OpenClaw大更新：支持GPT-5.4与记忆热插拔，Star突破28万
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
机器之心编辑部
「我们没有小发布。」
本周日，最热门的智能体项目 OpenClaw 发布了 2026.3.7 版本，引入了上下文引擎插件、lossless-claw 等功能，同时也更新了一系列新模型的支持。
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。
特别欢迎OpenClaw 核心贡献者、大厂 / 科技公司团队负责人、实验室 / 高校学者、Agent 创业者、VC 投资人，以及在 OpenClaw 上有深入实践的朋友来聊。
有意者请联系小助手微信（微信号：13661489516）
参考内容：
https://x.com/openclaw/status/2030522386894946620
https://github.com/openclaw/openclaw/releases/tag/v2026.3.7
相关攻略
腾讯发布微信“龙虾”插件 ClawBot 官方使用教程：打通聊天界面与 OpenClaw 操作，QClaw、WorkBuddy、Lighthouse 同步开放连接 刚刚，腾讯正式放出了微信的「ClawBot」插件，支持将你的OpenClaw接入微信生态。需要提醒的是，该功能目前仍处于逐步放量阶段，部
从“动口”到“动手”：OpenClaw如何将AI推入“执行时代”？ 文｜洞见新研社 3月的最后一周，OpenClaw的GitHub社区上演了一出反转剧。往日里忙着报错的开发者们这次成了观众，主角换成了来自蚂蚁、天融信、360等机构的安全研究员，他们密集披露了数十个涉及远程接管、信息泄露的高风险漏洞。
Cursor 3发布：一个为“Agent编写一切代码”的世界而生的工具 智东西作者｜毕伟豪编辑｜漠影 智东西4月4日消息，就在昨天凌晨，编程工具Cursor迎来了其第三代版本——Cursor 3的正式发布。官方将其定位为“为一个所有代码都由Agent编写的世界而生”的工具，这句宣言，无疑为整个开发者
智东西 作者｜毕伟豪 编辑｜漠影 说来也巧，就在几天前被Claude正式“封杀”之后，OpenClaw没有沉寂，反而在昨天放出了4 5版本的重磅更新。这一波操作，直接把讨论热度拉满了。新版本不仅将Claude CLI从新用户的默认后端选项中移除，还重构了备受关注的梦境系统以强化记忆，更关键的是，内置
新智元报道编辑：元宇【新智元导读】一个让AI像原始人一样说话的插件，在HN上一夜爆火，冲破2w星。它的核心只是一条简单粗暴的prompt：删掉冠词、客套和一切废话，号称能省下75%的输出token。
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个