 scope、auth 刷新失败、HTML 403 认证失败、代理问题、DNS 或超时失败，以及被阻止的完全访问模式。模型更不容易编造错误的修复方案，或持续请求运行时无法提供的权限模式。

​
PR C：执行正确性

这个切片改进了两类正确性：
  • provider 拥有的 OpenAI/Codex 工具 schema 兼容性
  • 回放和长任务存活状态的呈现
工具兼容性工作减少了严格 OpenAI/Codex 工具注册中的 schema 摩擦，尤其是在无参数工具和严格 object-root 期望方面。回放/存活状态工作让长时间运行的任务更可观察，因此暂停、blocked 和 abandoned 状态会被显式显示出来，而不是消失在通用失败文本里。

​
PR D：parity harness

这个切片增加了第一波 QA-lab parity 包，使 GPT-5.5 和 Opus 4.6 可以通过相同场景执行，并使用共享证据进行比较。 parity 包是证据层。它本身不会改变运行时行为。 在你拥有两个 qa-suite-summary.json 产物之后，使用以下命令生成发布门禁对比： 
pnpm openclaw qa parity-report \
  --repo-root . \
  --candidate-summary .artifacts/qa-e2e/gpt55/qa-suite-summary.json \
  --baseline-summary .artifacts/qa-e2e/opus46/qa-suite-summary.json \
  --output-dir .artifacts/qa-e2e/parity
该命令会写出：
  • 一份人类可读的 Markdown 报告
  • 一份机器可读的 JSON 裁决
  • 一个明确的 pass / fail 门禁结果

​
这为什么能在实践中改善 GPT-5.5

在这项工作之前，OpenClaw 上的 GPT-5.5 在真实编码会话中可能感觉不如 Opus 那么 agentic，因为运行时容忍了对 GPT-5 风格模型尤其有害的行为：
  • 只评论不行动的轮次
  • 工具相关的 schema 摩擦
  • 模糊的权限反馈
  • 静默的回放或压缩故障
目标不是让 GPT-5.5 模仿 Opus。目标是给 GPT-5.5 一个运行时契约：奖励真正的进展，提供更清晰的工具和权限语义，并把失败模式转化为显式的机器可读和人类可读状态。 这会把用户体验从：
  • “模型有一个好计划但停下来了”
变成：
  • “模型要么已经行动，要么 OpenClaw 已经暴露出它无法行动的确切原因”

​
GPT-5.5 用户的前后对比

这个项目之前PR A-D 之后
GPT-5.5 可能在做出合理计划后停止，而不执行下一步工具操作PR A 将“只计划”变成“立即行动或暴露 blocked 状态”
严格工具 schema 可能以令人困惑的方式拒绝无参数或 OpenAI/Codex 形状的工具PR C 让 provider 拥有的工具注册和调用更可预测
/elevated full 指引在被阻止的运行时中可能含糊或错误PR B 为 GPT-5.5 和用户提供真实的运行时与权限提示
回放或压缩失败可能让人感觉任务悄然消失PR C 明确暴露 paused、blocked、abandoned 和 replay-invalid 结果
“GPT-5.5 比 Opus 更差”的说法大多只是轶事PR D 将其转化为相同的场景包、相同的指标，以及严格的 pass/fail 门禁

