OpenClaw QA 栈提供比单元测试更接近真实渠道的端到端测试能力，支持合成渠道（qa-channel）和实时传输通道（Telegram/Discord/Slack/Matrix）。通过 pnpm openclaw qa 系列命令运行；qa:lab:up 启动双面板 QA 站点（左侧网关控制台 + 右侧 QA Lab）。实时通道需配置对应环境变量或使用 Convex 共享凭证池；各通道场景覆盖提及限流、机器人对机器人、顶回复、线程隔离等行为。

OpenClaw QA 端到端测试：命令、操作与多渠道配置

概述

OpenClaw 的私有 QA 栈以比单元测试更接近真实渠道的方式验证智能体行为。当前模块包括：

extensions/qa-channel：合成消息通道，覆盖 DM、群聊、线程、表情回复、编辑和删除。
extensions/qa-lab：调试 UI 和 QA 总线，用于观察对话记录、注入入站消息、导出 Markdown 报告。
extensions/qa-matrix（未来运行插件）：实时传输适配器，在子 QA 网关中驱动真实 Matrix 渠道。
qa/：Git 仓库内的种子资产，包括启动任务和基线 QA 场景。
Mantis：真实传输层的回归验证，支持浏览器截图、VM 状态和 PR 证据。

命令参考

所有 QA 流程通过 pnpm openclaw qa <子命令> 执行。多数命令也有 pnpm qa:* 快捷别名。

命令	用途
`qa run`	内置 QA 自检，输出 Markdown 报告
`qa suite`	运行基于仓库的场景，可加 `--runner multipass` 启动一次性 Linux VM
`qa coverage`	输出 Markdown 场景覆盖率清单（加 `--json` 获取机器可读输出）
`qa parity-report`	比较两个 `qa-suite-summary.json` 文件，生成智能体一致性报告，或通过 `--runtime-axis --token-efficiency` 生成运行时一致性和 token 效率报告
`qa character-eval`	跨多个实时模型运行角色 QA 场景，并生成带有裁判评分的报告
`qa manual`	针对指定 provider/model 通道运行一次 prompt
`qa ui`	启动 QA 调试 UI 和本地 QA 总线（别名：`pnpm qa:lab:ui`）
`qa docker-build-image`	构建预制的 QA Docker 镜像
`qa docker-scaffold`	生成 QA 控制台 + 网关通道的 docker-compose 脚手架
`qa up`	构建 QA 站点、启动 Docker 后端、打印 URL（别名：`pnpm qa:lab:up`；`fast` 变体加 `--use-prebuilt-image --bind-ui-dist --skip-ui-build`）
`qa aimock`	仅启动 AIMock provider 服务器
`qa mock-openai`	仅启动场景感知的 `mock-openai` provider 服务器
`qa credentials doctor / add / list / remove`	管理共享 Convex 凭据池
`qa matrix`	针对一次性 Tuwunel homeserver 的实时传输通道（见 Matrix QA）
`qa telegram`	针对真实私有 Telegram 群的实时传输通道
`qa discord`	针对真实私有 Discord 公会频道的实时传输通道
`qa slack`	针对真实私有 Slack 频道的实时传输通道
`qa mantis`	针对实时传输 Bug 的前后回归验证，含 Discord 状态回复证据、Crabbox 桌面/浏览器烟雾测试、Slack-in-VNC 烟雾测试（见 Mantis 和 Mantis Slack Desktop Runbook）

操作流程：启动双面板 QA 站点

当前的 QA 操作员流程使用双面板 QA 站点：

左侧：网关控制台（Control UI），与智能体交互。
右侧：QA Lab，展示类 Slack 对话记录和场景计划。

启动方式：

bash

pnpm qa:lab:up

该命令会构建 QA 站点、启动 Docker 后端网关通道，并暴露 QA Lab 页面。操作员或自动化循环可在左侧给智能体下达 QA 任务，在右侧观察真实渠道行为，并记录哪些通过、哪些失败、哪些卡住。

