生产部署实战

帮我在生产环境部署 OpenClaw 多实例。目标机器：〈IP / 系统 / 配置〉

需求：
1. 部署 2 个实例（alice / bob），后面可能扩到 N 个
2. 持久化 5 个目录（参考生产部署文档的 5 个约束）
3. 每实例独立端口（alice 18789，bob 18790）
4. 时区 Asia/Shanghai（重要，否则 cron 跑偏）
5. 共享交换路径 /data/openclaw/shared 所有实例共用
6. 健康检查（HTTP 探活）
7. 日志限制（防止撑爆磁盘）
8. 自动重启（unless-stopped）

请：
1. 生成完整的 docker-compose.yml（alice + bob 两个 service）
2. 每行加注释，说明这行干什么
3. 设计成可扩展结构（加第 3 个实例只需要复制+改 3 处）
4. 生成完展示给我看，让我审一下
5. 审通过后告诉我怎么应用到目标机器

注意：不要立刻执行部署，先生成配置让我审。

# /data/openclaw/docker-compose.yml
# 多实例部署：以 2 个实例（alice / bob）为例

services:
  # 实例 1：alice
  openclaw-alice:
    image: openclaw:latest
    container_name: openclaw-alice
    restart: unless-stopped  # 总是自动重启，除非手动 stop
    
    # 时区必须设，否则 cron 全跑偏
    environment:
      - TZ=Asia/Shanghai
      - OPENCLAW_INSTANCE_NAME=alice
    
    # 持久化 5 个目录（对应约束 ①②③④）
    volumes:
      # ① 程序目录（升级时不丢）
      - /data/openclaw/alice/app:/opt/openclaw
      # ② 配置/记忆/密钥
      - /data/openclaw/alice/home:/home/openclaw/.openclaw
      # ③ 用户工作空间
      - /data/openclaw/alice/workspace:/home/openclaw/.openclaw/workspace
      # ④ 共享交换路径（所有实例共用）
      - /data/openclaw/shared:/shared
      # 时区文件
      - /etc/localtime:/etc/localtime:ro
    
    # 端口：每实例独立端口，避免冲突
    ports:
      - "18789:18789"  # alice 的 gateway UI
    
    # 健康检查
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:18789/health"]
      interval: 30s
      timeout: 5s
      retries: 3
      start_period: 60s
    
    # 日志限制
    logging:
      driver: json-file
      options:
        max-size: "50m"
        max-file: "5"
    
    networks:
      - openclaw-net

  # 实例 2：bob（结构同 alice，端口/路径不同）
  openclaw-bob:
    # ... 同 alice，改 container_name / volumes 路径 / ports 端口

networks:
  openclaw-net:
    driver: bridge

帮我设计一个 OpenClaw 多实例备份方案。

需要备的：
- 每实例的配置 + 记忆（/data/openclaw/〈instance〉/home）
- 每实例的用户工作空间（/data/openclaw/〈instance〉/workspace）
- 共享交换路径（/data/openclaw/shared）

要求：
1. 每天凌晨 3 点自动跑
2. 配置/记忆保留 30 天
3. 工作空间保留 14 天
4. 共享路径保留 8 周
5. 30 天前的备份自动清理
6. 备份完写日志到 /var/log/openclaw-backup.log

请：
1. 生成备份脚本（bash）
2. 告诉我如何加到 crontab
3. 加一个"备份验证"步骤——不只是备，要验证备份能恢复
4. 设计一个"每月灾难恢复演练"的流程

帮我建一个跨实例健康监控任务：

执行者：openclaw-monitor 实例（独立于被监控实例）
时间：每 5 分钟一次
内容：
1. 检查这些实例的健康接口：
   - http://openclaw-alice:18789/health
   - http://openclaw-bob:18789/health
2. 任一连续 3 次失败，立刻通过飞书告警 "⚠️ 实例 〈name〉 不可用"
3. 恢复正常也发 "✅ 〈name〉 已恢复"
4. 顺便检查 /data 磁盘空间，使用率超过 85% 时告警

关键：监控实例必须独立于被监控实例，不能用 alice 监控 alice（alice 挂了告警发不出来）。

我有多个 OpenClaw 实例，日志分散。帮我看一下：
1. 当前每个实例的日志在哪里、大小多少
2. 推荐一个日志聚合方案，两个选项：
   - 简单版：所有实例日志聚合到一个目录，用 grep 查
   - 正式版：上 Loki / ELK，按 container_name 标签过滤
3. 我的规模是 〈2-10 个实例 / 10+ 个实例〉，你建议哪个

我想升级 OpenClaw 到最新版。升级前请帮我：

1. 看一下新版本的 changelog，列出 breaking change
2. 跑一次完整备份（参考备份脚本）
3. 给当前镜像打一个版本标签（方便回滚），用今天的日期作为标签名
4. 通知我这次升级预计需要多长停机时间
5. 确认升级窗口（我现在 / 等会儿 / 晚上）

先列计划，不要立刻执行。

开始升级。用滚动模式：
1. 先升级 openclaw-alice
2. 等 alice 健康检查通过（最多等 5 分钟）
3. alice OK 后再升级 openclaw-bob
4. bob OK 后升级完成

不要一次性升所有实例——如果一个启动失败，全部都炸。
升级过程中实时告诉我进度。

升级完成了，做烟雾测试：
1. 对 alice 跑一个基础对话，确认能回复
2. 对 bob 跑一个基础对话，确认能回复
3. 看最近 30 分钟的日志，有没有 ERROR / WARN
4. 观察 token 消耗是否异常（新版本可能漏了 prompt cache）
5. 给我一个"升级是否成功"的判定

升级后发现 bug，要回滚。请：
1. 用之前保留的旧镜像 openclaw: backup-〈日期〉
2. 重新打 latest 标签
3. 一个一个实例重新创建
4. 如果数据 schema 变了（新版本改了 DB 结构），光回滚镜像不够，还要从备份恢复数据——告诉我具体怎么做

帮我设计一个季度的灾难恢复演练流程：

目标：验证我们的备份和恢复流程真的能用

演练内容：
1. 在测试机上从零部署 OpenClaw
2. 从最新备份恢复一个实例（alice）
3. 跑完整的功能测试：
   - onboard 能不能跑
   - API Key 能不能用
   - 渠道接入能不能恢复
   - 历史对话能不能读
4. 记录：恢复用了多长实际时间（对照 RTO 4 小时）
5. 记录：备份文件丢失了多少数据（对照 RPO 1 小时）
6. 记录：遇到什么问题、备份是否完整

演练完写一份报告，包括：
- 实际 RTO / RPO vs 目标 RTO / RPO
- 发现的问题清单
- 改进建议

注意：演练在测试机做，不要碰生产。