本次更新实现飞书插件 npm 独立分发，新增 Ollama 本地模型配置及 openclaw 命令别名。引入 SQLite 持久化队列，支持断点续传。全面集成飞书、钉钉、企业微信及 QQ 官方渠道，优化阿里云百炼模型选择。修复多 Agent 路由、定时任务校验及配对授权等关键问题，提升系统稳定性与兼容性。
必须按顺序完成四步：安装启用auto-reply技能、配置yaml消息规则、绑定微信渠道至该技能、启用semantic_mode语义模式，缺一不可。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果你已经部署好OpenClaw但微信消息仍需手动回复，说明自动回复链路尚未打通——这通常不是AI没反应，而是auto-reply技能未安装、规则未加载、微信渠道未绑定或语义模式未启用。必须按顺序完成这四步，缺一不可。
安装并启用auto-reply核心技能
OpenClaw默认不启用自动回复能力，它被设计为一个可插拔的独立技能模块。未安装时，所有微信消息会直接透传给主Agent，跳过关键词匹配与响应生成流程。
第一步：在已激活的虚拟环境中执行命令：openclaw skill install auto-reply
第二步：验证安装结果，运行openclaw skill list | grep auto-reply。如果返回内容中包含auto-reply@latest且状态为enabled，说明技能已就绪；若显示disabled或无输出，请重新执行安装命令并检查网络连通性。
第三步：重启OpenClaw服务（Ctrl+C终止当前进程后再次运行python main.py），确保新技能被初始化加载。
配置本地YAML消息规则
规则文件决定AI“听懂什么”和“怎么答”，全部运行于本地，不上传、不联网、不依赖云端模型。写错格式会导致整个rules.yaml加载失败，进而使auto-reply技能静默失效。
方法一：快速启用默认规则
进入配置目录：cd ~/.openclaw/skills/auto-reply/ → 用文本编辑器打开rules.yaml → 确保首行存在version: 1，并在其下方保留至少一条有效规则，例如：
- trigger: "你好"<br> response: "您好！我是OpenClaw助手，当前已启用基础响应模式。"
【注意】YAML严格依赖缩进，trigger和response前必须是两个空格，不能用Tab，否则服务启动时报错退出。
方法二：添加多条件响应规则
支持正则匹配，例如追加以下规则可响应带问号的任意问题：
- trigger: ".*\?$"<br> response: "我正在学习中，这个问题稍后为您解答。"
保存文件后，在OpenClaw客户端点击【重启Agent】按钮，使新规则热加载生效。
将微信渠道绑定至auto-reply技能
即使技能已装、规则已写，若微信消息流未路由到auto-reply模块，消息仍将走默认通道，AI不会触发任何自动应答逻辑。
第一步：确保OpenClaw Windows客户端已启动，且右下角Gateway状态显示为绿色“在线”
第二步：点击右上角【设置】→ 切换至【技能绑定】标签页
第三步：在渠道列表中找到【微信 (WeChat)】→ 点击其右侧“绑定技能”下拉菜单 → 选择auto-reply
第四步：勾选“启用私聊自动回复”和“启用群聊@触发”两项 → 点击【应用配置】
系统将自动重载Channel Runtime模块，控制台应输出[Channel] WeChat bound to skill: auto-reply日志行。
启用语义理解增强模式
纯关键词匹配容易漏判近义表达，比如用户发“地址在哪”而规则只写了“公司地址”。开启semantic_mode后，AI会基于嵌入向量计算语义相似度，大幅提升泛化命中率。
打开config.yaml文件 → 定位到skills:区块 → 在auto-reply:子项下添加一行：
semantic_mode: true
保存后重启OpenClaw服务。首次启用时会自动下载轻量级语义模型（约86MB），需等待控制台出现[Semantic] Embedding model loaded successfully提示。
发送测试消息“咱们办公室在哪儿”，若收到预设地址回复，说明语义模式已生效。