如果需要更快的 QA Lab UI 迭代（不重复构建 Docker 镜像），可以：

bash

pnpm openclaw qa docker-build-image
pnpm qa:lab:build
pnpm qa:lab:up:fast
pnpm qa:lab:watch

qa:lab:up:fast 使用预制镜像并 bind-mount 本地 extensions/qa-lab/web/dist。qa:lab:watch 在文件变化时自动重建，浏览器自动重载。

OpenTelemetry 链路追踪烟雾测试

bash

pnpm qa:otel:smoke

启动本地 OTLP/HTTP trace 接收器，运行 otel-trace-smoke 场景（启用 diagnostics-otel 插件），解码 protobuf span 并断言关键 span 存在：openclaw.run、openclaw.harness.run、openclaw.model.call、openclaw.context.assembled、openclaw.message.delivery。模型调用中成功的轮次不应出现 StreamAbandoned；原始诊断 ID 和 openclaw.content.* 属性不得出现在 trace 中。输出 otel-smoke-summary.json 到 QA 产物目录。

可观测性 QA 仅限源码检出。npm tarball 有意省略 QA Lab，因此打包发布的不执行 qa 命令。变更诊断插桩后，应从源码检出的目录执行 pnpm qa:otel:smoke。

Matrix 实时传输烟雾测试

bash

pnpm openclaw qa matrix --profile fast --fail-fast

完整 CLI 参考、profile/场景目录、环境变量和产物布局见 Matrix QA。简要过程：在 Docker 中启动一次性 Tuwunel homeserver，注册临时 driver/SUT/observer 用户，在子 QA 网关中运行真实 Matrix 插件（不含 qa-channel），输出 Markdown 报告、JSON 摘要、观测事件产物和合并日志到 .artifacts/qa-e2e/matrix-<timestamp>/。

Mantis 完整桌面 VM 运行

bash

pnpm openclaw qa mantis slack-desktop-smoke \
  --gateway-setup \
  --scenario slack-canary \
  --keep-lease

该命令租用 Crabbox 桌面/浏览器机器，在 VM 内运行 Slack 实时通道，在 VNC 浏览器中打开 Slack Web，捕获桌面截图，若启用视频捕获则复制 slack-qa/、slack-desktop-smoke.png、slack-desktop-smoke.mp4 到 Mantis 产物目录。--hydrate-mode source（默认）从源码检出验证并执行安装/构建；--hydrate-mode prehydrated 仅在已存在 node_modules 和 dist/ 时跳过安装，否则失败。--gateway-setup 会在 VM 内持久运行 OpenClaw Slack 网关（端口 38973），否则命令仅执行 bot 对 bot 的 Slack QA 通道然后退出。

Mantis 视觉桌面任务

bash

pnpm openclaw qa mantis visual-task \
  --browser-url https://example.net \
  --expect-text "Example Domain" \
  --vision-model openai/gpt-5.5

租用或复用 Crabbox 桌面/浏览器机器，通过 visual-driver 驱动浏览器，截图，运行 openclaw infer image describe（当 --vision-mode image-describe 时），输出 visual-task.mp4、mantis-visual-task-summary.json 等。--expect-text 让视觉提示要求结构化 JSON 判词，仅当模型报告正面可见证据才算通过。若 Crabbox 没有生成非空视频文件，任务失败。

使用前检查共享凭据

bash

pnpm openclaw qa credentials doctor

检查 Convex broker 环境变量、验证端点设置，并在拥有维护者密钥时验证 admin 列表的可达性。

实时传输通道测试覆盖

实时传输通道共同遵守同一份合同（见下表），取代各自定义场景列表。qa-channel 是广义的合成产品行为套件，不包含在此矩阵中。

通道	Canary	提及限流	Bot-to-bot	白名单屏蔽	顶回复	重启恢复	线程跟进	线程隔离	表情回复观测	帮助命令	原生命令注册
Matrix	x	x	x	x	x	x	x	x	x
Telegram	x	x	x							x
Discord	x	x	x								x
Slack	x	x	x	x	x	x	x	x

