Smart Follow-ups

核心用法

Smart Follow-ups 是 OpenClaw 生态中的对话增强技能，通过 /followups 命令在 AI 回复后自动生成三条上下文驱动的追问建议。技能采用三层分类架构：⚡ Quick（即时澄清/下一步操作）、🧠 Deep Dive（技术深度/原理剖析）、🔗 Related（关联主题/横向对比）。用户触发后，系统捕获最近对话上下文，调用当前会话的模型与认证信息生成建议，并根据渠道特性呈现为可点击按钮（Telegram/Discord/Slack）或编号文本回复（Signal/WhatsApp/SMS/iMessage/Matrix/Email）。

显著优点

• 零配置开箱即用：默认继承 OpenClaw 原生认证，无需额外 API 密钥；可选接入 OpenRouter、Anthropic 等第三方提供商
• 全渠道覆盖：支持 10 种主流通讯渠道，自动适配按钮交互或文本回复模式
• 上下文感知：基于真实对话历史生成建议，避免通用模板化追问
• 灵活触发：除 /followups 主命令外，支持 /fu、/suggestions 别名及自然语言触发（"what should I ask"）
• 模型继承：默认沿用当前会话模型配置，支持独立覆盖

潜在局限

• 生成质量依赖底层模型：追问建议的深度与相关性受限于所选 LLM 的能力
• 无持久化学习：不跨会话记忆用户偏好，每次生成独立进行
• 渠道体验差异：纯文本渠道（SMS/iMessage）需用户手动输入数字，交互流畅度逊于按钮渠道
• 上下文窗口限制：超长对话可能截断早期信息，影响建议相关性

适合人群

• 对话探索型用户：希望从 AI 回答自然延伸，避免思考"接下来问什么"
• 多场景切换者：在即时通讯、邮件、短信等多渠道间无缝使用统一功能
• 效率导向团队：通过结构化追问（Quick/Deep/Related）快速对齐信息深度需求

常规风险

• 提示注入风险：恶意构造的对话历史可能诱导生成不当追问建议
• 数据流转：非 OpenClaw 提供商模式下，对话上下文需发送至第三方 API（OpenRouter/Anthropic）
• 过度依赖：用户可能减少主动思考，形成对 AI 建议的路径依赖
• 隐私边界：生成建议时需传输近期对话内容，敏感场景需评估数据暴露范围

核心用法

Smart Follow-ups 是 OpenClaw 平台的对话增强技能，通过 /followups 命令（或别名 /fu、/suggestions）自动分析对话上下文，生成 3 个结构化的后续问题建议：

| 类型 | 图标 | 用途 |

|------|------|------|

| Quick | ⚡ | 澄清疑问、获取定义、立即执行的下一步 |

| Deep Dive | 🧠 | 技术深度、高级概念、详尽探索 |

| Related | 🔗 | 关联主题、更广泛的上下文、替代方案 |

触发方式：支持斜杠命令、自然语言（"what should I ask"）以及按钮点击交互。在 Telegram、Discord、Slack 等平台显示为可点击按钮；在 Signal、WhatsApp、iMessage、SMS、Matrix、Email 等文本通道则通过回复数字 1-3 选择。

显著优点

1. 零配置开箱即用：默认使用 OpenClaw 原生认证，无需额外 API 密钥
2. 智能上下文感知：基于完整对话历史生成相关问题，而非模板化建议
3. 跨平台一致性：统一体验覆盖 9 种主流通讯通道
4. 灵活认证选项：支持 OpenClaw 原生、OpenRouter、Anthropic 三种 Provider
5. 安全密钥管理：CLI 工具仅从环境变量读取 API 密钥，无硬编码风险

潜在缺点与局限性

1. T3 来源可信度：个人开发者项目，非企业级背书，需保持更新关注
2. API 成本依赖：使用 OpenRouter/Anthropic 直接认证时产生外部费用
3. 模型继承限制：默认继承当前会话模型，无法针对 follow-ups 单独调优
4. 隐私考量：对话上下文需发送至外部 AI API（HTTPS 加密）
5. 功能单一：仅聚焦后续问题生成，不扩展其他对话增强能力

适合人群

• 对话效率追求者：希望快速深入探索话题、减少思考下一步的认知负担
• 多平台用户：需要在 Telegram、Discord、Slack 等切换使用的场景
• OpenClaw 生态用户：已在使用 OpenClaw 平台，希望无缝增强对话体验
• 技术探索者：对容器化、AI 架构等技术话题需要结构化学习路径

常规风险

• 供应链风险：依赖 @anthropic-ai/sdk，需关注官方安全更新
• API 密钥管理：如使用非原生认证，需妥善保管环境变量中的密钥
• 成本失控风险：CLI 独立调用可能产生意外 API 费用，建议监控用量
• 模型幻觉传导：生成的问题质量取决于底层模型，可能存在相关性偏差