Documentation Index
Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt
Use this file to discover all available pages before exploring further.
OpenClaw já funcionava bem com modelos de fronteira que usam ferramentas, mas GPT-5.5 e modelos no estilo Codex ainda tinham desempenho inferior em alguns aspectos práticos:
- eles podiam parar depois do planejamento em vez de fazer o trabalho
- eles podiam usar incorretamente schemas estritos de ferramentas OpenAI/Codex
- eles podiam pedir
/elevated full mesmo quando o acesso total era impossível
- eles podiam perder o estado de tarefas de longa duração durante repetição ou compaction
- alegações de paridade em relação ao Claude Opus 4.6 eram baseadas em anedotas em vez de cenários repetíveis
Este programa de paridade corrige essas lacunas em quatro partes revisáveis.
O que mudou
PR A: execução strict-agentic
Esta parte adiciona um contrato de execução strict-agentic opcional para execuções GPT-5 incorporadas no Pi.
Quando ativado, OpenClaw deixa de aceitar turnos apenas de planejamento como conclusão “boa o suficiente”. Se o modelo apenas diz o que pretende fazer e não usa ferramentas nem faz progresso de fato, OpenClaw tenta novamente com um direcionamento para agir agora e depois falha de forma fechada com um estado bloqueado explícito, em vez de encerrar silenciosamente a tarefa.
Isso melhora mais a experiência com GPT-5.5 em:
- acompanhamentos curtos como “ok, faça”
- tarefas de código em que o primeiro passo é óbvio
- fluxos em que
update_plan deve ser acompanhamento de progresso em vez de texto de preenchimento
PR B: veracidade do ambiente de execução
Esta parte faz o OpenClaw dizer a verdade sobre duas coisas:
- por que a chamada do provedor/ambiente de execução falhou
- se
/elevated full está realmente disponível
Isso significa que GPT-5.5 recebe sinais melhores do ambiente de execução para escopo ausente, falhas de atualização de autenticação, falhas de autenticação HTML 403, problemas de proxy, falhas de DNS ou timeout e modos de acesso total bloqueados. O modelo fica menos propenso a alucinar a correção errada ou continuar pedindo um modo de permissão que o ambiente de execução não pode fornecer.
PR C: correção de execução
Esta parte melhora dois tipos de correção:
- compatibilidade de schema de ferramentas OpenAI/Codex pertencente ao provedor
- exposição de repetição e vitalidade de tarefas longas
O trabalho de compatibilidade de ferramentas reduz o atrito de schema no registro estrito de ferramentas OpenAI/Codex, especialmente em torno de ferramentas sem parâmetros e expectativas estritas de raiz de objeto. O trabalho de repetição/vitalidade torna tarefas de longa duração mais observáveis, para que estados pausados, bloqueados e abandonados fiquem visíveis em vez de desaparecerem em texto genérico de falha.
PR D: harness de paridade
Esta parte adiciona o pacote inicial de paridade QA-lab para que GPT-5.5 e Opus 4.6 possam ser exercitados pelos mesmos cenários e comparados usando evidências compartilhadas.
O pacote de paridade é a camada de prova. Ele não altera o comportamento do ambiente de execução por si só.
Depois de ter dois artefatos qa-suite-summary.json, gere a comparação de gate de release com:
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
- um relatório Markdown legível por humanos
- um veredito JSON legível por máquina
- um resultado de gate explícito
pass / fail
Por que isso melhora o GPT-5.5 na prática
Antes deste trabalho, GPT-5.5 no OpenClaw podia parecer menos agentic que o Opus em sessões reais de codificação porque o ambiente de execução tolerava comportamentos especialmente prejudiciais para modelos no estilo GPT-5:
- turnos apenas com comentários
- atrito de schema em torno de ferramentas
- feedback vago de permissão
- quebra silenciosa de repetição ou compaction
O objetivo não é fazer o GPT-5.5 imitar o Opus. O objetivo é dar ao GPT-5.5 um contrato de ambiente de execução que recompense progresso real, forneça semântica mais limpa de ferramentas e permissões e transforme modos de falha em estados explícitos legíveis por máquina e por humanos.
