OpenClaw 也能组队干活了:v2026.6.1 版工作面板与技能工坊深度解读

工作面板 · 技能工坊 · 多智能体 · v2026.6.1
—— OpenClaw 在本版引入了 Workboard 面板编排
与 Skill Workshop 两种治理机制，
让一台 Gateway 上的 AI 助手具备拆分长任务、
协同多 Agent 执行的能力。

个人 AI 助手的「控制平面」

OpenClaw 是一个运行在你自有机器的个人 AI 网关。
它接收 WhatsApp、Telegram、Discord、iMessage
等二十余个渠道的消息，把指令路由到 LLM 模型处理。
核心定位不是聊天界面，而是一个编排层：
管理会话状态、分发工具调用、调度 Agent 上下文。

技术栈为 TypeScript / Node.js（推荐 Node 24），
通过插件架构支撑渠道集成、Provider 接入和 Skill 扩展。
截至 v2026.6.1，项目在 GitHub 上已获 37 万+ star，
是个人部署场景中覆盖面最广的 AI 基础设施之一。

部署方式灵活：支持 npm / pnpm 全局安装、
Docker 容器化部署、以及 Nix 包管理器方式。
新用户运行 openclaw onboard --install-daemon
即可完成从 Gateway 安装到渠道配对的完整流程。
运行时依赖单一 Node 进程即可承载，
低配 VPS 也能流畅运行整套编排服务。

单 Agent 长任务的三重短板

当用户让 AI 做「研究新框架 -> 输出对比报告
-> 发到团队 Slack -> 创建每周跟踪任务」这类多步流程时，
传统单 Agent 会话暴露出三个问题。

一是上下文漂移：
长对话到后期，Agent 常遗忘前置步骤约定的条件，
需要反复纠正。

二是缺乏任务持久化：
网络超时或 Gateway 重启都会中断未完成工作，
用户得从头发起。

三是经验无法沉淀：
写好的提示词、经确认有效的执行流程，
下次仍要手动重复，无法固化为可复用的技能。

这指向同一个需求：
AI 助手需要一套结构化的任务管理工作流，
不能只靠一个持续增长的对话窗口。

Workboard 和 Skill Workshop 正好补充了这两个缺口：
前者解决「多 Agent 怎么协作、任务怎么跟踪」，
后者解决「有效的工作模式怎么固化下来、下次直接复用」。
它们一起把 OpenClaw 从「单通道问答助手」
推进到「具备任务治理能力的 AI 工作平台」阶段。

从对话到面板协作

本版引入的 Workboard 插件是可选启用的扩展，
安装后在 Agent 和 CLI 两侧同时开放 30+ 工具。

核心模型很直观：面板 — 卡片 — 任务。
用户可以创建多块面板来隔离不同项目；
每张卡片记录一个工作包，包含状态、负责人和截止时间。
Agent 收到复杂指令时，自动将指令拆解为子任务卡片，
通过 workboard_claim、workboard_decompose
分发给不同会话或辅助 Agent 分别处理，
完成后由 workboard_complete 汇总结果。
状态变更可以通过 workboard_notify_subscribe
实时推送到指定渠道。

卡片数据读写走 SQLite，Gateway 重启不丢失。

与 Workboard 搭配的是 Skill Workshop（技能工坊）。
过去创建一个可复用的 Skill 需要手动编写文件结构。
现在通过 skill_workshop 工具的 action=create
或 action=update，Agent 可以生成包含元数据、
提示词和支持文件的技能提案。
提案默认处于 pending 状态，
等待用户在 CLI 或 Control UI 中审核后才能落地。
这个「提案 -> 审核 -> 应用」的三段流程，
既降低了上手门槛，也保留了管理控制：
不经过用户主动审批，Agent 不能随意写入文件系统。

此外，本版将 GitHub Copilot Agent 运行时和 Tokenjuice
正式外部化为独立插件，可从 ClawHub 安装。
iOS 端新增了原生 iPad 分屏布局和 Hosted Push Relay，
让移动端体验更接近桌面级别。

Provider 覆盖方面新增了 MiniMax M3 模型的支持，
同时更新了 Copilot Claude 1M 上下文窗口的兼容性配置、
Foundry 推理对齐和 OpenAI Response 重放防护。
对于依赖多渠道深度使用的用户，
Telegram、WhatsApp、Discord、Slack、Teams、Google Chat
等渠道的定时器与重试机制也得到了统一加强。

SQLite 持久化与工具路由

Workboard 选用 SQLite 作为后端存储，
背后有明确的工程判断。
卡片、任务和状态变更是小数据量的结构化记录，
SQLite 的单文件写事务足以覆盖单机全部并发，
无需启动独立的数据库进程。
对同机部署用户来说，
一个 .db 文件的便携度远高于维护 PostgreSQL 或 Redis。

Skill Workshop 的架构原则是
通过 Agent 工具而非文件系统操作来管理状态变更。
系统提示中显式声明 Agent 不得用 write、edit、exec
直接修改技能文件，所有生命周期操作必须汇集到
skill_workshop 一个入口。
这种约束确保了不管底层是 OpenAI 还是 Anthropic，
技能提案的元数据格式、扫描校验和回滚保护都统一处理，
避免多模型环境因工具使用差异导致配置冲突。

本版还对 Provider 层和渠道层做了大量超时收敛。
iMessage 监控状态从文件系统扫描迁移到 SQLite；
插件安装索引同样迁入 SQLite。
这两项变更让 Gateway 重启后免去重复扫描的消耗，
恢复速度明显提升。

对终端用户来说，最直接的感受是
长 Tool Call 场景不再容易「卡死」，
Agent 会话面对网络抖动或慢响应时
能更优雅地重试或超时报错，
不再需要手动 /restart 解决。

封面图：OpenClaw 项目 Logo 资产