OpenClaw微信消息差异化回复失效，需配置文本语义分类器、启用结构化解析插件、设置优先级路由链，并部署LLM动态判定Workflow。
☞☞☞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☜☜☜
如果您使用OpenClaw对接微信消息，但系统无法根据文本内容自动区分并执行差异化回复，则可能是由于文本类型识别规则未配置或匹配逻辑未启用。以下是实现该功能的具体操作路径：
一、配置文本语义分类器与意图映射表
OpenClaw依赖本地部署的轻量级NLU模块对输入文本进行初步意图判别，需手动定义常见文本类型（如咨询、投诉、订单、技术问题）与其对应处理策略的映射关系，确保后续回复动作可被准确路由。
1、访问 OpenClaw Web UI，进入 「Skills」→「Intent Classifier」 模块。
2、点击「Add Intent」，在「Name」栏填入文本类型标识，例如 complaint。
3、在「Sample Utterances」中逐行添加该类型的典型表述，例如“太差了”“不想要了”“要退款”“服务态度不好”。
4、在「Action Route」下拉菜单中选择预设响应技能，如 AutoRefundHandler 或自定义 Workflow ID。
5、勾选「Enable Contextual Boost」以激活上下文增强匹配，提升多轮对话中类型识别稳定性。
二、启用消息内容结构化解析插件
该插件可提取微信消息中的结构化字段（如时间、金额、单号、人名），并将结果注入意图识别流程，使分类不再仅依赖关键词，而是结合语义+实体双重判断。
1、在终端执行命令：openclaw plugin install text-struct-parser。
2、运行 openclaw plugin config text-struct-parser --enable 启用插件。
3、编辑配置文件 ~/.openclaw/plugins/text-struct-parser/config.yaml，在 entity_rules 区块中添加正则表达式，例如：
order_id: "\b[0-9A-Z]{12,16}\b"
amount: "¥?\d+(?:\.\d{2})?"。
4、重启 OpenClaw 服务使解析规则生效：systemctl restart openclaw。
三、设置多级文本类型优先级路由链
当一条消息同时匹配多个文本类型时，OpenClaw需依据预设优先级决定最终采用哪一类策略，避免歧义导致错误响应。此机制通过显式声明路由权重实现。
1、进入 Web UI 的 「Routing」→「Priority Chain」 页面。
2、点击「New Chain」，命名为 wechat-text-type-routing。
3、依次添加节点：第一节点为 urgent_complaint（权重95），第二节点为 order_inquiry（权重80），第三节点为 general_qa（权重50）。
4、为每个节点绑定对应 Intent 名称，并启用 「Stop on Match」 开关。
5、将该路由链绑定至微信通道的 incoming_message 事件钩子。
四、部署基于LLM的动态文本类型判定Workflow
对于未覆盖在预设意图库中的长尾文本，可调用内置小型语言模型实时生成类型标签，并触发对应Skill，实现零样本泛化能力。
1、在 Dashboard 中进入 「Workflows」→「+ New Workflow」，选择模板 LLM-Type-Detector。
2、在 Prompt 编辑区设定输出约束：“仅输出一个英文单词，从以下选项中选择最匹配的类型：support、sales、complaint、feedback、other”。
3、将 Workflow 的输入源设为 raw_text_content，输出目标设为 intent_label 字段。
4、在「Post-Processing」中配置 fallback 动作：若 LLM 输出非预期值，自动降级至 general_qa 类型。
5、保存后，在微信通道配置页的 「Fallback Strategy」 下拉菜单中选择该 Workflow。
