客服热线:17603274134/13955533956

OpenClaw昨晚大更新:支持GPT-5.4,记忆热插拔,Star量破28万

   2026-03-09 网易 130 0
核心提示:从 GitHub 的更新日志上看,OpenClaw 2026.3.7 的更新内容多而复杂。不过总的来说 OpenClaw 目前的主线已经逐渐清晰:它正在将 OpenClaw 从一个实验性的智能体框架,推向一个具备高度持久性、可扩展性和生产级安全性

从 GitHub 的更新日志上看,OpenClaw 2026.3.7 的更新内容多而复杂。不过总的来说 OpenClaw 目前的主线已经逐渐清晰:它正在将 OpenClaw 从一个实验性的智能体框架,推向一个具备高度持久性、可扩展性和生产级安全性的成熟 Agent 操作系统。


具体来看,此次更新主要包括以下几个方面:


智能体 / 上下文引擎插件接口:新增 Context Engine 插件插槽,支持完整的生命周期钩子。引入基于插槽的注册表和配置驱动的解析机制;添加 LegacyContextEngine 包装器以保留现有的上下文压缩行为;通过 AsyncLocalStorage 为插件运行时提供作用域子智能体运行时,并新增 sessions・get 网关方法。这使得类似 lossless-claw 的插件提供替代的上下文管理策略,而无需修改核心压缩逻辑,而当未配置该插件时,行为无变化。

ACP / 持久化频道绑定:新增耐用的 Discord 频道和 Telegram 话题绑定存储,包括路由解析,以及 CLI / 文档支持,使 ACP 线程目标在服务重启后依然保持绑定,并能进行一致性管理。

Telegram/ACP 话题绑定:在 /acp spawn 命令中支持 Telegram Mac Unicode dash 前缀;支持 Telegram 话题线程绑定(--thread here|auto);将已绑定话题的后续回复自动路由至 ACP 会话;新增 Telegram 审批按钮,使用带有前缀的 approval-id 解析,且成功绑定后自动在话题内置顶确认信息。

Telegram / 话题智能体路由:在论坛组和私聊话题中支持针对每个话题的 agentId 覆盖,使特定话题可以路由到具有隔离会话的专用智能体。

新手引导 / 联网搜索:在配置向导中增加供应商选择步骤和完整的供应商列表,并在引导过程中支持 SecretRef 引用模式。

工具 / 联网搜索:将 Perplexity 供应商切换为 Search API,支持提供结构化结果,并新增语言 / 地区 / 时间过滤器,使得搜集信息更精准。

网关:为 gateway.auth.token 增加 SecretRef 支持,并加入身份验证模式防护栏。

插件 / 系统上下文字段:新增 prependSystemContext 和 appendSystemContext 钩子,允许将插件的静态引导信息放置在系统提示词空间,以利用供应商缓存并降低重复提示词的 token 成本。

新增对 google/gemini-3.1-flash-lite-preview 的原生支持,包括模型 ID 正规化、默认别名、多媒体理解图像查找、Google Gemini CLI 向前兼容回退及文档。

工具链与本地模型生态优化方面,在 2026.3.7 版本上,OpenClaw 重构了 Web 搜索工具,优化了 Ollama 等本地模型的处理机制,以及 Docker 容器部署。新版本完美兼容了 Ollama 等本地模型在「思考 / 推理(Thinking/Reasoning)」阶段的流式输出隔离,不再会将模型底层的思考过程误当做正式回复输出。

此外在容器化上,Docker 支持通过 OPENCLAW_EXTENSIONS 预打包扩展依赖,容器启动更快速、结果更可复现。


需要注意的是,此次更新中一个重要变化是「重大」网关认证模式,如果同时配置 gateway.auth.token 和 gateway.auth.password,则现在必须显式指定 gateway.auth.mode,升级前将该模式设置为 token 或 password。否则,升级后可能导致启动、配对或 TUI 失败。


而这些只是此次更新的部分内容,更多详细信息,大家可以去 GitHub 上获取。正如 OpenClaw 在更新贴文中所言,「此次发布的背后包含了 196 位贡献者」,涉及多方面的更新。


总结起来,OpenClaw 正在试图解决目前 AI Agent 框架工程化落地的几个重要问题。它突破了「上下文窗口」的瓶颈,允许开发者自由挂载 RAG(检索增强生成)、知识图谱折叠或无损压缩算法,为智能体「长期自主运行」铺平了道路。


在 OOLONG 基准测试中,使用相同的模型,新版 OpenClaw 上 lossless-claw 的得分为 74.8,而 Claude Code 的得分为 70.3,随着上下文长度的增加,差距会越来越大。


在所有测试的上下文长度下,它的性能都优于 Claude Code。有工程师在 OpenClaw 上运行了一周,表示:「说它运行良好都算是保守的说法。」


OpenClaw 强化了主从智能体的协作能力,复杂任务现在可以更加安全、隔离地拆解并分发给拥有专属记忆通道的小智能体来处理。通过让不同的 Agent「常驻」在不同部门群组中的方法,OpenClaw 实现了持久化的通道绑定。现在哪怕服务器重启,专用的智能体依然能记住上下文并接续之前的工作。


最后,诸如防提示词注入、拦截、凭据保护、时间戳的 UTC 锚定对齐等更新进一步提升了安全性。


目前,OpenClaw 在 GitHub 上的 Star 量已经达到了 28 万。


从社交媒体到办公室,越来越多的人正在尝试使用 OpenClaw,该工具的应用范围已经从专业的开发者转向各行各业的不同人群。人们整将其用于从选股、撰写报告到制作 PPT、写电子邮件、写代码等各种用途。


AI 智能体助手,或许会很快成为每个人手下的「虚拟员工」,大大降低我们的工作量。


One More Thing


机器之心拟于近期在上海举办一场 OpenClaw 活动,正在四处「抓」有趣的议题和嘉宾。这次想把 OpenClaw 彻底聊透,从爆红机制、技术逻辑,到实战案例、创业机会等,我们都想听。


(责任编辑:小编)
下一篇:

“人工智能+”连续三年部署,今年首提“智能经济”

上一篇:

人形机器人频出圈 距离“一户一机器人”还需多久

反对 0 举报 0 收藏 0 打赏 0 评论 0
免责声明
• 
本文仅代表作者个人观点,本站未对其内容进行核实,请读者仅做参考,如若文中涉及有违公德、触犯法律的内容,一经发现,立即删除,作者需自行承担相应责任。涉及到版权或其他问题,请及时联系我们228559116@qq.com
0相关评论