刚刚，OpenClaw 史上最大更新来了，快凉的龙虾拿到了大结果 ...

liulangqew

openclaw 2.0 来了。
8 M) J6 }6 {9 t- p* u' Z就在刚刚，OpenClaw 正式发布历史上规模最大的更新 v2026.8.1。
% `. l7 G8 ]( m' b0 G# cOpenClaw 基金会在官方博客中坦言，这次更新多少有些「意外」：团队起初只想简化安装流程、重做浏览器端，没想到越改越深。

7 {5 P0 N$ {# _
从 Memory、Skills、Automations、Browser、Native App、Plugin 和 Security，到 Cloud Worker、多人协作与 Agent 权限体系，改动几乎遍及所有核心模块。
+ L$ D% C# v* V- U经历这一轮更新以后，OpenClaw 也开始从一款更偏极客和开发者的 Agent Runtime，逐渐变成一款更容易安装、更适合长期运行，也更接近普通用户使用习惯的 Agent 产品。
OpenClaw 2.0，龙虾开始认真解决「养虾难」
  c+ V. Y. }, J% C根据官方博客介绍，OpenClaw 2.0 一共由 933 名贡献者参与，其中 569 人是第一次向项目提交代码，整个版本包含超过 1.6 万个 Pull Request。按照官方的统计，仅仅这一版涉及的 PR 数量，大约就占 OpenClaw 历史全部合并代码的一半。
/ n% [; N: ~9 K: E7 J为了发布它，OpenClaw 甚至罕见地停更了接近七周。
官方博客如此解释道，OpenClaw 的团队越来越大，开发速度越来越快，原有架构和发布流程已经承载不了这种增长，所以他们不得不把产品基础和发布体系一起重新处理。
& D  A( F' X/ A- o  s
6 ]8 H  _3 X. f; r' b8 N
) a0 T, R4 N$ M" v! @换句话说，过去半年用户在 OpenClaw 身上感受到的很多问题，开发团队同样也有所察觉。
安装就是第一个需要重做的地方。
早期 OpenClaw 对极客相当友好，因为它允许用户自己决定模型、Gateway、Plugin、渠道、Skills 和各种运行方式，但对于第一次接触 Agent 的普通用户而言，每增加一项自由度，都意味着多一个需要理解的配置项。
OpenClaw 2.0 开始主动减少这部分负担。
新版安装时会优先识别电脑里已经存在的 ChatGPT 或 Claude 订阅、API Key 和本地模型，能够自动处理的配置尽量自动处理，暂时用不到的设置则从第一次安装流程里去掉。
$ m+ }5 {9 Q: f0 V/ c( I

官方博客 https://docs.openclaw.ai/releases/2026.8.1
另一个被彻底重做的，是浏览器。
过去 OpenClaw 给人的感觉更接近一个需要自己搭起来的 Agent Runtime，浏览器只是其中一个操作入口；到了 2.0，官方明确把 Browser App 提升为 First-class Experience，也就是普通用户最主要的产品入口。
用户打开 OpenClaw 后会直接进入和 Agent 的对话，可以继续完成配置，也可以回来查看仍在执行的任务。新的进度卡能够持续展示 Agent 在做什么，页面刷新之后不会消失，Subagent 的运行状态、文件修改和任务推进也可以继续追踪。
/ D, O: g2 T" B; }0 \: a: ?# I" P% _

, R; Z9 R4 Z& x7 ~0 p" I* W2 o变化更大的地方发生在 Session。
0 |( y0 N( {4 D- H过去一只 Claw 基本绑定在自己的 Gateway 和机器上，OpenClaw 2.0 开始允许 Session 在本地设备、配对机器和 Cloud Worker 之间移动，Workspace 也能够跟随任务一起迁移。
一项工作可以先在自己的 Mac 上开始，随后交给云端机器继续执行；云端机器闲置之后可以休眠，下一次收到消息再重新分配 Worker，Session 和 Workspace 仍然保留。
OpenClaw 甚至开始从 Personal Agent 往 Multiplayer Agent 发展。
Shared Cloud Sessions 允许其他团队成员进入同一个任务，查看 Agent 已经完成的工作，并在保留原有上下文的情况下接手；Shared Gateway 则加入了用户身份、在线状态、Session Creator、成员权限和不同 Agent 的访问范围。


