第 12 章 斜杠命令：对话中的快捷控制

⚡ 本章特色：系统掌握 OpenClaw 斜杠命令体系，从新手必会的 5 个命令到所有者专属配置指令，学会用 / 开头的快捷指令高效管理会话、切换模型、调试问题、调用技能。每条命令都配有真实对话场景和完整示例，拿来即用。

本章目录：

1. 斜杠命令是什么

1.1 从自然语言到精确控制

在日常交互中，你已经习惯了"对话"模式：用自然语言提出问题，等待 AI 回答。这种方式灵活自然，适合探索性任务。但当你需要精确控制、快速切换设置或查看状态时，每次都通过冗长的自然语言描述效率太低。

举个例子，你想把 AI 模型从通义千问切换到 GPT-4o，你可以打字说"帮我把模型切换到 openai/gpt-4o"，AI 会理解你的意图并执行。但这个过程需要 AI 先"思考"你的请求，再调用相应的工具去修改配置，整个过程可能要等几秒甚至十几秒。

如果你直接输入 /model openai/gpt-4o，Gateway 网关会立即处理这条指令，不经过 AI 推理，模型切换在毫秒内完成。这就是斜杠命令的核心价值：绕过 AI 推理层，直接对系统发号施令。

斜杠命令以 / 开头，由 Gateway 网关直接解析和执行。你可以把它理解为系统的"快捷操作面板"或"控制台"。它的设计哲学很简单：对于那些不需要 AI 思考的系统操作，就应该有一条快速通道。

1.2 三种命令类型

OpenClaw 的斜杠命令并非铁板一块，它们按照使用方式和生效机制分为三种类型。理解这个分类，能帮你更准确地使用每条命令。

用一个场景来说明三者的区别。假设你正在和 AI 讨论一个技术问题，同时想查看一下当前状态：

/status

这是 Command 的用法，独占一条消息，系统返回状态信息。

🦞 OpenClaw 2026.9.3 (1391f7c)
Current time: Wednesday, September 30th, 2026 - 19:46 (Asia/Shanghai)
Reference UTC: 2026-09-30 11:46 UTC
⏱️ Uptime: gateway 11h 49m · system 9d 6h

🧠 Model: bailian/qwen3.7-max
🔑 Auth: api-key (bailian:default)

📚 Context: ?/262k

🧵 Session: agent:main:dashboard:512a746c-d9d3-41f7-8038-c1c326052b9f • duration 3s • updated just now

⚙️ Execution: direct
🤖 Runtime: OpenClaw Default
🎛️ Modes: think off · fast off
🪢 Queue: steer

/think high 帮我分析这段代码的性能瓶颈

这是 Directive 的用法，把 /think high 嵌入到消息开头。系统会先把思考深度设为 high（这个设置会持续到下次修改），然后用 high 级别的思考来分析你的代码。

这个问题我理解了 /whoami 另外帮我看看昨天的天气

这是 Inline shortcut 的用法，/whoami 嵌在消息中间。系统会先执行 /whoami 返回你的身份信息，然后继续处理前后的文字内容。但这个执行是一次性的，不会改变任何持久化设置。

1.3 权限层级

并非所有斜杠命令对所有用户都开放。OpenClaw 设计了一套权限层级，确保系统安全。

这种分层设计的目的是安全。普通命令只读不写，不会改变系统状态。指令类命令会改变会话行为，但影响范围仅限于当前会话。所有者命令会修改全局配置，一旦出错可能影响整个系统。Bash 命令直接在操作系统层面执行命令，风险最高。

如果你是 OpenClaw 的唯一使用者（通常个人部署场景），你自动拥有所有者权限，可以使用所有命令。

2. 新手必会的五个命令

对于初次接触 OpenClaw 的用户，掌握以下五个命令即可应对大多数日常场景。建议你现在就逐一尝试。

2.1 /commands：你的随身向导

当你不知道系统有哪些功能时，输入 /commands，系统会列出当前环境下所有可用的斜杠命令及其简要说明。

/commands

输出示例：

Session
/session - Manage conversation bindings and session lifecycle settings.
/stop - Stop the current run.
/reset - Reset the current session.
/new - Start a new session.
/name - Name or rename the current session.
/compact - Compact the session context.

