aaaaqwq/model-fallback

模型降级与故障切换（实战版）

⚠️ 本文档基于 OpenClaw 2026.3.28 (f9b1079) 实战验证，非理论文档。

触发词

• 模型降级 / fallback / 故障切换
• model switch / LiveSessionModelSwitchError
• cron 模型 / session model
• shibacc 欠费 / 余额不足

---

一、Model 优先级机制

三层模型解析（优先级从高到低）

1. cron payload.model  →  单个 cron 任务独立指定
2. agent model.primary  →  agent 级配置
3. agents.defaults.model.primary  →  全局默认

额外层级

agents.defaults.subagents.model  →  sessions_spawn 子任务默认模型

⚠️ 易遗漏！ 2026-03-31 事故中，agent primary 已改但 subagents.model 还是旧值，导致子任务全部走失败的 provider。

---

二、Cron Model 继承机制

三种情况

| payload.kind | payload.model | 实际使用的模型 | |--------------|--------------|--------------| | agentTurn | 显式指定（如 zai/glm-5.1）| 用指定的 ✅ | | agentTurn | 未指定 | 继承 agent 的 primary model | | systemEvent | N/A | 不走 LLM，纯文本注入 |

payload.fallbacks 也可以独立指定

"payload": {
  "kind": "agentTurn",
  "model": "zai/glm-5.1",
  "fallbacks": ["minimax/MiniMax-M2.7-highspeed", "xingsuancode/claude-opus-4-6"],
  "message": "..."
}

不指定则继承 agent 的 fallbacks 配置。

---

三、Session 缓存陷阱（核心坑）

问题描述

OpenClaw session 以 JSONL 文件持久化在磁盘：

~/.openclaw/agents/*/sessions/*.jsonl

session 文件内缓存了当前使用的 model 名称。即使 config 改了 primary，session 文件里的旧 model 不会自动更新。

表现

• isolated session（cron 默认）理论上每次创建新 session，但仍可能复用缓存的 model 映射
• session:xxx（绑定到特定 session）100% 会复用旧 model
• Gateway SIGUSR1 热重启（config reload）不清除 session 缓存
• Gateway 完整重启也不清除——session 文件从磁盘重新加载

解决方案

1. 对活跃 session：在 Telegram 群里对该 agent 执行 /new 重置 session
2. 对 cron isolated session：等旧 session 自然过期被清理，或删除 session 文件后重启
3. 对 sessionTarget="session:xxx" 的 cron：必须手动 /new 对应 session 或更新 cron 的 sessionTarget

---

四、LiveSessionModelSwitchError Bug

Bug 揎标题

GitHub Issue: openclaw/openclaw#58406

触发条件

当 fallback 过程中，OpenClaw 检测到 session 的 model 被并发修改（live session model switch detected before attempt），会把所有 fallback 候选模型标记为 candidate_failed (reason=unknown)，不实际尝试 API 调用。

日志特征

[model-fallback/decision] candidate_failed requested=shibacc/claude-opus-4-6 candidate=zai/glm-5.1 reason=unknown
[agent/embedded] live session model switch detected before attempt: zai/glm-5.1 -> shibacc/claude-opus-4-6

根因

Fallback 流程中的 "live session model switch detection" 过于激进，不区分：

• 真正的用户主动切换（应该放弃）
• fallback 过程中的正常模型变化（应该继续尝试）

临时 Workaround

• 不要在 fallback 过程中手动 /model 切换
• 将所有 agent primary 设为可用模型，减少对 fallback 链的依赖
• 确保没有并发操作修改 session model

---

五、运维 SOP

模型供应商故障时

# 1. 确认哪个 provider 挂了
journalctl _PID=$(pgrep openclaw-gateway) --since "10 min ago" | grep -i "error\|403\|429"

# 2. 查看当前所有 agent primary
cat ~/.openclaw/openclaw.json | python3 -c "
import json, sys
c = json.load(sys.stdin)
print('defaults.primary:', c['agents']['defaults']['model']['primary'])
print('subagents.model:', c['agents']['defaults']['subagents']['model'])
for a in c['agents']['list']:
    print(f'  {a[\"id\"]}: {a.get(\"model\",{}).get(\"primary\",\"(inherit)\")}')"

# 3. 批量切换所有 agent + subagents + cron payload.model
# 见下方"一键切换脚本"

一键切换所有模型

# config.patch 方式（推荐）—— 改 agent primary + fallbacks + subagents.model
# 通过 gateway tool 的 config.patch 操作

# cron payload.model 批量更新
# 需要逐个 cron update，设置 payload.model + payload.fallbacks

检查 Session 缓存污染

# 统计所有 session 文件引用的 model
grep -rh '"model"' ~/.openclaw/agents/*/sessions/*.jsonl 2>/dev/null \
  | grep -oP '"model":"[^"]*"' | sort | uniq -c | sort -rn | head -20

# 查看特定 agent 的活跃 session
ls -lt ~/.openclaw/agents/quant/sessions/*.jsonl | head -5

验证 Fallback 链路

# 查看最近 30 分钟的 fallback 日志
journalctl _PID=$(pgrep openclaw-gateway) --since "30 min ago" \
  | grep -i "fallback\|candidate_failed\|model.*switch" | tail -30

---

六、配置检查清单

新增 Provider 时

• [ ] models.providers.<name> 配置 baseUrl + apiKey + models
• [ ] auth.profiles.<name>:default 配置认证模式
• [ ] .env 添加对应环境变量
• [ ] pass show api/<name> 确保密钥可用

修改模型时

• [ ] agents.defaults.model.primary — 全局默认
• [ ] agents.defaults.subagents.model — ⚠️ 易遗漏
• [ ] agents.list[].model.primary — 各 agent 独立配置
• [ ] agents.list[].model.fallbacks — fallback 链
• [ ] 各 cron 的 payload.model — 需逐个更新
• [ ] 各 cron 的 payload.fallbacks — 需逐个更新

故障恢复时

• [ ] 对活跃 session 执行 /new 清除缓存
• [ ] 确认 subagents.model 已更新
• [ ] force-run 一个 cron 验证新配置生效
• [ ] 检查 session 文件中旧 model 引用是否清除

---

七、已知问题跟踪

| 问题 | 状态 | Issue | |------|------|-------| | LiveSessionModelSwitchError 导致 fallback 全链失败 | 🟡 已报 bug | #58406 | | SIGUSR1 热重启不清除 session model 缓存 | 🟡 待确认 | - | | isolated cron session 复用旧 model 映射 | 🟡 待确认 | - |

---

Last updated: 2026-03-31 — 基于 shibacc 余额耗尽事故的完整复盘