. M0 x( K& l; s6 x过去大家想象中的「数字员工」，通常是一人拥有一个 Agent。OpenClaw 2.0 给出的另一种可能，是几个人和几个 Agent 一起进入同一个 Workspace。
Memory 和 Skills 也获得了更强的自主性。
5 t- w7 o' w5 q7 S8 D4 v开启 Active Memory 后，OpenClaw 可以在符合条件的私人 Session 中调用过去的对话信息；新的 Background Memory Consolidation 会让模型在后台整理长期记忆，把适合保留的信息逐渐写进 Long-term Memory，同时留下来源信息和 Dream Diary。
Self-learning 则开始让 Agent 从任务中积累可重复使用的方法。它可以识别此前工作里有效的经验，并将符合安全要求的内容转化为新的 Skills，再通过 Skill Workshop 对已有 Skills 进行整理和改进。
曾经需要用户自己不断「教龙虾」的过程，正在逐渐变成 Agent 自己总结经验、整理记忆和改进工具。
: o3 y1 @! Z8 h" e6 Y0 @Automation 也进一步向持续工作靠近。
7 A( |* _7 B, S- ]7 J( E( H新版自动化任务可以默认绑定发起它的 Conversation，定时任务不再天然脱离上下文；/loop 支持让 Agent 按固定时间或自身节奏持续检查；Workboard 则把任务与 Automation 连接起来，当前一项工作完成后，可以继续启动下一项关联任务。
实验性的 Swarm 允许一个 Agent 同时启动多个 Subagent，并行处理独立子任务，再汇总结构化结果。Agent 正从「替你完成一次任务」，转向「维持一个持续运转的工作系统」。
$ [  e) i1 \% _& Y
' H2 j0 a) v! }8 c! s5 F7 F+ A
/ i, S# e- S2 \5 z6 \; Q安全和权限是 OpenClaw 2.0 变化最密集的区域之一。
) p4 L4 T: m2 }3 j% A. i新版加入 Private Credential Request。当 Agent 需要密码、Token 或其他敏感信息时，可以通过遮罩输入界面向用户索取，避免秘密进入聊天记录和模型 Context。
. @' k" }6 X: B* `$ d- R; W" ~Automation 支持针对单项操作进行一次性授权；任务内容或操作范围变化后，需要重新批准。
第三方 Plugin 安装时会展示来源、版本、能力和 Artifact 信息。任意来源且包含可执行代码的 Plugin 都需要额外确认，ClawHub 安装前还会显示已有的 Security Audit 信息。
此外，团队环境新增 Role、Session Permission Mode、Shared Credential Store，以及针对 Agent、Session 和操作范围的细分权限。
' f- y6 ]4 P4 k& ]% T& N+ q并且，OpenClaw 2.0 也继续扩大 Agent 的可触达范围。
Browser Agent 可以读取页面文本、查看网络请求并模拟设备；Desktop Control 能操作配对桌面设备；Android 在开启 Accessibility Control 后允许 Agent 查看和操作手机界面；Teams 和 Zoom 官方插件则支持 Agent 以浏览器 Guest 身份加入会议、查看 Transcript，甚至通过工具发言。
6 A$ z! j% @3 f- _9 q
+ R7 z) |. c1 Q; C9 s, H" U
% z! O1 U  k& U6 \+ z) p/ ]3 O邮件也可以触发 Agent 工作：IMAP 收到符合条件的新邮件后，能够直接启动对应任务。
! I% ^  T: {. c7 Q  n此前 OpenClaw 更像一个可以遥控电脑的聊天 Agent，如今正逐渐变成一个跨 Browser、Desktop、Mobile、Cloud、IM 和 Meeting 持续运行的个人计算层。
# c) }8 o. V) y5 q# I$ S当然，OpenClaw 2.0 也没有突然解决所有问题。恰恰相反，这个巨大版本同时带来了相当多迁移工作。
内置 OpenProse Plugin 和 /prose 命令被移除，部分 OpenAI 与 Codex Model Route 需要迁移，Plugin SDK 又公布了一批将在 9 月进入废弃阶段的接口。
8 o- O. Z. Q0 ?; _
& s( m) F) u1 x) J2 t% z$ i
官方甚至专门强化了 openclaw doctor --fix，帮助旧用户自动处理 Provider、Plugin、Config、Session 和 Automation Route 的历史兼容问题。
某种意义上，OpenClaw 2.0 的更新清单，也像过去九个月用户真实使用问题的一份反向索引。
+ P+ ?: E* W* }: c5 y. u$ q  ]而要理解 OpenClaw 为什么会走到今天，为什么一个需要 933 名贡献者、超过 1.6 万个 PR 才能完成的大版本，还得重新回到这只「龙虾」最早诞生的时候。
一只龙虾，怎么就成了 AI 打工圣体？
最近中文互联网很流行一个词，叫「拿到大结果」。
它最早接近「开到大单」「赚够离场」一类行业表达，后来逐渐变成一种带着调侃意味的成功学语言。今天我们说一个人或者一件事「拿到了大结果」，通常意味着最终得到的东西，已经明显超出了最初的预期与目标。
把这个词套在 OpenClaw 这只「大龙虾」身上，或许也相当贴切。
* I: J; ^+ ^: YOpenClaw 最初没有什么宏大的商业计划。
Peter 最近参加圆桌访谈时回忆，项目最早来自一个非常具体的需求：人在外面的时候，他希望直接给自己的电脑发一句 Prompt，让电脑替自己把事情办完。
, V5 P+ H9 K2 {* g4 L按照他的设想，各大 AI Lab 应该早就做出了类似产品。
结果找了一圈，没有任何一个方案让他满意，于是干脆自己写了一个原型，让用户可以通过 WhatsApp 与电脑里的 Agent 交互。
% F& W4 b) n8 n  h