对于不会将 Docker 引入 QA 路径的场景，可使用 Multipass 运行：

bash

pnpm openclaw qa suite --runner multipass --scenario channel-chat-baseline

启动全新 Multipass 虚拟机，安装依赖，在虚拟机内构建 OpenClaw，运行 qa suite，将报告和摘要复制回宿主机的 .artifacts/qa-e2e/...。默认并行执行场景（并发数 4），可通过 --concurrency <count> 调整，--concurrency 1 串行执行。--pack personal-agent 运行个人助手基准包。--allow-failures 允许失败时不退出非零。

Telegram QA

bash

pnpm openclaw qa telegram

针对一个真实的私有 Telegram 群组，使用两个不同的 bot（driver 和 SUT）。SUT bot 必须有 Telegram 用户名；建议在 @BotFather 中为两个 bot 启用 Bot-to-Bot Communication Mode。

当 --credential-source env 时需要以下环境变量：

OPENCLAW_QA_TELEGRAM_GROUP_ID（数字格式的 chat id）
OPENCLAW_QA_TELEGRAM_DRIVER_BOT_TOKEN
OPENCLAW_QA_TELEGRAM_SUT_BOT_TOKEN

可选：

OPENCLAW_QA_TELEGRAM_CAPTURE_CONTENT=1：保留消息体到观测产物中（默认会打码）。

场景文件位于 extensions/qa-lab/src/live-transports/telegram/telegram-live.runtime.ts，包含 telegram-canary、telegram-mention-gating 等共 16 个。默认集合始终覆盖 canary、提及限流、原生命令回复、命令寻址和 bot-to-bot 群回复。mock-openai 模式下还包括确定性回复链和最终消息流检查。telegram-current-session-status-tool 为 opt-in，仅在 canary 后线程化稳定。

产物：

telegram-qa-report.md
telegram-qa-summary.json（含从 canary 开始的每回复 RTT）
telegram-qa-observed-messages.json（除非 OPENCLAW_QA_TELEGRAM_CAPTURE_CONTENT=1，否则消息体打码）

RTT 包比较

bash

pnpm rtt openclaw@beta \
  --credential-source convex \
  --credential-role maintainer \
  --samples 20 \
  --sample-timeout-ms 30000

当 --credential-source convex 时，RTT Docker 封装会租用 kind: "telegram" 凭据，导出租用的群/driver/SUT bot 环境变量到安装包的运行中，心跳维持，并在关闭时释放。--samples 和 --sample-timeout-ms 分别控制 OPENCLAW_NPM_TELEGRAM_WARM_SAMPLES 和 OPENCLAW_NPM_TELEGRAM_SAMPLE_TIMEOUT_MS。

Discord QA

bash

pnpm openclaw qa discord

针对一个真实的私有 Discord 公会频道，使用两个 bot：由 harness 控制的 driver bot，以及由子 OpenClaw 网关通过捆绑的 Discord 插件启动的 SUT bot。验证频道提及处理、SUT bot 是否注册了原生 /help 命令，以及 opt-in 的 Mantis 证据场景。

当 --credential-source env 时需要：

OPENCLAW_QA_DISCORD_GUILD_ID
OPENCLAW_QA_DISCORD_CHANNEL_ID
OPENCLAW_QA_DISCORD_DRIVER_BOT_TOKEN
OPENCLAW_QA_DISCORD_SUT_BOT_TOKEN
OPENCLAW_QA_DISCORD_SUT_APPLICATION_ID（必须与 Discord 返回的 bot 用户 ID 一致，否则快速失败）

可选：

OPENCLAW_QA_DISCORD_CAPTURE_CONTENT=1
OPENCLAW_QA_DISCORD_VOICE_CHANNEL_ID（指定语音/频道用于 discord-voice-autojoin；未设置时自动选择第一个可见频道）

场景文件位于 extensions/qa-lab/src/live-transports/discord/discord-live.runtime.ts:36，包括 discord-canary、discord-mention-gating、discord-native-help-command-registration、discord-voice-autojoin（opt-in）、discord-status-reactions-tool-only（opt-in Mantis 场景）。

