核心用法
Smart Follow-ups 是 OpenClaw 生态中的对话增强工具，用户只需在对话中输入"followups"等触发词，系统即自动分析当前会话上下文，生成3个智能化的后续提问建议。建议分为三类：⚡ Quick（快速澄清/定义/即时下一步）、🧠 Deep Dive（技术深度/高级概念/彻底探索）、🔗 Related（关联主题/更广语境/替代方案），覆盖从入门到精通的完整认知路径。
显著优点
1. 零配置开箱即用：默认继承 OpenClaw 现有认证和模型，无需额外设置即可工作
2. 全渠道覆盖：支持 Telegram/Discord/Slack 等富媒体渠道（按钮交互），以及 Signal/WhatsApp/iMessage/SMS/Matrix/Email 等纯文本渠道（数字回复）
3. 灵活的后端接入：除默认 OpenClaw 外，可选 OpenRouter、Anthropic 等第三方 provider，满足高级用户的模型定制需求
4. 上下文感知：基于近期对话历史生成建议，确保相关性和连贯性
5. 降低认知负荷：将"接下来该问什么"的决策成本转移给AI，特别适合探索性学习场景
潜在缺点与局限性
1. 触发词非标准化：采用自然语言关键词而非 /slash 命令，用户需记忆特定触发词
2. 生成质量依赖底层模型：建议质量直接受限于当前会话所用的大语言模型能力
3. 无持久化记忆：每次仅基于近期上下文，跨会话长期记忆需依赖 OpenClaw 主系统
4. 渠道体验割裂：富媒体渠道与纯文本渠道交互模式差异大，用户跨平台使用时需适应不同操作
5. CLI 工具边缘化： standalone CLI 主要用于测试/脚本场景，非核心使用路径
适合人群
- AI对话新手：不知从何深入，需要引导式探索
- 研究人员/开发者：快速发散思维，捕捉关联概念
- 多平台用户：需要在 Telegram、Slack、邮件等多种渠道保持一致的AI增强体验
- 效率导向者：希望减少打字输入，一键继续高质量对话
常规风险
1. API密钥泄露风险：使用 OpenRouter/Anthropic 等第三方 provider 时需配置独立 API key，存在环境变量管理不当导致泄露的可能
2. 建议诱导偏差：生成的后续问题可能隐含模型偏见，引导用户向特定方向深入
3. 过度依赖风险：用户可能逐渐丧失自主提问能力，形成"按钮依赖"
4. 渠道隐私差异：SMS/Email 等渠道缺乏端到端加密，敏感话题的后续建议传输存在暴露风险