22.5 首次对话：与管家交互
面向经管学生、研究者与从业者的 AI 智能体设计教材
消息渠道已接通，云服务器上的 OpenClaw 后台正常运行、微信插件在线。打开手机，在微信中找到绑定的管家账号，将其置顶，发送第一条消息。
打个招呼
先发送一条普通问候，确认通路。
交互形态与普通微信聊天无差别：发送消息、接收回复，无需额外窗口、终端或命令行。管家相当于通讯录中新增的一个联系人。
三类典型对话
完成初次问候后，再试几种不同性质的请求，了解管家的能力边界。前两类管家自己就能搞定，第三类则要借助 OpenClaw 的杀手锏：把任务转交给 Opencode，在某个项目目录里深度处理。
| 类型 | 触发什么 | 验证什么 |
|---|---|---|
| 简单问答 | 管家直接回答，不调工具 | 模型连接正常 |
| 本地文件操作 | 管家读写文件 | 管家能访问云服务器上的磁盘 |
| 调度 Opencode | opencode run 调用、进入项目目录 |
管家与专家的协同链路打通 |
第一类：简单问答
帮我用三句话解释一下什么是无风险利率此类请求不调用外部工具，管家直接基于模型知识回答。体验与普通聊天机器人一致：可对话、可解释概念、可撰写短文。
第二类：本地文件操作
帮我看看你的工作区目录是怎么设计的？包含哪些文件？此类请求的处理方式不同：管家会调用内置文件工具，读取云服务器上的目录，列出文件名与修改时间。
第三类：让管家调度 Opencode 做项目级任务
这是 OpenClaw 与普通聊天机器人的根本差别。管家可以把需要项目语境的工作转交给云服务器上对应项目目录里的 Opencode 完成。不过，默认情况下管家会尝试自己处理所有请求，要让它学会路由，需要先告诉它一条偏好。
先在云服务器上准备好一个项目目录，包含规则文件、Skills、历史资料等。然后在微信里把调度偏好告诉管家：
以后凡是涉及 ~/research 下某个具体项目目录的工作任务，请用 opencode run 命令进入该目录，调用项目里的 Opencode 去完成，不要自己直接动手。管家会确认这条偏好并写入记忆。接下来发送一个具体的项目级任务：
管家识别到这是项目级任务，通过 opencode run 命令进入对应目录调起 Opencode。Opencode 在该项目的语境里完成工作：读取规则文件、复用历史模板、拉取最新数据、生成新一期内容。完成后 Opencode 进程退出，管家把结果通过微信回送。
不必局限于以上三个示例。可尝试”帮我总结这个网页 <网页链接>“、”用 ~/research/某项目 写一份今日晨报”、“列出 ~/Documents/研报 目录中本周的文件清单”等指令。管家的能力边界比预期更广，多次尝试才能摸清其擅长范围与局限。
三处可观察到的行为特征
完成以上几轮对话后，可以观察到几个现象。
管家具有稳定的人格特征。 回复风格、语气、自我定位保持一致。若首条消息将自身定位为研究助手，后续不会改口为客服机器人。这一行为由配置文件控制，用于定义管家的人格、边界与表达风格。
管家可保留会话上下文。 同一会话中连续提出三个问题，无需每次重复身份与意图说明。管家会记住这一轮对话的内容。
常用的会话控制命令有三个：
/new开启新会话，清空当前对话上下文；可附带模型参数在新会话切换模型，如/new openai/gpt-4o/reset是/new的别名，效果相同/compact压缩当前会话历史，适用于对话过长的场景；可附带摘要侧重指令，如/compact focus on 技术决策
以上命令在微信对话框中作为普通消息发送即可。
至此，已经拥有一个处于运行状态、已接入消息平台、可正常对话、且能调度 Opencode 的 OpenClaw 实例。一个常驻 AI 管家最基础的形态，即是这样一位可在聊天窗口中随时响应、兼具问答与执行能力的联系人。