运行语音加入场景示例：

bash

pnpm openclaw qa discord \
  --scenario discord-voice-autojoin \
  --provider-mode mock-openai

运行 Mantis 状态反应场景示例：

bash

pnpm openclaw qa discord \
  --scenario discord-status-reactions-tool-only \
  --provider-mode live-frontier \
  --model openai/gpt-5.5 \
  --alt-model openai/gpt-5.5 \
  --fast

产物：

discord-qa-report.md
discord-qa-summary.json
discord-qa-observed-messages.json（消息体打码除非 OPENCLAW_QA_DISCORD_CAPTURE_CONTENT=1）
discord-qa-reaction-timelines.json 和 discord-status-reactions-tool-only-timeline.png（当运行状态反应场景时）

Slack QA

bash

pnpm openclaw qa slack

针对一个真实的私有 Slack 频道，使用两个不同的 bot：driver bot（由 harness 控制）和 SUT bot（由捆绑的 Slack 插件启动）。

当 --credential-source env 时需要：

OPENCLAW_QA_SLACK_CHANNEL_ID
OPENCLAW_QA_SLACK_DRIVER_BOT_TOKEN
OPENCLAW_QA_SLACK_SUT_BOT_TOKEN
OPENCLAW_QA_SLACK_SUT_APP_TOKEN

可选：

OPENCLAW_QA_SLACK_CAPTURE_CONTENT=1

场景文件位于 extensions/qa-lab/src/live-transports/slack/slack-live.runtime.ts:39，包括 slack-canary、slack-mention-gating、slack-allowlist-block、slack-top-level-reply-shape、slack-restart-resume、slack-thread-follow-up、slack-thread-isolation。

产物：

slack-qa-report.md
slack-qa-summary.json
slack-qa-observed-messages.json（消息体打码除非 OPENCLAW_QA_SLACK_CAPTURE_CONTENT=1）

设置 Slack 工作区

该通道需要两个不同的 Slack 应用在同一工作区，以及一个两个 bot 都已加入的频道。

1. 创建 Driver 应用

前往 api.slack.com/apps → Create New App → From a manifest → 选择 QA 工作区，粘贴以下配置，然后 Install to Workspace：

json

{
  "display_information": {
    "name": "OpenClaw QA Driver",
    "description": "Test driver bot for OpenClaw QA Slack live lane"
  },
  "features": {
    "bot_user": {
      "display_name": "OpenClaw QA Driver",
      "always_online": true
    }
  },
  "oauth_config": {
    "scopes": {
      "bot": ["chat:write", "channels:history", "groups:history", "users:read"]
    }
  },
  "settings": {
    "socket_mode_enabled": false
  }
}

复制 Bot User OAuth Token（xoxb-...），这就是 driverBotToken。Driver 只需发送消息和识别自身，不需要事件或 Socket Mode。

2. 创建 SUT 应用

再次执行 Create New App → From a manifest，粘贴以下（比捆绑插件精简，不含表情反应相关权限和事件——因为实时 Slack QA 套件尚未覆盖反应处理）：

json

{
  "display_information": {
    "name": "OpenClaw QA SUT",
    "description": "OpenClaw QA SUT connector for OpenClaw"
  },
  "features": {
    "bot_user": {
      "display_name": "OpenClaw QA SUT",
      "always_online": true
    },
    "app_home": {
      "home_tab_enabled": true,
      "messages_tab_enabled": true,
      "messages_tab_read_only_enabled": false
    }
  },
  "oauth_config": {
    "scopes": {
      "bot": [
        "app_mentions:read",
        "assistant:write",
        "channels:history",
        "channels:read",
        "chat:write",
        "commands",
        "emoji:read",
        "files:read",
        "files:write",
        "groups:history",
        "groups:read",
        "im:history",
        "im:read",
        "im:write",
        "mpim:history",
        "mpim:read",
        "mpim:write",
        "pins:read",
        "pins:write",
        "usergroups:read",
        "users:read"
      ]
    }
  },
  "settings": {
    "socket_mode_enabled": true,
    "event_subscriptions": {
      "bot_events": [
        "app_home_opened",
        "app_mention",
        "channel_rename",
        "member_joined_channel",
        "member_left_channel",
        "message.channels",
        "message.groups",
        "message.im",
        "message.mpim",
        "pin_added",
        "pin_removed"
      ]
    }
  }
}

