核心用法
Smart Follow-ups 是 OpenClaw 生态的上下文追问生成技能，用户在任意对话中输入 /followups（或别名 /fu、/suggestions）即可触发。系统会捕获最近对话上下文，利用当前会话的模型与认证信息，生成3条结构化的后续问题：⚡ Quick（快速澄清）、🧠 Deep Dive（深度技术探索）、🔗 Related（关联主题拓展）。
交互方式因渠道而异：Telegram/Discord/Slack 支持原生按钮点击；Signal/WhatsApp/iMessage/SMS/Matrix/Email 则采用数字回复（1/2/3）模式。该技能深度集成 OpenClaw 原生认证体系，默认无需配置 API 密钥，亦可选择性接入 OpenRouter 或 Anthropic 作为备选 provider。
显著优点
- 零配置开箱即用：继承 OpenClaw 现有登录态，无需额外密钥管理
- 全渠道覆盖：9 大通讯渠道统一体验，自动适配按钮/文本交互范式
- 上下文感知：基于真实对话历史生成追问，非模板化推荐
- 模型继承：默认沿用当前会话模型，支持 provider 级灵活切换
- 轻量架构：纯 Node.js 实现，仅依赖系统预置的
node运行时
潜在局限
- 生成质量依赖基座模型：追问深度与准确性受限于所选 LLM 的推理能力
- 长上下文截断风险：极端长度对话可能导致上下文窗口溢出，影响相关性
- 渠道特性约束：SMS/Email 等异步渠道缺乏按钮实时反馈，用户体验降级
- 隐私考量：对话内容需上传至模型 provider 进行生成，敏感场景需谨慎
适合人群
- 多轮复杂咨询场景的知识工作者（法律、医疗、技术顾问）
- 教育/培训场景中的自学者，需要结构化探索学习路径
- 跨渠道客服/社群运营者，希望降低用户提问门槛
常规风险
- 提示注入风险：恶意构造的前序对话可能诱导生成有害追问建议
- 过度依赖：用户可能陷入"无限追问"循环，缺乏自主问题构建能力
- 渠道劫持：SMS/Email 等开放式渠道的回复数字可能被中间人篡改
- 模型幻觉传导：基座模型的虚构信息可能通过追问建议被强化呈现
版本与溯源
- 当前版本：v2.1.5（2024 年后迭代，新增 Slash Command 范式）
- 灵感来源：Chameleon AI Chat 的追问功能（开源项目引用）
- 架构归属：OpenClaw 官方技能生态（native auth 集成）