史上“最大龍蝦”發佈:OpenClaw 2.0要解決Agent的三大難題

2026年9月1日 11:27
史上“最大龍蝦”發佈:OpenClaw 2.0要解決Agent的三大難題
站內 AI 整理稿

還是那個經常會掛的“手搓感”龍蝦嗎?沉寂了近兩個月之後,8月31日,OpenClaw正式發佈v2026.8.1,團隊直接把它稱為“OpenClaw 2.0”。按照官方披露的數據,這是OpenClaw誕生以來規模最大的一次更新:共有933名貢獻者參與,其中569人是第一次為OpenClaw貢獻代碼,累計涉及超過1.6萬個Pull Request。OpenClaw團隊成員Hannes Rudolph稱,單這一個版本包含的PR,就接近項目歷史全部合併PR的50%。在2.0之前,它曾經在230天裡發佈106個穩定版本,大多數版本之間只隔一兩天。但從7月中旬的2026.7.

1之後,OpenClaw突然停更了接近7周。團隊原本準備8月18日上線新版,最後一天又臨時宣佈延期。原因是測試過程中發現,新用戶安裝已經基本沒有問題,但老用戶從2026.7.1以及更早版本升級時,仍然可能把原來的Agent配置搞壞。這也是OpenClaw過去最著名的問題,功能更新極快,Agent什麼都能幹,但你永遠不知道下一次升級之後,它還能不能正常啟動。現在,OpenClaw決定用一次史上最大重構,解決自己過去半年留下來的技術債。有意思的是,官方甚至說,他們一開始壓根沒想做2.0,這就是博客標題《OpenClaw 2.0, Accidentally》裡為什麼用了“Accidentally”。

本來只想簡化安裝,最後把OpenClaw重做了一遍 OpenClaw團隊最初並沒有打算做2.0。兩個月前,他們只有兩個目標:簡化安裝,以及把更像管理後臺的Browser App做成真正可以長期使用的Agent界面。但很快,團隊發現問題遠不止UI。OpenClaw過去更新極快,Session、Memory、Plugin、Automation、Gateway和不同設備之間已經積累了大量兼容問題。只換一層界面,新用戶可能更容易上手,但老用戶一遷移數據,Skills和Automation,系統仍然可能出問題。於是改動一路深入到底層。最終,2.

0幾乎重做了安裝、消息、Memory、Skills、模型管理、Automation、瀏覽器、原生客戶端、Plugin、安全和Session系統。官方稱,這次開發規模甚至超出了原有發佈基礎設施能夠承受的範圍,連發布流程都一起重構。這背後意味著,OpenClaw已經不能再按照一個極客項目的方式運行。它剛爆紅時,“折騰”本來就是產品的一部分。Peter Steinberger甚至曾經故意不把安裝做得太簡單。他解釋,希望用戶認真思考:當你把一個擁有如此大權限的Agent裝進電腦時,究竟意味著什麼。

但現在,新版會自動檢測電腦已有的ChatGPT、Claude訂閱、API Key和本地模型,大量設置被移出首次安裝流程。思路是先讓龍蝦跑起來,再讓它自己幫助用戶繼續完成配置。OpenClaw開始主動降低門檻,不再只服務願意改配置文件的開發者。解決養一隻龍蝦最痛苦的三個問題 2.0最重要的變化其實可以歸結為三件事:記憶、持續運行和權限。首先是Memory。OpenClaw過去的問題不是不會幹活,而是用了幾周以後,你會發現很多事情仍然需要反覆解釋,不同Session之間的信息容易斷掉。

新版加入Active Memory,可以重新調用同一個Agent過去私人會話中的相關信息;Grounded Dreaming則會在後臺處理歷史Session,把真正值得保留的信息整理進長期Memory。Peter透露,新版還刪除了一套重複的Memory系統,砍掉大約5萬行代碼,只保留統一體系。他同時承認:Memory這個問題還沒有任何人真正解決。OpenClaw現在的做法,是把“過去發生過什麼”和“什麼值得長期記住”分開。更進一步的是Automatic Self-learning。Agent完成任務後,可以總結可複用經驗,通過安全檢查後形成新的Skill,或者改進已有Skill。

這也正是被戲稱為愛馬仕的Hermes Agent此前快速吸引用戶的能力之一:Agent不僅完成這一次任務,還把完成任務的方法留下來。第二個變化,是Session不再被困在一臺電腦裡。Peter透露,過去兩個月團隊一直在嘗試一件有些套娃的事情: Build OpenClaw with OpenClaw。一開始大家仍然各自在本地使用Coding Harness,後來逐步遷移到共享Agent team.openclaw.ai。這個Agent知道團隊成員分別在做什麼,可以調度不同Session和機器,其他成員也可以直接進入已有Session繼續工作,不必重新複製Prompt、代碼和上下文。

