（11236期）agent-doppelganger – 策略可控的智能通信分身

策略可控的智能通信分身 基于策略门控架构的身份代理技能，在严格安全边界内自动化处理邮件与即时通讯，确保身份一致性与零越权风险。 使用说明 Agent Doppelgänger（ADG）是一款基于策略门控架构的身份代理技能，旨在以安全可控的方式代用户处理日常通信任务。该技能通过 Adapter 统一接入 Email、Discord、Slack、WhatsApp 等渠道，利用 Intent Analysis 模块对消息进行多维度意图分类（Domain、Stakes、Authority、Ambiguity），并在响应生成前严格执行声明式策略（Policy DSL）检查，确保所有操作均在用户预定义的权限边界内。 ADG 的核心优势在于其"策略先行"的安全设计理念。与常规 AI 代理不同，ADG 在生成任何响应前必须通过 Policy Gate 评估，从根本上防止提示词注入或权限越界。其身份建模系统通过 Style（风格）、Heuristics（启发式）、Preferences（偏好）和 Constraints（约束）四层结构精确模拟用户行为特征，同时默认采用 draft_only 模式，要求人工确认后才发送消息。数据隐私方面，ADG 采用零网络传输设计（outbound: false），所有数据本地存储于 ~/.openclaw/adg/ 目录，敏感内容自动脱敏，并提供完整的审计日志追踪。 然而，该技能也存在一定局限性。作为 T3 级社区开源项目（OpenClaw Community），其长期维护稳定性和企业级支持尚待验证。功能上，ADG 仅依赖 Python 标准库和 PyYAML，缺乏与外部 AI 服务或复杂企业系统的深度集成能力。此外，用户需要投入时间配置 policies/authority.yaml 等策略文件，配置复杂度较高，错误的策略规则可能导致误拦截或过度授权。 该技能最适合高频通信负载的职场人士、社区管理员或需要维护一致个人品牌的专业人士，特别是那些希望自动化处理常规咨询、日程协调等重复性沟通，同时又对安全性和身份一致性有严格要求的用户。对于涉及金融交易、法律文件、医疗建议或政治敏感话题的场景，ADG 明确禁止处理并会触发自动升级机制。 使用风险主要包括策略配置错误导致的通信中断、社区维护不确定性带来的长期可用性风险，以及意图分析置信度不足时频繁触发人工确认可能降低效率。建议用户初始阶段严格使用 Draft 模式，定期审查审计日志，并为不同通信渠道设置差异化的置信度阈值。 原始说明 Constrained autonomous delegate for identity-proxied communication. Handles incoming messages (Email, Discord, Slack, WhatsApp) by analyzing intent and applying declarative authority policies before generating responses. Use when the user wants to delegate communication tasks while maintaining identity fidelity and enforcing strict non-overreach boundaries.