核心用法
switch-modes 是一款面向 OpenClaw 用户的模型管理技能，允许通过简洁的自然语言指令或斜杠命令，在四档预设模式间即时切换底层 AI 模型。
指令体系：
eco mode/eco→ 最经济模型（适合摘要、速答）balanced mode/balanced→ 日常主力（均衡性能与成本）smart mode/smart→ 强力模型（复杂推理）max mode/max→ 顶级模型（关键任务）/modes status→ 查看当前模式与所用模型/modes setup→ 首次配置，交互式绑定各模式对应模型 ID
配置持久化存储于 ~/.openclaw/workspace/switch-modes.json，切换时自动重写主配置 openclaw.json 的 model 字段，无需重启即时生效。
显著优点
1. 成本精细化管控：按需降档至轻量模型，高频低复杂度任务可大幅压缩 token 支出
2. 零摩擦体验：自然语言触发（"eco mode"），无需记忆复杂模型 ID
3. 会话级热切换：无需中断工作流，即时生效
4. 可定制映射：setup 流程允许用户为每档模式绑定自有模型（支持 Anthropic、OpenAI 等多厂商）
5. 状态透明：随时查询当前所用模式与具体模型
潜在缺点与局限性
- 生态锁定：专属于 OpenClaw 框架，无法迁移至其他 AI 客户端
- 配置单点故障：JSON 文件损坏或权限错误会导致模式识别失败
- 无智能自动切换：需人工判断何时切换，系统不会根据任务复杂度自动选择
- 模型可用性依赖：若绑定的模型 ID 失效或 API 额度耗尽，切换将报错
- 学习成本：新用户需理解四档模式的语义差异才能合理运用
适合人群
- 高频 AI 用户：每日调用量高、需精打细算 token 成本的内容创作者、开发者
- 多场景工作者：同一会话中既需快速草拟（eco）又需深度分析（max）
- 团队管理员：希望为成员预设标准化模型梯队的技术负责人
常规风险
- 配置覆盖风险：误操作可能覆盖
openclaw.json中的其他自定义字段（虽技能声称保留其他设置，但 JSON 读写仍存在潜在 bug 风险） - 模型降级陷阱：用户可能在未察觉的情况下处于 eco 模式，导致复杂任务输出质量骤降
- 路径硬编码：依赖
~/.openclaw/固定路径，非标准安装环境可能失效 - 无回滚机制：无内置命令恢复上一次模式，误切换后需手动重新指定