创建后执行两步：

Install to Workspace → 复制 Bot User OAuth Token → 成为 sutBotToken。
Basic Information → App-Level Tokens → Generate Token and Scopes → 添加 scope connections:write → 保存 → 复制 xapp-... 值 → 成为 sutAppToken。

验证两个 bot 的用户 ID 不同：对每个 token 调用 auth.test。如果复用同一个应用，提及限流会立即失败。

3. 创建频道

在 QA 工作区创建一个频道（如 #openclaw-qa），邀请两个 bot：

/invite @OpenClaw QA Driver
/invite @OpenClaw QA SUT

从频道信息 → About → Channel ID 复制 Cxxxxxxxxxx，这就是 channelId。公开频道即可；若使用私有频道，两个应用都已具备 groups:history 权限。

4. 注册凭据

两种方式：

本地调试：设置四个 OPENCLAW_QA_SLACK_* 环境变量，传递 --credential-source env。
共享 Convex 凭据池：将四个字段写成 JSON 文件，然后使用 qa credentials add 添加。

示例 JSON：

json

{
  "channelId": "Cxxxxxxxxxx",
  "driverBotToken": "xoxb-...",
  "sutBotToken": "xoxb-...",
  "sutAppToken": "xapp-..."
}

注册命令：

bash

pnpm openclaw qa credentials add \
  --kind slack \
  --payload-file slack-creds.json \
  --note "QA Slack pool seed"

pnpm openclaw qa credentials list --kind slack --status all --json

预期输出 count: 1、status: "active"、无 lease 字段。

5. 端到端验证

bash

pnpm openclaw qa slack \
  --credential-source convex \
  --credential-role maintainer \
  --output-dir .artifacts/qa-e2e/slack-local

绿色运行应少于 30 秒，slack-qa-report.md 显示 slack-canary 和 slack-mention-gating 状态为 pass。若挂起约 90 秒并退出 Convex credential pool exhausted for kind "slack"，说明池为空或所有行已被租用——运行 qa credentials list --kind slack --status all --json 查看。

Convex 凭据池

Telegram、Discord、Slack 和 WhatsApp 通道可以从共享 Convex 凭据池中租用凭据，而无需读取环境变量。传递 --credential-source convex（或设置 OPENCLAW_QA_CREDENTIAL_SOURCE=convex），QA Lab 将获取排他租约，在运行期间心跳维持，并在关闭时释放。池的 kind 包括 "telegram"、"discord"、"slack" 和 "whatsapp"。

broker 验证的 payload 形状：

Telegram（kind: "telegram"）：{ groupId: string, driverToken: string, sutToken: string }，groupId 必须是数字 chat-id 字符串。
Telegram 真实用户（kind: "telegram-user"）：仅用于 Mantis Telegram Desktop 证明，包含多个字段（如 testerUserId、telegramApiId 等）。通用 QA Lab 通道不得获取此 kind。
Discord（kind: "discord"）：{ guildId: string, channelId: string, driverBotToken: string, sutBotToken: string, sutApplicationId: string }。
WhatsApp（kind: "whatsapp"）：{ driverPhoneE164: string, sutPhoneE164: string, driverAuthArchiveBase64: string, sutAuthArchiveBase64: string, groupJid?: string }。
Slack（kind: "slack"）：{ channelId: string, driverBotToken: string, sutBotToken: string, sutAppToken: string }，通道 ID 格式如 Cxxxxxxxxxx。