Isso muda a experiência do usuário de:
- “o modelo tinha um bom plano, mas parou”
para:
- “o modelo agiu, ou o OpenClaw expôs o motivo exato pelo qual não conseguiu”
Antes vs. depois para usuários do GPT-5.5
| Antes deste programa | Depois dos PRs A-D |
|---|
| GPT-5.5 podia parar depois de um plano razoável sem dar o próximo passo com ferramenta | O PR A transforma “apenas plano” em “aja agora ou exponha um estado bloqueado” |
| Schemas estritos de ferramentas podiam rejeitar ferramentas sem parâmetros ou no formato OpenAI/Codex de maneiras confusas | O PR C torna o registro e a invocação de ferramentas pertencentes ao provedor mais previsíveis |
A orientação de /elevated full podia ser vaga ou errada em ambientes de execução bloqueados | O PR B dá ao GPT-5.5 e ao usuário dicas verdadeiras sobre ambiente de execução e permissões |
| Falhas de repetição ou compaction podiam fazer parecer que a tarefa desapareceu silenciosamente | O PR C expõe explicitamente resultados pausados, bloqueados, abandonados e inválidos para repetição |
| ”GPT-5.5 parece pior que Opus” era principalmente anedótico | O PR D transforma isso no mesmo pacote de cenários, nas mesmas métricas e em um gate rígido de aprovado/reprovado |
Arquitetura
Fluxo de release
Pacote de cenários
O pacote inicial de paridade atualmente cobre cinco cenários:
Verifica que o modelo não para em “vou fazer isso” depois de uma aprovação curta. Ele deve executar a primeira ação concreta no mesmo turno.
Verifica que o trabalho com uso de ferramentas permanece coerente entre limites de troca de modelo/ambiente de execução, em vez de reiniciar em comentários ou perder o contexto de execução.
source-docs-discovery-report
Verifica que o modelo consegue ler código-fonte e documentação, sintetizar descobertas e continuar a tarefa de forma agentic em vez de produzir um resumo raso e parar cedo.
image-understanding-attachment
Verifica que tarefas em modo misto envolvendo anexos permanecem acionáveis e não colapsam em narração vaga.
Verifica que uma tarefa com uma escrita mutante real mantém a insegurança de repetição explícita em vez de parecer silenciosamente segura para repetição se a execução passar por compaction, novas tentativas ou perder estado de resposta sob pressão.
Matriz de cenários
| Cenário | O que ele testa | Bom comportamento do GPT-5.5 | Sinal de falha |
|---|
approval-turn-tool-followthrough | Turnos curtos de aprovação depois de um plano | Inicia imediatamente a primeira ação concreta com ferramenta em vez de reafirmar a intenção | acompanhamento apenas de plano, nenhuma atividade de ferramenta ou turno bloqueado sem um bloqueador real |
model-switch-tool-continuity | Troca de ambiente de execução/modelo durante uso de ferramentas | Preserva o contexto da tarefa e continua agindo de forma coerente | reinicia em comentários, perde contexto de ferramenta ou para depois da troca |
source-docs-discovery-report | Leitura de código-fonte + síntese + ação | Encontra fontes, usa ferramentas e produz um relatório útil sem travar | resumo raso, trabalho de ferramenta ausente ou parada de turno incompleto |
image-understanding-attachment | Trabalho agentic orientado por anexos | Interpreta o anexo, conecta-o a ferramentas e continua a tarefa | narração vaga, anexo ignorado ou nenhuma próxima ação concreta |
compaction-retry-mutating-tool | Trabalho mutante sob pressão de compaction | Executa uma escrita real e mantém a insegurança de repetição explícita depois do efeito colateral | escrita mutante acontece, mas a segurança de repetição fica implícita, ausente ou contraditória |
Gate de release
GPT-5.5 só pode ser considerado em paridade ou melhor quando o ambiente de execução mesclado passa no pacote de paridade e nas regressões de veracidade do ambiente de execução ao mesmo tempo.