Options
/usage - Usage footer or cost summary.
/think (/thinking, /t) - Set thinking level.
/verbose (/v) - Toggle verbose mode.
/trace - Toggle plugin trace lines.
/fast - Toggle fast mode.
/reasoning (/reason) - Toggle reasoning visibility.
/elevated (/elev) - Toggle elevated mode.
/exec - Set exec defaults for this session.
/model - Show or set the model; use -s, -a, or -g to choose scope.
/models - List model providers/models.
/queue - Adjust queue settings.
...

这个列表不是固定的。随着你安装更多技能或插件，新的命令会自动出现。/commands 永远反映你当前环境的真实能力边界。它是探索系统功能的第一步，也是最可靠的功能导航。

2.2 /status：透视运行状态

/status 提供当前会话的实时快照，告诉你 AI 的运行状态。它是排查问题和监控资源使用的必备工具。

/status

输出示例：

🦞 OpenClaw 2026.9.5 (ec9c1a1)
Current time: Friday, October 2nd, 2026 - 22:37 (Asia/Shanghai)
Reference UTC: 2026-10-02 14:37 UTC
⏱️ Uptime: gateway 6m 56s · system 1h 24m

🧠 Model: bailian/qwen3.7-max
🔑 Auth: api-key (bailian:default)

🧮 Tokens: 37k in / 542 out
💵 Cost: $0.0000
🗄️ Cache: 48% hit · 35k cached, 0 new
📚 Context: 36k/262k (14%)

🧵 Session: agent:main:main • duration 2m 39s • updated just now

⚙️ Execution: direct
🤖 Runtime: OpenClaw Default
🎛️ Modes: think off · fast off
🪢 Queue: steer

逐行解读：

实战场景：你和 AI 聊了半小时，发现它的回复越来越"健忘"，经常忘记前面讨论的内容。输入 /status，发现 Context 占用率已经达到 89%。这说明上下文空间快满了，早期的对话已经被挤出窗口。你输入 /compact 压缩上下文，或者 /new 开启新会话，问题迎刃而解。

2.3 /model：切换 AI 模型

OpenClaw 支持多模型。不同的任务适合不同的模型：写代码可能需要代码模型，中文长文处理可能用通义千问更合适，复杂推理可能需要 GPT-4o。/model 命令让你在这些"大脑"之间自由切换。

基本用法：

/model                          # 查看当前使用的模型
/model openai/gpt-4o            # 切换到 GPT-4o
/model bailian/qwen3.8-max     # 切换到通义千问

如果你想看看有哪些模型可用：

/models

输出示例：

当前模型: qwen3.7-max
可用模型: kimi-k2.5, qwen3.5-35b-a3b

切换后立即生效，后续对话将使用新模型。之前的对话历史保持不变，但 AI 的"思维方式"已经换了。

实战场景：你正在让 AI 写一段 Python 脚本，它用通义千问写了第一版，但你觉得代码风格不够优雅。你输入 /model openai/gpt-4o，然后说"重新优化一下刚才的代码"。GPT-4o 用不同的思路重写了代码，你对比两个版本，选出更好的方案。

2.4 /think：调节思考深度

AI 的"思考"深度是可调的。就像人类一样，简单问题不需要深思熟虑，复杂问题需要反复推敲。/think 命令让你控制 AI 投入多少"脑力"来回答你的问题。需注意：有些模型不支持思考模型的级别设置。

可选级别：

用法示例：

/think off                      # 关闭思考，追求速度
/think high                     # 开启深度思考
/think                          # 查看当前设置

