Вы наверняка знаете эту фишку с нейросетями - попросить модель проверить свой же ответ и найти ошибки. Это хороший вариант проверки, но есть нюанс.
Модель, которая только что сгенерировала результат, проверяет его через ту же логику, через которую создавала. Confirmation bias в чистом виде - она не видит ошибок, потому что для неё это не ошибки, она так и задумывала.
В OpenClaw это решается через настройку verifier
Один агент делает работу, второй независимо проверяет. Проверяющий не знает, как создавался результат, он видит только конечный файл или страницу и находит то, что создатель пропустил.
Как это работает:
1️⃣ Основной агент собирает лендинг
2️⃣ Спавнится отдельный verifier с задачей проверить верстку, битые ссылки, опечатки, работу форм
3️⃣ Если находит проблемы - возвращает создателю на доработку
4️⃣ Цикл повторяется, пока verifier не подтвердит, что все чисто
⚠️ Выглядит как лишняя работа, но на деле экономит часы. Баги, которые verifier ловит за минуту, человек может легко пропустить.
Подробнее почитать про verification loop можно тут 👈