; n" J7 ?) S: ]) y, v1 a  J1 o而真正让 Peter 意识到，这件事可能远不只是「远程控制电脑」的，是一次马拉喀什之旅。
) p5 g/ [$ ~% ^- b8 q当地网络环境算不上理想，但 WhatsApp 一直能用。Peter 给自己的 Agent 发去一段语音，而他此前并没有专门为这个场景编写完整工作流，Agent 实际收到的甚至只是一个连扩展名都没有的文件。
按传统软件的逻辑，流程走到这里已经很容易卡住，因为程序根本不知道眼前是什么东西。令人没想到的是，Agent 却自己开始处理问题。
7 u1 S) P( N8 Q5 T$ J它先判断文件类型，发现内容属于音频以后尝试处理格式。本地没有安装 Whisper，于是继续寻找其他可用方案。随后它发现机器中存在 OpenAI API Key，便把音频交给服务器完成转写，再根据识别结果继续执行任务。


1 r3 F9 P" W2 ~Peter 后来回忆，那一刻让他第一次清楚意识到，过去几年为了 Coding 不断提升的模型能力，已经开始溢出编程场景，变成一种更通用的问题解决能力。
OpenClaw 后来的爆火，很大程度上来自这种新鲜感。
比起单纯地和 AI 聊天，OpenClaw 把文件、浏览器、终端、API、消息软件、Memory 和 Skills 一股脑塞进模型的工作环境。
) X. i- R5 O  f6 zAI 终于不只待在聊天框里等人提问，用户也不用一直守在电脑前，甚至通过日常通信工具发一句话，Agent 就能在另一端打开网页、读取文件、调用工具或者执行命令。
短短九个月的时间，OpenClaw 已经成为最知名的开源 Agent 项目之一，GitHub Stars 超过 38.8 万，Fork 超过 8.1 万。
- k4 }8 J) ?4 p- E; a1 }: O( B) u' d