思考深度和响应速度成反比。off 模式下 AI 可能在 1 秒内给出回答，high 模式下可能需要 10 到 30 秒甚至更久。在成本和速度都敏感的场景下，adaptive 是最省心的选择，让 AI 自己判断该用多少"脑力"。

实战场景：你在做技术选型，需要在三种数据库方案中做出选择。这涉及多维度的对比分析，你输入 /think high，然后详细描述你的业务场景和数据特征。AI 花了 20 秒，给出了一份详尽的对比分析报告，包括每种方案在吞吐量、一致性、运维成本方面的优劣，最终给出推荐。如果用的是 off 模式，AI 可能只会给出一个笼统的建议，缺乏深度。

2.5 /new：开启全新会话

当话题发生根本转变，或者之前的对话历史变得过于冗长时，/new 命令可以启动一个新的会话，清空上下文记忆，让你从零开始。

/new

实战场景：你刚才和 AI 花了一个小时讨论 Python 编程的技术细节，上下文里充满了代码、报错信息和调试过程。现在你想让 AI 帮你规划下周的山西太原旅游行程。如果继续在同一个会话中，AI 可能会混淆上下文，比如把"太原"误认为是代码项目中的某个变量名。输入 /new 后，记忆被清空，AI 重新以干净的上下文迎接你的新问题。

/new 还可以带上名称，为新会话起一个标签：

/new 山西太原旅游攻略

这样在会话列表里，你能快速找到这个会话，方便日后回顾。

3. 模型与运行控制

3.1 /think 深入：五个级别的适用场景

在上一节我们简要介绍了 /think 的五个级别。这一节通过具体场景来深入理解每个级别的最佳用法。

off 级别：完全关闭深度思考，AI 只凭直觉快速回答。适合以下场景：问一个简单的翻译问题（"Hello 的中文是什么？"）、让 AI 格式化一段文字、快速确认一个事实。这个级别的响应通常在 1 到 2 秒内完成，Token 消耗也最低。

minimal 级别：AI 会进行最基础的思考，但不会深入推理。适合日常的对话任务：让 AI 写一封简单的邮件、解释一个常见概念、做简单的格式转换。响应时间在 2 到 5 秒。

medium 级别：AI 会进行适度的分析和推理。适合大部分"正经工作"：撰写文章、代码编写、数据分析、方案设计。这个级别是"够用"的默认选择，响应时间在 5 到 15 秒。

high 级别：AI 会进行深度推理，反复验证自己的思路。适合高难度任务：复杂的数学证明、多步骤的逻辑推理、技术架构评审、安全漏洞分析。响应时间可能在 15 秒到 1 分钟以上。代价是 Token 消耗显著增加，因为 AI 的"思考过程"也会计入 Token。

adaptive 级别：AI 根据问题的复杂度自动选择思考级别。你不需要判断该用多少"脑力"，AI 自己会评估。如果你不确定该选哪个级别，用 adaptive 是最安全的选择。

3.2 /model 深入：切换范围控制

/model 不仅可以切换模型，还可以控制切换的影响范围。默认情况下，/model 只影响当前会话。但如果你希望某个模型成为默认选择，或者只在某一次对话中临时使用某个模型，可以通过参数来控制。

实战场景：你在做一个长期项目，希望这个项目的所有会话都默认使用 GPT-4o（因为代码能力更强）。你输入 /model openai/gpt-4o -a，把这个模型设为当前 Agent 的默认。之后每次 /new 新建会话时，都会自动使用 GPT-4o。当你偶尔需要切换到其他模型处理一个特殊任务时，用 /model bailian/qwen3.5-122b 临时切换，只影响当前会话。任务完成后，/model --clear 恢复到默认的 GPT-4o。

3.3 /fast：快速响应模式

/fast 是一个简单直接的开关，让你在速度和质量之间快速取舍。

/fast on                        # 开启快速模式
/fast off                       # 关闭快速模式
/fast status                    # 查看当前状态