操作环境变量和 Convex broker 端点约定见 Testing → Shared Telegram credentials via Convex。

Repo 内置种子场景

种子资源存放在 qa/ 目录：

qa/scenarios/index.md
qa/scenarios/<theme>/*.md

计划放入 Git，让人类和智能体都能看到。每个场景 Markdown 文件定义：

场景元数据
可选的分类、能力、通道和风险元数据
文档和代码引用
可选的插件要求
可选的网关配置补丁
可执行的 qa-flow

可重用的运行时表面保持通用和跨领域。场景 ID 在文件移动时应保持稳定；使用 docsRefs 和 codeRefs 实现可追溯性。

基线列表应覆盖：DM 和频道聊天、线程行为、消息动作生命周期、Cron 回调、Memory 回忆、模型切换、子智能体交接、仓库和文档阅读、小型构建任务（如 Lobster Invaders）。

Provider 模拟通道

qa suite 有两个本地 provider 模拟通道：

mock-openai：场景感知的 OpenClaw 模拟，作为确定性默认通道。
aimock：启动 AIMock 支持的 provider 服务器，用于试验性协议、fixture、录制/回放和混沌覆盖。

Provider 通道实现位于 extensions/qa-lab/src/providers/。每个 provider 拥有其默认值、本地服务器启动、网关模型配置、认证 profile 登台需求和实时/模拟能力标志。

传输适配器扩展机制

qa-lab 拥有一套通用的传输 seam，供 Markdown QA 场景使用。qa-channel 是第一个适配器。架构层面：

qa-lab 负责通用场景执行、worker 并发、产物写入和报告生成。
传输适配器负责网关配置、就绪检查、入站和出站观测、传输动作和标准化传输状态。
Markdown 场景文件定义测试运行；qa-lab 提供可重用的运行时表面。

添加新通道

向 Markdown QA 系统添加通道需要两个步骤：

实现该通道的传输适配器。
编写覆盖通道合同的场景包。

不要新增顶层 QA 命令根；使用共享的 qa-lab 宿主。新通道的最小采纳标准：

保持 qa-lab 作为共享 qa 根的所有者。
在共享 qa-lab 宿主 seam 上实现传输运行者。
将传输特定机制保留在运行者插件或通道 harness 内。
将运行者挂载为 openclaw qa <runner>。运行者插件应在 openclaw.plugin.json 中声明 qaRunners，并从 runtime-api.ts 导出对应的 qaRunnerCliRegistrations。
编写或适配 Markdown 场景到 qa/scenarios/ 分类目录。
新场景使用通用助手函数。

决策规则：如果行为可在 qa-lab 中表达一次，则放入 qa-lab；如果行为依赖于某个通道传输，则保留在运行者插件中；如果场景需要多个通道可用的新能力，则添加通用助手。

场景助手命名

新场景推荐使用的通用助手：

waitForTransportReady
waitForChannelReady
injectInboundMessage
injectOutboundMessage
waitForTransportOutboundMessage
waitForChannelOutboundMessage
waitForNoTransportOutbound
getTransportSnapshot
readTransportMessage
readTransportTranscript
formatTransportTranscript
resetTransport

现有场景的兼容别名（如 waitForQaChannelReady、waitForOutboundMessage）仍然可用，但新场景应使用通用名称。

测试报告

qa-lab 从观测到的总线时间线导出 Markdown 协议报告，回答四个问题：

什么通过了
什么失败了
什么卡住了
值得补充哪些后续场景

查看可用场景清单：pnpm openclaw qa coverage（加 --json 获取机器可读输出）。

角色评估（Character Eval）

跨多个实时模型运行相同场景，输出带裁判评分的 Markdown 报告：

bash

pnpm openclaw qa character-eval \
  --model openai/gpt-5.5,thinking=medium,fast \
  --model openai/gpt-5.2,thinking=xhigh \
  --model openai/gpt-5,thinking=xhigh \
  --model anthropic/claude-opus-4-7,thinking=high \
  --model anthropic/claude-sonnet-4-6,thinking=high \
  --model zai/glm-5.1,thinking=high \
  --model moonshot/kimi-k2.5,thinking=high \
  --model google/gemini-3.1-pro-preview,thinking=high \
  --judge-model openai/gpt-5.5,thinking=xhigh,fast \
  --judge-model anthropic/claude-opus-4-7,thinking=high \
  --blind-judge-models \
  --concurrency 16 \
  --judge-concurrency 16

