核心用法
model-alias-append 是一个透明性增强工具，通过拦截响应流自动在每条 AI 回复末尾附加当前使用的模型别名（格式为 **{model_alias}**）。该 skill 采用双模架构：既作为被动 hook 自动执行，也支持通过 manage-hook 脚本手动启停控制。
显著优点
- 零配置开箱即用：直接读取 openclaw.json 中的既有模型别名配置，无需额外设置
- 实时动态更新：每 30 秒检测配置变更，变更后立即生效且无需重启
- 格式无损处理：完整保留回复标签（如
[[reply_to_current]]）及原有排版格式 - 可视化状态反馈：配置变更时自动追加
[Model alias configuration updated]提示，便于追踪配置漂移 - MIT 开源协议：社区驱动，代码可审计
潜在缺点与局限性
- 依赖外部配置：若 openclaw.json 中未配置模型别名，功能将失效或显示异常
- 响应尾部污染：强制追加标签可能破坏特定格式场景（如纯代码块、结构化数据输出）
- 固定检测间隔：30 秒轮询机制无法实现真正的实时配置同步，存在理论延迟窗口
- 社区维护状态：repository 标注为 "Coming soon"，长期维护可持续性存疑
适合人群
- 多模型并行测试的开发者与提示工程师
- 需严格审计 AI 生成内容来源的企业合规场景
- 构建可复现实验流程的 AI 研究人员
常规风险
- 配置漂移风险：动态更新机制若与外部配置管理工具冲突，可能导致非预期行为
- 信息泄露隐患：模型别名若包含敏感部署信息（如内部主机名），将随每条回复暴露
- hook 优先级冲突：与其他响应拦截类 skill 共存时，可能因执行顺序导致标签位置异常或重复注入