开启快速模式后，系统会在多个维度优化响应速度：降低思考深度、使用更轻量的推理策略、减少不必要的工具调用。代价是回答的质量可能略有下降。

适用场景：头脑风暴阶段（你需要的是大量想法，不是完美答案）、快速查询（只想要一个数字或事实）、连续对话（你需要 AI 快速回应以保持对话节奏）。

3.4 /reasoning：推理过程可见性

/reasoning 控制是否在 AI 的回答中展示它的推理过程。

/reasoning on                   # 开启推理过程显示
/reasoning off                  # 关闭推理过程显示

开启后，AI 会在给出最终答案之前，先展示它的思考链条：它是怎么理解你的问题的、考虑了哪些可能性、为什么排除了某些选项、最终是怎么得出结论的。这对于学习非常有价值，你可以"偷看"AI 的解题思路，理解它的推理逻辑。

实战场景：你在学习数据结构，遇到一道排序算法的复杂度分析题。你输入 /reasoning on，然后提出题目。AI 不仅给出答案，还完整展示了推理过程：先从算法的递归结构入手，建立递推关系，再用主定理求解，最后验证边界条件。你跟着这个思路走了一遍，对算法复杂度的分析方法有了更深的理解。

3.5 /verbose：详细输出模式

/verbose 是排查问题的利器。开启后，AI 的回复中会包含大量调试信息：它调用了哪些工具、传递了什么参数、工具的原始返回内容是什么。

/verbose on                     # 开启详细输出
/verbose off                    # 关闭详细输出

实战场景：你让 AI 去查询某个网页的内容，但它给出的回答很奇怪，似乎在胡编。你输入 /verbose on，重新发出请求。这次 AI 的回复里不仅包含最终答案，还详细列出了工具调用过程。你发现 web_fetch 工具返回了"HTTP 403 Forbidden"错误，说明该网页禁止了爬取。根据这个信息，你换了一个备用链接，问题迎刃而解。

排查完成后，记得用 /verbose off 关闭详细输出，否则每次回复都会很长，影响正常阅读。

3.6 /trace：插件调试输出

/trace 是比 /verbose 更底层的调试工具，主要面向开发者和高级用户。它会输出插件系统的内部运行信息，包括插件加载过程、事件传递链路、中间状态等。

/trace on                       # 开启插件调试
/trace off                      # 关闭插件调试

如果你开发的自定义插件出现了预期之外的行为，/trace 能帮你定位问题出在插件生命周期的哪个阶段。对于普通用户来说，/verbose 已经足够应对大部分调试需求。

4. 会话管理

4.1 /new vs /reset：两种不同的"重来"

这两个命令都能让你"重新开始"，但机制完全不同。理解它们的区别非常重要。

实战对比：

你用 /new 的场景是：上午和 AI 讨论了项目 A 的代码重构，下午想聊项目 B 的需求分析。这是两个完全不同的话题，你需要一个干净的起点。

你用 /reset 的场景是：你和 AI 讨论了很久的某个问题，但中间走了很多弯路，上下文里充满了错误尝试和无效信息。你希望保留当前设置（比如已经调好的模型和思考级别），但清空那些干扰性的历史对话。

4.2 /compact：压缩上下文

/compact 是一个聪明的命令。它不像 /new 那样一刀切地清空所有历史，而是对现有上下文进行"压缩"：保留关键信息，丢弃冗余细节，释放上下文空间。

/compact

你可以附带指令，告诉系统哪些内容需要特别保留：

/compact 保留所有代码示例和结论，丢弃调试过程

实战场景：你和 AI 进行了 2 小时的代码调试，最终解决了问题。你想继续用这个会话做后续开发（因为上下文里有项目的完整背景），但 /status 显示上下文已经占用了 85%。你输入 /compact 保留项目背景和最终方案，丢弃中间的调试细节。系统把 2 小时的对话压缩成了几段摘要，上下文占用率降到了 20%，你可以继续在这个会话里工作。

