核心用法
model-alias-append 是一款用于增强AI交互透明度的轻量级技能，核心价值在于自动为每条响应追加当前使用的模型别名。它通过拦截响应流，从 OpenClaw 配置文件的 agents.defaults.models.{model}.alias 字段读取别名信息，并以非侵入式方式附加到输出末尾。
技能安装后零配置即可运行，自动检测 openclaw.json 中的模型配置。当检测到配置变更时，会额外显示 [Model alias configuration updated] 提示行，便于用户追踪模型切换历史。
显著优点
- 零侵入集成：无需修改提示词或工作流，完全透明的后置处理
- 来源可追溯：解决多模型混用场景下的响应归属问题
- 配置热感知：实时监控配置文件变更，即时反馈模型切换
- 格式保留：不影响原有响应的标签结构和排版格式
潜在局限
- 依赖特定配置结构：要求严格按照
agents.defaults.models.{key}.alias路径配置，非标准配置无法识别 - 仅支持 OpenClaw 生态：与官方 OpenClaw 配置深度绑定，跨平台移植性差
- 输出污染风险：追加内容可能干扰下游自动化解析（如需要纯 JSON 输出的场景）
- 无模型版本细分：别名需手动维护，无法自动追踪模型权重版本迭代
适合人群
- 多模型并行测试的开发者和研究者
- 需要审计追踪的企业合规场景
- 开源模型本地化部署的运维团队
- A/B 测试场景下的效果归因分析
常规风险
- 配置泄露：别名可能暴露内部模型命名规范，建议生产环境使用中性化别名
- 响应长度超限：追加内容在极少数严格长度限制场景可能触发截断
- 缓存失效：配置变更通知依赖文件系统监听，容器化环境需确保挂载卷的正确监听