8 h* v' K4 B$ X+ N意气风发的龙虾之父 Peter StEInberger 本人更是光速被招安进 OpenAI，负责牵头下一代 Personal Agent 的核心研发；而 OpenClaw 则顺理成章地被移交给了独立的非营利基金会继续维护。
到了现在，Peter 已经把自己的角色形容成「Meta-Orchestrator」，让一个 Agent 去管理更多 Agent。
但一个开源项目的迅速走红，并不等于一类产品已经走向成熟。
OpenClaw 证明了通用 Agent 足够令人兴奋，却也把部署、维护、成本和安全等问题同时摆到了台前。海外社区还在探索这种新形态时，国内厂商已经迫不及待地冲进场内，并尝试把它包装成普通用户也能轻松使用的产品。
8 c5 ^9 A% }7 D0 ^" b; v「百虾大战」，来得快，去得也快
OpenClaw 火起来以后，国内科技公司最先看到的，是一个正在迅速扩大的新市场。
3 Z3 B, C7 E# [* G今年 4 月的一份产业统计显示，至少已经有 14 家中国头部互联网公司、模型公司和硬件厂商推出相关产品与服务；如果再把云端托管、部署方案、安全工具和 Skill 平台等外围生态计算在内，参与企业超过 20 家。
腾讯推出 QClaw，字节跳动旗下火山引擎带来 ArkClaw，智谱做了 AutoClaw，阿里有 CoPaw，随后又有 Kimi Claw、MaxClaw、小米 MiClaw 等产品陆续入场。
熟悉的名字几乎可以排成一桌龙虾宴。
面对这个迅速升温的市场，国内厂商最先瞄准的，也是 OpenClaw 最显眼的一道门槛：安装太麻烦。
. X8 `' y7 N/ h6 dNode.js、命令行、API Key、本地环境、国内 IM 接入，再加上一台必须长期在线的电脑，对于开发者而言尚且需要折腾，对普通用户已经足够劝退。


国内厂商们看准痛点，迅速把部署流程爆改成几分钟搞定的图形化界面；甚至更进一步，还直接把云环境、部署、备份、安全、通信软件和云电脑一起打包。
但安装越来越简单以后，更难的问题开始浮现：用户怎么把一只 Agent 长期用下去。
说到底，OpenClaw 更像一个需要持续维护的个人 Agent Runtime。
' t+ o3 b: X* @1 h模型、Skills、Memory、浏览器、文件系统、消息渠道、API、权限和后台服务彼此连接，用户不仅要定义任务，还要管理数据权限、人工确认、Memory、失败恢复和插件升级。
, l2 e8 _. V# |; T, R! V2 b早期极客愿意投入时间，因为折腾本身就是体验的一部分。
5 m. e  V% H  B" X  J3 i) e# G但「装一只龙虾替你上班」听起来很美，可真等热乎劲一过、屏幕亮起，大多数普通用户坐在电脑前往往会陷入沉思：我到底有什么正经需求，是值得每天开着电脑、花着电费交给它办的？
  W% g- T' D3 N8 V5 P, T聊天机器人打开就能用，通用 Agent 却要求用户自己定义任务、设计工作流、管理权限、理解模型能力，并在出错后调整系统。
( m- G$ \' r& F+ A" V9 H: _1 v! b& D/ o' x更让人头疼的是，OpenClaw 的升级缺乏稳定性。
3 Z. p7 }7 g  n; E3 ]$ `OpenClaw 同时管理 Core、Plugin、Config、Session、Database、Gateway、Model Provider、Tool Schema、权限和后台进程，任何接口变化都可能影响既有工作流。
; ]9 ], H2 Q2 s8 u& k- }