Peter形容:“多人一起寫代碼,再加上節點和雲端 Session 帶來的近乎無限算力,已經徹底改變了我們做開發的方式。” 他甚至覺得傳統的本地Coding Harness已經“像過去的遺物”。新版裡,Session可以從Gateway移動到配對電腦或者Cloud Worker,工作空間和上下文一起遷移;雲機器空閒後關閉,需要時再恢復。Peter的目標是:Gateway作為長期在線的大腦,電腦、手機以及臨時雲服務器都只是可以動態調用的Node。所以OpenClaw 2.0已經越來越不像一個單純的本地Agent,更像一個Agent Runtime。第三個問題是權限。

OpenClaw最吸引人的地方,就是它能訪問瀏覽器、文件、郵箱、Shell,甚至控制真實設備。但能力越強,風險越大。2.0增加Private Credential Request,密碼和API Key可以通過遮罩窗口輸入,不進入聊天和模型上下文。Automation也增加更細的審批機制:固定任務可以持續授權,但任務或者操作發生改變,就需要重新確認。Plugin安裝會展示來源、版本和具體能力,未知來源且能夠執行代碼的插件需要額外審批;另外還有Session Permission Mode、Shared Credential Store和更明確的Sandbox策略。

這些功能沒有Self-learning那麼吸睛,卻決定了用戶是否真的敢讓Agent長期運行。為什麼龍蝦需要一次這樣的更新 OpenClaw當然談不上“涼了”。2026年6月,Peter稱全球大約已有50萬套OpenClaw系統運行;到8月底,GitHub Star仍接近39萬。但它顯然已經過了年初最瘋狂的增長期。OpenClaw最早幾乎定義了Personal Agent:一臺Mac mini、一隻龍蝦、一個WhatsApp賬號,用戶第一次看到Agent能夠長期掛在電腦裡,隨時通過手機遙控它操作軟件。但現在的競爭格局已經完全不同了。

Claude Code、Codex不斷強化長程任務和Computer Use,Hermes Agent也快速吸引了一批OpenClaw重度用戶。截至8月29日,一項跟蹤43個Agent項目的數據統計顯示,OpenClaw約38.8萬Star,過去一週新增886個;Hermes約23.8萬,一週新增3824個。Hermes受到歡迎的原因非常具體:安裝更輕,Memory和Self-learning更激進,而且升級沒有OpenClaw那麼容易出問題。OpenClaw最大的優勢,“功能多、Plugin多、接入渠道多”也成為它的負擔。7月2026.7.

1版本發佈後,Reddit很快有人抱怨:“又一次毫不意外,我的OpenClaw被升級搞壞了。” 有人稱自己的系統“差不多每隔一次更新就會壞”,還有用戶直接寫道:“這是一個歷史性的產品,但它真的應該停下來,從頭做OpenClaw 2.0。” OpenClaw團隊後來在帖子裡承認:“We fucked this up.”一個半月以後,2.0真的來了。但龍蝦還沒有證明自己已經翻盤 2.0發佈後的社區反應明顯比過去幾次更新熱烈。Multiplayer、Self-learning和Cloud Session獲得最多關注。

核心貢獻者Vincent Koc稱,這是“有史以來最大的一隻龍蝦”,單個版本包含的PR接近整個項目歷史總量的一半。但熟悉的問題仍然沒有完全消失。發佈幾個小時後,Reddit已經有人表示:“我讓它自己升級,然後它掛了。” 還有用戶稱,更新後OpenClaw在M4 Pro上陷入啟動循環,把CPU佔到100%。更有意思的是,一些用戶乾脆讓Codex或者Hermes去修壞掉的OpenClaw。團隊也承認已經發現遷移問題,並準備繼續修補。所以現在把2.0稱為“翻盤”還太早。但Peter真正想做的事情已經越來越清楚。

他正在把OpenClaw從一個“可以控制電腦的聊天機器人”,變成一個長期存在的計算層:Gateway持續在線,保存Memory,動態調度電腦和雲端資源,需要時生成或者調用不同Agent。未來Agent的基本單位,可能不再是一段Prompt或者一次Chat Session,而是一個長期存在、擁有記憶、權限、工具和計算資源的軟件實體。這也是OpenClaw 2.0真正值得關注的地方。記憶能不能積累,Session能不能遷移,權限能不能控制,資源能不能調度,以及升級以後它還能不能正常工作。這些問題越來越接近Agent真正進入日常使用後的競爭核心。

至於龍蝦能不能重新拉開差距,還要先通過一個最現實的考驗: 下一次升級,別再把自己搞掛。

Related

相關文章

MarkTechPost AI模型更新

Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能

Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。

15 小時前
MarkTechPost AI模型更新

認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶

Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。

1 天前
MarkTechPost AI模型更新

DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API

DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。

1 天前
MarkTechPost AI模型更新

2026年20款Jev替代方案:挑戰TypeSafe的決策模型

TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。

1 天前
雷峰網模型更新

長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報

要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.

2 天前