4.3 /stop：紧急中止

当 AI 正在执行一个耗时较长的任务，而你发现方向不对或者不需要继续时，/stop 可以立即中止当前操作。

/stop

实战场景：你让 AI 搜索某个话题的相关资料，但它似乎陷入了无限循环，一直在搜索和总结、搜索和总结。你输入 /stop，AI 立即停下来。你重新组织了一下提问方式，给出了更明确的范围限制，AI 这次很快给出了满意的结果。

4.4 /name：给会话起名字

/name 让你给当前会话设置一个标签，方便在会话列表中快速找到它。

/name 太原旅游攻略

设置后，在侧边栏或会话列表中，这个会话会显示为"太原旅游攻略"而不是一串自动生成的标识符。当你有几十个活跃会话时，命名是管理会话最有效的方式。

4.5 /export-session：导出会话归档

/export-session 把当前会话的完整对话历史导出为文件，便于归档、分享或日后回顾。

/export-session

实战场景：你和 AI 共同完成了一份产品设计方案，经过多轮讨论和修改，最终版本非常出色。你想把这次协作过程完整保存下来，作为团队的知识库素材。输入 /export-session，系统把从第一条消息到最后一条消息的完整对话记录打包下载。你可以把这份文件存档、发邮件给同事，或者作为下次类似项目的参考模板。

5. 发现与状态查询

5.1 /help 与 /commands 的区别

这两个命令看起来功能相似，但有微妙的差别。

/commands 列出所有可用斜杠的命令，是一个功能导航。

/help 不仅列出所有命令，还会包含每个命令的简短描述、使用语法、参数说明甚至示例，还包含技能命令（已安装的技能会注册为 /skill-name）

5.2 /tools：查看可用工具集

/tools 显示当前会话中 AI 实际可以调用的工具列表。这个列表取决于你的 Agent 配置、权限设置和已安装的插件。

/tools

输出示例：

Available tools

Profile: full

Built-in tools
agents_list, apply_patch, ask_user, automations, computer, conversations_send, conversations_turn, conversations_list, create_goal, dashboard, edit, exec, gateway, get_goal, image_generate, ls, message, mobile_ui, nodes, openclaw, plugins, portal, process, progress_card, read, secrets, sessions_history, sessions_send, sessions, session_status, sessions_list, sessions_spawn, sessions_search, skill_workshop, subagents, terminal, tts, update_goal, agents_wait, web_fetch, web_search, write, sessions_yield

Connected tools
memory_get (memory-core), memory_search (memory-core)

实战场景：你让 AI 帮你执行一个 shell 命令，但 AI 回复说"我没有执行命令的权限"。你输入 /tools，发现 exec 不在列表中。这说明你的 Agent 配置中没有启用 shell 执行权限。你需要在配置中添加相应的权限设置。

5.3 /usage：Token 与费用统计

/usage 显示当前会话的 API 使用详情，比 /status 中的 Token 信息更加完整。

/usage

输出示例：

会话用量
输入: 40.9k 个词元
输出: 843 个词元
总计: 41.7k 个词元
提示词预算（上次运行）：已使用 27%，总计 242.1k
模型: qwen3.7-max

这些信息对于成本控制非常重要。如果你发现一次会话的 Token 消耗远超预期，可能需要检查是否开启了不必要的高级思考模式，或者对话历史是否过长导致每次请求都携带大量上下文。

5.4 /context：理解 AI 的"记忆"来源

/context 解释当前会话的上下文是如何构建的。它告诉你 AI 的"记忆"由哪些部分组成，每部分占用了多少空间。

/context
/context detail                 # 更详细的输出

输出示例：

Workspace: C:\Users\zhang.openclaw\workspace
Bootstrap max/file: 20,000 chars
Bootstrap max/total: 60,000 chars
Sandbox: mode=off sandboxed=false
System prompt (run): 44,013 chars (~11,004 tok) (Project Context 19,086 chars (~4,772 tok))
Injected workspace files:

AGENTS.md: OK | raw 8,647 chars (~2,162 tok) | injected 8,647 chars (~2,162 tok)
SOUL.md: OK | raw 1,664 chars (~416 tok) | injected 1,664 chars (~416 tok)
IDENTITY.md: OK | raw 344 chars (~86 tok) | injected 344 chars (~86 tok)
USER.md: OK | raw 521 chars (~131 tok) | injected 521 chars (~131 tok)
Skills list (system prompt text): 14,171 chars (~3,543 tok) (43 skills)

实战场景：你发现即使开了新会话，上下文占用也有好几 k。通过 /context 你了解到，这些是系统提示词和工作区文件（AGENTS.md、SOUL.md、MEMORY.md 等）占用的空间。这些"基础设施"成本是固定的，你需要在此基础上规划对话空间的使用。

5.5 /whoami：确认发送者身份

/whoami 返回你的发送者 ID，帮助你在多用户环境中确认自己的身份。

/whoami

输出示例：

🧭 Identity
Channel: webchat

在单用户场景下这个命令不太常用。但在多人共用一个 OpenClaw 实例的环境中，它能帮你确认当前是以哪个身份在和 AI 对话。

5.6 /status 输出逐字段解读

前面已经简要介绍了 /status 的输出。这一节把每一行的细节展开说透。

版本行：🦞 OpenClaw 2026.9.5 (ec9c1a1)

版本号由两部分组成：语义版本号（2026.9.5）和 Git 构建哈希（ec9c1a1）。如果你在 GitHub 上提 issue 报告 bug，附上这个版本号能帮助开发者快速定位问题对应的代码版本。

模型行：🧠 Model: bailian/qwen3.7-max

bailian/qwen3.7-max 是模型的全限定名，格式为 provider/model-name。🔑Auth: api-key (bailian:default) 说明认证方式是 API 密钥。如果你看到 ⚠️ key missing 之类的提示，说明模型配置有问题。

Token 行：🧮 Tokens: 41k in / 843 out

41k in 是累计输入 Token，包括系统提示词、工作区文件和所有对话消息。843 out 是 AI 累计输出的 Token。注意，输入 Token 通常远大于输出 Token，因为每一轮对话都会把之前所有的历史消息作为输入发送给模型。

上下文行：📚 Context: 66k/262k (25%)

66k/262k 表示当前上下文占用了 66k Token，模型的上限是 262k。25% 是占用率。

6. 子智能体、技能调用与所有者命令

6.1 /subagents：子智能体生命周期管理

子智能体是 OpenClaw 多代理架构的核心能力之一。通过 /subagents 命令，你可以管理这些"分身"的运行状态。

/subagents list                 # 列出当前活跃的子智能体
/subagents log <id>             # 查看指定子智能体的日志
/subagents kill <id>            # 终止指定的子智能体
/subagents kill all             # 终止所有子智能体

实战场景：你启动了三个子智能体分别调研竞品 A、B、C。几分钟后，你用 /subagents list 查看进度：

Active subagents:
  [1] task-a1b2  "调研竞品A"  running 3m
  [2] task-c3d4  "调研竞品B"  running 3m
  [3] task-e5f6  "调研竞品C"  running 3m

三个都在运行中。又过了几分钟，你再次 /subagents list，发现第一个已经完成了。你用 /subagents log task-a1b2 查看它的输出，得到了一份完整的竞品 A 分析报告。

如果发现某个子智能体卡住了（比如运行了异常长的时间），你可以用 /subagents kill <id> 终止它，然后重新发起任务。

6.2 /steer：给运行中的子智能体"打方向盘"