该命令运行本地 QA 网关子进程（非 Docker）。角色评估场景应通过 SOUL.md 设置 persona，然后运行普通用户轮次（聊天、工作区帮助、小文件任务）。候选模型不应被告知正在被评估。命令保留完整对话记录，记录基本运行统计，然后使用 fast 模式、xhigh 推理（支持时）的裁判模型按自然度、氛围和幽默排序。使用 --blind-judge-models 时，裁判提示中候选模型引用被替换为中性标签（如 candidate-01）。候选模型默认使用 high thinking，GPT-5.5 使用 medium，旧版 OpenAI eval 引用使用 xhigh。OpenAI 候选默认启用 fast 模式。裁判模型和候选模型的并发默认均为 16，可通过 --concurrency 和 --judge-concurrency 调整。当未指定 --model 时，默认使用上述 8 个模型；未指定 --judge-model 时默认使用 openai/gpt-5.5,thinking=xhigh,fast 和 anthropic/claude-opus-4-7,thinking=high。

常见问题

如何运行 OpenClaw 端到端测试？

执行 pnpm openclaw qa suite 运行基于仓库的默认场景套件。启动双面板 QA 站点使用 pnpm qa:lab:up。特定实时通道如 Telegram 执行 pnpm openclaw qa telegram，需先配置对应环境变量或使用 Convex 凭据池。

Telegram QA 需要哪些环境变量？

当使用 --credential-source env 时，需设置 OPENCLAW_QA_TELEGRAM_GROUP_ID（数字 chat id）、OPENCLAW_QA_TELEGRAM_DRIVER_BOT_TOKEN 和 OPENCLAW_QA_TELEGRAM_SUT_BOT_TOKEN。可选设置 OPENCLAW_QA_TELEGRAM_CAPTURE_CONTENT=1 保留消息正文。

Slack QA 需要创建几个应用？

需要两个独立的 Slack 应用：Driver 应用（仅发消息，无需 Socket Mode）和 SUT 应用（需开启 Socket Mode 并订阅事件）。Driver 使用简单 manifest，SUT 需配置 connections:write 应用级 token。两个 bot 必须被邀请到同一频道。所有凭据可通过环境变量或 Convex 凭据池提供。

OpenClaw QA 端到端测试：命令、操作与多渠道配置 ​

概述 ​

命令参考 ​

操作流程：启动双面板 QA 站点 ​

OpenTelemetry 链路追踪烟雾测试 ​

Matrix 实时传输烟雾测试 ​

Mantis 完整桌面 VM 运行 ​

Mantis 视觉桌面任务 ​

使用前检查共享凭据 ​

实时传输通道测试覆盖 ​

Telegram QA ​

RTT 包比较 ​

Discord QA ​

Slack QA ​

设置 Slack 工作区 ​

Convex 凭据池 ​

Repo 内置种子场景 ​

Provider 模拟通道 ​

传输适配器扩展机制 ​

添加新通道 ​

场景助手命名 ​

测试报告 ​

角色评估（Character Eval） ​

常见问题 ​

如何运行 OpenClaw 端到端测试？ ​

Telegram QA 需要哪些环境变量？ ​

Slack QA 需要创建几个应用？ ​

相关文档 ​

OpenClaw QA 端到端测试：命令、操作与多渠道配置

概述

命令参考

操作流程：启动双面板 QA 站点

OpenTelemetry 链路追踪烟雾测试

Matrix 实时传输烟雾测试

Mantis 完整桌面 VM 运行

Mantis 视觉桌面任务

使用前检查共享凭据

实时传输通道测试覆盖

Telegram QA

RTT 包比较

Discord QA

Slack QA

设置 Slack 工作区

Convex 凭据池

Repo 内置种子场景

Provider 模拟通道

传输适配器扩展机制

添加新通道

场景助手命名

测试报告

角色评估（Character Eval）

常见问题

如何运行 OpenClaw 端到端测试？

Telegram QA 需要哪些环境变量？

Slack QA 需要创建几个应用？

相关文档