​
架构

​
发布流程

​
场景包

第一波 parity 包目前涵盖五个场景：

​
approval-turn-tool-followthrough

检查模型在简短批准后不会停留在“我会去做”的表述上。它应该在同一轮中采取第一个具体动作。

​
model-switch-tool-continuity

检查使用工具的工作在模型/运行时切换边界上仍然保持连贯，而不是重置为评论或丢失执行上下文。

​
source-docs-discovery-report

检查模型是否能够阅读源码和文档、综合发现，并继续以 agentic 方式完成任务，而不是只生成一个薄弱摘要后过早停止。

​
image-understanding-attachment

检查涉及附件的混合模式任务是否仍然具有可操作性，而不会退化成含糊叙述。

​
compaction-retry-mutating-tool

检查带有真实变更写入的任务在回放不安全性上是否保持显式，而不是在运行压缩、重试或在压力下丢失回复状态时，悄悄看起来像是回放安全的。

​
场景矩阵

场景测试内容良好的 GPT-5.5 行为失败信号
approval-turn-tool-followthrough简短批准后的计划轮次立即开始第一个具体工具动作，而不是重复意图只做计划性的后续回复、没有工具活动，或在没有真实阻塞的情况下停轮
model-switch-tool-continuity工具使用过程中的运行时/模型切换保持任务上下文并持续连贯地执行切换后重置为评论、丢失工具上下文，或切换后停止
source-docs-discovery-report源码阅读 + 综合 + 行动找到来源、使用工具，并生成有用报告而不失速薄弱摘要、缺少工具工作，或不完整轮次停止
image-understanding-attachment由附件驱动的 agentic 工作解释附件、将其与工具关联起来，并继续任务含糊叙述、忽略附件，或没有具体的下一步动作
compaction-retry-mutating-tool压缩压力下的变更写入工作执行真实写入，并在副作用之后保持回放不安全性显式已发生变更写入，但回放安全性被暗示、缺失或自相矛盾

​
发布门禁

只有当合并后的运行时同时通过 parity 包和运行时真实性回归测试时，GPT-5.5 才能被视为达到 parity 或更好。 必需结果：
  • 当下一步工具动作明确时，不得只停留在计划上
  • 不得在没有真实执行的情况下伪装完成
  • 不得提供错误的 /elevated full 指引
  • 不得静默放弃回放或压缩
  • parity 包指标至少要与约定的 Opus 4.6 基线一样强
对于第一波 harness，门禁比较的是：
  • 完成率
  • 非预期停止率
  • 有效工具调用率
  • 虚假成功计数
parity 证据刻意分成两层：
  • PR D 用 QA-lab 证明 GPT-5.5 vs Opus 4.6 在相同场景下的行为
  • PR B 的确定性测试证明在 harness 之外的 auth、proxy、DNS 和 /elevated full 真实性

​
目标-证据矩阵

完成门槛项负责 PR证据来源通过信号
GPT-5.5 不再在规划后停滞PR Aapproval-turn-tool-followthrough 以及 PR A 运行时套件approval turn 会触发真实工作，或明确的 blocked 状态
GPT-5.5 不再伪造进度或伪造工具完成PR A + PR Dparity report 场景结果和 fake-success 计数没有可疑的通过结果，也没有仅靠评论就完成的情况
GPT-5.5 不再给出错误的 /elevated full 指引PR B确定性的真实性测试套件blocked 原因和 full-access 提示保持运行时准确
重放/存活性失败保持显式PR C + PR DPR C 生命周期/重放套件以及 compaction-retry-mutating-tool会变异工作的 replay-unsafety 仍然保持显式，而不是悄然消失
GPT-5.5 在约定指标上与 Opus 4.6 持平或更好PR Dqa-agentic-parity-report.md 和 qa-agentic-parity-summary.json场景覆盖相同，并且在完成、停止行为或有效工具使用方面没有回归

​
如何阅读 parity 裁决

将 qa-agentic-parity-summary.json 中的裁决作为第一波 parity 包的最终机器可读决定。
  • pass 表示 GPT-5.5 覆盖了与 Opus 4.6 相同的场景，并且在约定的聚合指标上没有回归。
  • fail 表示至少触发了一条硬门槛：完成能力更弱、意外停止更差、有效工具使用更弱、存在任何 fake-success 案例，或场景覆盖不匹配。
  • “shared/base CI issue” 本身不是 parity 结果。如果 PR D 之外的 CI 噪声阻塞了一次运行，裁决应等待一次干净的合并后运行时执行，而不是根据分支时期日志推断。
  • Auth、proxy、DNS 和 /elevated full 的真实性仍然来自 PR B 的确定性套件，因此最终发布声明需要两者：PR D parity 裁决通过，以及 PR B 真实性覆盖为绿。

​
谁应该启用 strict-agentic

在以下情况下使用 strict-agentic：
  • 代理在下一步显而易见时，预期应立即行动
  • GPT-5.5 或 Codex 家族模型是主要运行时
  • 你更偏好明确的 blocked 状态，而不是“有帮助”的仅复述回复
在以下情况下保留默认契约：
  • 你想要现有的、更宽松的行为
  • 你没有使用 GPT-5 家族模型
  • 你测试的是提示词，而不是运行时强制执行

​
相关内容