Resultados obrigatórios:
- nenhuma parada apenas em plano quando a próxima ação com ferramenta é clara
- nenhuma conclusão falsa sem execução real
- nenhuma orientação incorreta de
/elevated full
- nenhum abandono silencioso de repetição ou compaction
- métricas do pacote de paridade pelo menos tão fortes quanto a baseline Opus 4.6 acordada
Para o harness inicial, o gate compara:
- taxa de conclusão
- taxa de parada não intencional
- taxa de chamadas de ferramenta válidas
- contagem de sucesso falso
A evidência de paridade é intencionalmente dividida em duas camadas:
- O PR D prova o comportamento GPT-5.5 vs. Opus 4.6 nos mesmos cenários com QA-lab
- As suítes determinísticas do PR B provam veracidade de autenticação, proxy, DNS e
/elevated full fora do harness
Matriz de objetivo para evidência
| Item do gate de conclusão | PR responsável | Fonte de evidência | Sinal de aprovação |
|---|
| GPT-5.5 não trava mais depois do planejamento | PR A | approval-turn-tool-followthrough mais suítes de ambiente de execução do PR A | turnos de aprovação acionam trabalho real ou um estado bloqueado explícito |
| GPT-5.5 não finge mais progresso ou conclusão falsa de ferramenta | PR A + PR D | resultados de cenários do relatório de paridade e contagem de sucesso falso | nenhum resultado de aprovação suspeito e nenhuma conclusão apenas com comentários |
GPT-5.5 não dá mais orientação falsa de /elevated full | PR B | suítes determinísticas de veracidade | motivos de bloqueio e dicas de acesso total permanecem precisos em relação ao ambiente de execução |
| Falhas de repetição/vitalidade permanecem explícitas | PR C + PR D | suítes de ciclo de vida/repetição do PR C mais compaction-retry-mutating-tool | trabalho mutante mantém a insegurança de repetição explícita em vez de desaparecer silenciosamente |
| GPT-5.5 iguala ou supera Opus 4.6 nas métricas acordadas | PR D | qa-agentic-parity-report.md e qa-agentic-parity-summary.json | mesma cobertura de cenários e nenhuma regressão em conclusão, comportamento de parada ou uso válido de ferramentas |
Como ler o veredito de paridade
Use o veredito em qa-agentic-parity-summary.json como a decisão final legível por máquina para o pacote inicial de paridade.
pass significa que o GPT-5.5 cobriu os mesmos cenários que o Opus 4.6 e não regrediu nas métricas agregadas acordadas.fail significa que pelo menos um bloqueio obrigatório foi acionado: conclusão mais fraca, mais interrupções indevidas, uso válido de ferramenta mais fraco, qualquer caso de sucesso falso ou cobertura de cenário incompatível.- “problema de CI compartilhado/base” não é, por si só, um resultado de paridade. Se ruído de CI fora do PR D bloquear uma execução, o veredito deve aguardar uma execução limpa do ambiente de execução mesclado, em vez de ser inferido a partir de logs da época da branch.
- Autenticação, proxy, DNS e veracidade de
/elevated full ainda vêm das suítes determinísticas do PR B, portanto a declaração final de lançamento precisa de ambos: um veredito de paridade aprovado no PR D e cobertura de veracidade verde no PR B.
Quem deve habilitar strict-agentic
Use strict-agentic quando:
- espera-se que o agente atue imediatamente quando a próxima etapa for óbvia
- modelos GPT-5.5 ou da família Codex forem o ambiente de execução principal
- você prefere estados bloqueados explícitos em vez de respostas “úteis” apenas recapitulativas
Mantenha o contrato padrão quando:
- você quiser o comportamento mais flexível existente
- você não estiver usando modelos da família GPT-5
- você estiver testando prompts em vez de imposição em tempo de execução
Relacionado