/steer 允许你向正在运行的子智能体注入一条引导消息，实时调整它的工作方向，而不需要终止并重新启动。

/steer <子智能体id> <引导消息>

实战场景：你启动了一个子智能体去做市场调研。几分钟后你意识到，你忘了一个重要的维度：价格策略。你输入 /steer task-a1b2 请补充分析竞品的定价策略和折扣模式。子智能体收到这条消息后，会在完成当前工作后，把价格策略分析加入调研范围。最终报告里既有产品功能对比，也有价格策略分析。

6.3 /skill：按名称调用技能

/skill 是普通用户与已安装技能交互的核心入口。它让你无需了解技能内部实现，只需知道技能名称就能调用。

/skill <技能名称> [输入参数]

实战示例：

/skill weather 北京明天的天气怎么样

weather 技能自动查询气象数据，返回温度、降水概率、风力等级等信息。

/skill tool 推荐一款适合初学者的视频剪辑软件

tool 技能分析你的需求，列举几款主流软件并对比优缺点，最后给出推荐。

如果不确定有哪些技能可用，直接输入 /skill 不带参数，系统会列出当前已安装的所有技能及其简要说明：

/skill

输出示例：

Available skills:
  weather       查询天气和预报
  tool          查找和评估软件工具
  clawhub       从 ClawHub 搜索和安装技能
  zhz-tts       中英文文本转语音
  zhz-subtitle  音频转录和双语字幕生成
  ...

常见技能一览表：

6.4 所有者专属命令

以下命令仅对 Gateway 所有者可用。它们直接影响系统配置，需要谨慎使用。

/config：查看和修改系统配置

/config show                    # 显示完整配置
/config get <key>               # 查看某个配置项
/config set <key> <value>       # 修改某个配置项
/config unset <key>             # 删除某个配置项，恢复默认值

"/config" 默认不可用，需要再配置文件中做修改，

参考配置如下：

  "commands": {
    "native": "auto",
    "nativeSkills": "auto",
    "restart": true,
    "config": true
  },

实战示例：

/config get messages.responsePrefix

输出当前回复前缀的设置值。如果你想给 AI 的每条回复加一个固定的签名：

/config set messages.responsePrefix="🦞 OpenClaw 助手"

修改后需要 /restart 才能生效。

/plugins：管理插件

/plugins list                   # 列出已安装插件
/plugins enable <名称>          # 启用插件
/plugins disable <名称>         # 禁用插件

实战示例：你安装了一个新的 Telegram 频道插件，但暂时不想启用它：

/plugins disable telegram-channel

日后需要时再启用：

/plugins enable telegram-channel

/restart：重启服务

/restart

修改配置或安装/禁用插件后，通常需要重启 Gateway 使更改生效。/restart 会优雅地停止当前服务并重新启动，正在运行的任务会尽量完成后再重启。

6.5 队列模式控制

当你连续发送多条消息时，OpenClaw 需要决定如何处理这些消息。队列模式控制这个行为。

/queue steer                    # 新消息作为引导注入到当前运行
/queue followup                 # 新消息排队等待，当前完成后处理
/queue collect                  # 收集新消息，当前完成后一起处理
/queue interrupt                # 新消息中断当前运行

实战场景：你让 AI 写一篇长文。写到一半时你突然想到一个关键信息需要补充。

如果你用 /queue steer，这条补充信息会立即注入到正在写作的任务中，AI 会在后续内容中融入这个信息。

如果你用 /queue followup，这条信息会排队等待。AI 先写完当前的长文，然后处理你的补充信息，可能会写一段补充段落。

6.6 /btw：旁支提问

/btw 是一个非常巧妙的命令。它让你提出一个临时问题，AI 会给出回答，但这段对话不会进入主会话的上下文。

/btw 什么是 RAG？

实战场景：你正在和 AI 深入讨论一个技术方案，上下文里充满了关于系统架构的详细讨论。突然你想确认一下"RAG"这个缩写的含义。如果你直接问，这个问答会混入技术方案的上下文中，可能干扰后续讨论。用 /btw 什么是 RAG？，AI 回答了你的问题（Retrieval-Augmented Generation，检索增强生成），但这个问答不会污染主上下文。你的技术方案讨论继续进行，不受影响。