在过去的几个月里，开源社区里哀鸿遍野：CLI 命令行版本和 Gateway 网关版本不同步；Core 核心组件和 Plugin 插件版本严重错位；官方突然改动了 Plugin Allowlist 插件白名单机制……
大批用户一觉醒来，发现辛辛苦苦配好的插件全挂了，只能抓狂地去翻配置文件一行行 debug，严重的时候除了回滚老版本别无他法。
此外，Token 账单，又给「数字员工」的浪漫想象增加了一项现实成本。
9 K$ z4 |& f- A3 ]和固定订阅不同，Agent 有另一本实打实的 API 账单。
. C' q, t7 O6 v5 X% oOpenClaw 的 Heartbeat 机制还会让 Agent 定期醒来检查状态，即使用户没有发消息，也会持续消耗 Token。运行时间越长，历史 Context、工具结果、Memory 和 Skills 越多，管理成本也越高。
" I4 |3 X9 G2 {再进一步，账单至少还能算明白，安全问题要复杂得多。
OpenClaw 可能受到恶意网页和邮件钓鱼攻击，其安全指南也提醒用户应当将外部消息视为不可信输入；未配置 Sandbox 时，部分工具甚至可能直接运行在用户机器上。
工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）也曾发布监测预警：OpenClaw 开源 AI 智能体的部分实例，在采用默认配置或配置不当的情况下存在较高安全风险，可能引发网络攻击和信息泄露等问题。
部署、维护、成本与安全等等，OpenClaw 提前撞上的这些墙，后来几乎都成了 Harness 产品必须回答的问题。
OpenClaw 成功了吗？
Peter 曾经给 OpenClaw 定过一个很有温度的「北极星目标」：做出一个连自己的母亲也能安全、无门槛使用的 Agent。
最近参加圆桌访谈时，主持人问了  Peter  一个问题：「OpenClaw 到底怎样才算成功？」后者给出了一个看似矛盾但极具分量的回答 ：「从很多方面来说，我觉得它其实已经成功了。」
在他看来，如今「Claw」本身已经变成了一个名词。更重要的变化发生在产品能力上。更深层的变化，则体现在产品机制的普及上。
' F* C; o- ?7 A5 _' f9 iPeter 说，他已经看到很多最早由 OpenClaw 尝试的功能，逐渐进入商业 Agent。
比如 Agent 不需要一直等待用户下达下一条指令，可以主动发起行动；Agent 可以自己创建定时任务，在未来某个时间继续执行任务；越来越多产品开始建设长期记忆，让 Agent 能够记住过去的工作和用户状态。
! c* u: T' M* t6 ]! p5 ?  o" ]OpenClaw 至少验证了一件过去没有那么确定的事情：用户确实希望 AI 进入自己的电脑、文件、浏览器、消息和账号，并且能够持续完成任务。
; j. @8 M) D5 u* q) u模型能力当然重要，但真正决定 Agent 好不好用的，还有模型生活在什么环境里，能够调用什么工具，如何保存状态，任务失败以后怎么恢复，以及到底拥有多大的权限。
$ L, ^: R! P6 u" |
6 k8 K. C$ B. |6 G8 c" ^1 G
DeepSeek 更是将其概括为 Agent = Model + Harness。
" V  P5 q) a  `( ]* Y6 V) r/ Y所谓 Harness，就是围绕模型搭建起来的整套运行体系，其中包含 Runtime、Tools、Memory、Skills、Session、Sandbox、Permissions、Loop 和 Environment。
Peter 当初做 OpenClaw 的初衷就是想做一个真正有用的个人助手，让 AI 能够在真实电脑上处理任务，运行在用户自己的设备中，进入大家日常使用的通信渠道，同时保留隐私、安全和用户控制权。
% [) I/ a1 a2 K此外，对于龙虾是否「成功」的理解，Peter 还表示 OpenClaw 如今已经转为非营利项目。在他看来，如果项目最终能够帮助人们减少那些必须时刻在线、同步处理事务的时间，让 AI 替人承担更多持续性的工作，从而把时间重新还给用户，那么 OpenClaw 就已经实现了相当重要的一部分价值。
+ v/ ^$ T7 {4 B7 T! ]: r
2 ?+ `" X! e- ^
: Q6 O: X  b9 m8 h' E+ R+ B  M8 c9 q从这个角度看，OpenClaw 有没有成为最终赢家，反而没有那么重要。
5 l% t) ?* K: c$ j% c% \. s2 q, f5 G$ T) ~- K年初那场全民「养虾」热潮虽然已经明显退烧，围绕 OpenClaw 的安装教程、一键部署和各种国产「龙虾」，也没有几个月前那么热闹。
但这场看似喧嚣的「全民养虾」，本质上完成了一次难得的 Agent 大众认知普及。
2 ^  N8 I. a' \- y" k# z3 k很多人最终没有长期留下 OpenClaw，也未必真正理解 Harness、Runtime 或 Sandbox，但他们已经知道 Agent 和 Chatbot 的区别，并切实感知到了一个能够行动的 AI 会带来怎样的效率、成本和风险。
而这也是 OpenClaw 真正拿到手里的、沉甸甸的「大结果」。
我们正在招募伙伴
简历投递邮箱hr@ifanr.com
✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
3 U& c2 W  I; `/ }. o; c