7. 总结与进阶

7.1 高频命令速查表

以下是日常使用中最常用的斜杠命令速查表。建议你收藏或打印出来放在手边，用到时随手查阅。

7.2 命令权限与安全配置

OpenClaw 的权限系统通过配置文件 openclaw.json 来管理。你可以在配置中精细控制哪些命令可用、哪些用户有权限执行。

配置示例：

{
  "commands": {
    "bash": {
      "enabled": true,
      "elevated": "ask"
    },
    "config": {
      "enabled": true,
      "ownerOnly": true
    }
  }
}

在这个配置中，/bash 命令被启用，但需要 elevated 权限确认（ask 模式，执行前需要用户批准）。/config 命令被启用，但仅限所有者使用。

elevated 模式的三个级别：

安全建议：在初次使用或测试环境中，保持 ask 模式。你每次都能看到 AI 要执行什么命令，确认安全后才放行。当你完全信任 AI 的行为模式后，可以在特定场景下切换到 auto 以提高效率。

7.3 常见问答

Q：输入命令后没有反应？

通常有三个原因。第一，该命令在当前环境中未启用，用 /commands 确认是否在列表中。第二，你输入的格式不对，有些命令需要独占一条消息（Command 类型），不能嵌入到其他文字中。第三，权限不足，所有者命令只有 Gateway 所有者才能使用。

Q：用 /model 切换模型后，之前的对话还在吗？

在。/model 只改变后续回复使用哪个模型，不会清除对话历史。AI 会带着之前的上下文用新模型继续对话。如果你想同时清除历史，先 /new 再 /model。

Q：/think high 设置了，但感觉 AI 没有在深度思考？

不是所有模型都支持深度思考功能。一些较轻量的模型可能不支持 think 指令的完整级别。用 /status 确认当前模型，并查阅模型文档了解它支持的思考级别。

Q：/compact 会丢失重要信息吗？

/compact 使用 AI 来总结历史对话，保留关键信息，丢弃冗余细节。但"关键"和"冗余"的判断是由 AI 做出的，可能会有偏差。如果你有明确需要保留的内容，可以用 /compact 保留 xxx 来指定。对于非常重要的信息，建议先 /export-session 导出备份，再执行压缩。

Q：/new 和 /reset 哪个更"干净"？

/new 更干净。它创建了一个全新的会话，所有设置恢复默认，上下文从零开始。/reset 虽然清空了上下文，但保留了会话设置（模型、思考级别等），session key 也不变。如果你想要彻底的重新开始，用 /new。

7.4 课后练习

练习 1：命令探索

打开 OpenClaw，依次执行以下命令并记录输出结果：/commands、/status、/models、/tools、/context、/whoami。对于每条命令的输出，标注你理解的部分和不理解的部分。不理解的部分查阅本章对应章节的内容。

练习 2：模型切换实战

选择一个技术问题（比如"解释什么是 RESTful API"），分别用两个不同的模型回答。操作步骤：先用 /model 切换到模型 A，提出问题并记录回答；然后用 /model 切换到模型 B，提出同样的问题并记录回答。对比两个回答在准确性、详细程度、表达风格方面的差异。

练习 3：会话管理综合练习

完成以下操作序列：用 /new 练习会话 创建一个命名会话；和 AI 进行 5 到 10 轮对话；用 /status 检查上下文占用率；用 /compact 压缩上下文；再次用 /status 检查压缩前后的占用率变化；最后用 /export-session 导出会话归档。

练习 4：技能调用与旁支提问

在一个正在进行的对话中，用 /skill weather 查询一个城市的天气，观察技能调用的完整过程。然后使用 /btw 提一个临时问题（比如"摄氏度怎么转华氏度"），验证 /btw 的回答是否出现在主上下文中（用 /context 检查）。

本文为《OpenClaw 实战指南》系列第 12 篇。