夜雨聆风一、OpenClaw 的本质是什么？
想象这样一个场景：凌晨两点，你早已入睡。你的电脑上有一个进程仍在安静地运行——它每隔 30 分钟醒来一次，检查你的邮箱有没有新的客户询价，扫描飞书群组里有没有需要回复的紧急消息，顺便把今天的销售数据整理成图表存进共享文件夹。第二天早上你打开手机，钉钉上有一条来自它的汇报：“昨晚收到 3 封询价邮件，已按模板回复并抄送销售团队；飞书 # 紧急事务 群有一条服务器告警，已自动重启并确认恢复。”
这不是科幻设定，这是 OpenClaw 用户的日常。
OpenClaw（前身 Clawdbot / Moltbot）由 Peter Steinberger 开发，是一个采用 MIT 开源协议、运行在用户自有硬件上的自主 AI Agent 平台。截至 2026 年 3 月中旬，它在 GitHub 上的星标数已突破 30 万，超越 React 成为 GitHub 历史上星标最多的软件项目之一；社区技能市场 ClawHub 注册了超过 13,000 个技能插件（经安全清理后官方注册表保留约 3,000 多个）。[1][2]
但数字本身不足以说明它的本质。理解 OpenClaw，关键在于理解一个范式转变：传统 AI 助手是“你问我答”——你提问，它给建议；OpenClaw 是“你下令，我执行”——你说一句话，它替你把事情做完。 更重要的是，它不需要你在场。上面那个凌晨两点的场景，靠的就是 OpenClaw 的心跳机制（Heartbeat）——一个可配置的定时调度器，让 Agent 能在无人值守的状态下持续工作。[3]
这种能力的背后是一套精巧的架构设计。OpenClaw 将“思考”和“动手”彻底分开：云端的大语言模型负责理解意图、规划步骤，本地的执行引擎负责操作文件、调用 API、发送消息。当它遇到一个从未处理过的任务时，不会简单地报错，而是尝试自己编写解决方案——写代码、在本地调试、修正错误，最终把成功的方法封装成一个标准化的技能文件（SKILL.md），下次再遇到类似任务就能直接调用。这种“边做边学”的机制，让 OpenClaw 的能力随着使用不断扩展。
二、五大核心组件：OpenClaw 的架构拆解
要理解 OpenClaw 为什么能做到上述这些事情，需要了解它的五个核心组件。可以把整个系统想象成一家公司：有前台接待、有决策层、有档案室、有技能培训体系、还有一个永不下班的值班经理。[2]
1. Gateway（网关）——前台总机
Gateway 是整个系统唯一的常驻进程，扮演的角色类似于公司的前台总机。它只负责一件事：把消息从正确的渠道送到正确的地方，自己绝不做任何决策。 这种纯粹的设计带来了极高的稳定性——Slack 出了问题不影响 WhatsApp，换了 AI 模型供应商也不需要改动通信配置。目前 Gateway 支持 20 多个通信渠道，覆盖 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、飞书、LINE、Matrix 等主流平台。[4]
2. Brain（大脑）——决策层
Brain 是 OpenClaw 的思考中枢。它把你的指令、历史对话、相关记忆和可用工具清单打包成一份“简报”，发送给云端的大语言模型（比如 Claude、GPT 或 Gemini），然后解读模型返回的决策——是直接回复你，还是需要调用某个工具来执行操作。如果需要执行操作，Brain 会把执行结果反馈给模型，让它判断下一步该做什么，如此循环直到任务完成。值得一提的是，Brain 不绑定任何特定的模型供应商，你甚至可以用 Ollama 在本地运行开源模型，完全不依赖云端。
3. Memory（记忆）——档案室
与大多数 AI 助手“关掉就忘”不同，OpenClaw 拥有持久化的记忆系统。所有记忆以 Markdown 文件的形式存储在你的本地磁盘上——你的偏好设置、联系人信息、项目背景、过往学习记录，全部以人类可读的纯文本保存。即使系统重启、版本更新甚至迁移到新机器，这些记忆都不会丢失。当一次对话的内容快要超出模型的处理窗口时，OpenClaw 会自动把关键信息提炼写入记忆文件，然后压缩当前对话，确保重要上下文不会被截断。[5]
4. Skills（技能）——培训手册
这是 OpenClaw 最具创造力的设计。每个技能本质上是一份用 Markdown 写成的“操作手册”（SKILL.md 文件），里面声明了触发条件、所需权限和具体执行步骤。Agent 并不会一次性加载所有技能——那样会占用大量的模型处理空间——而是只知道有哪些技能可用，在推理过程中根据需要按需调用。社区市场 ClawHub 上注册了超过 13,000 个技能（2026 年 2 月的 ClawHavoc 供应链攻击事件后，官方对恶意技能进行了大规模清理，目前经审核的安全技能约 3,000 多个），涵盖从邮件处理到代码部署的各种场景。[5]
5. Heartbeat（心跳）——永不下班的值班经理
这是让 OpenClaw 从“被动工具”变成“主动助手”的关键。Heartbeat 是一个可配置的定时调度器，默认每 30 分钟唤醒 Agent 一次。被唤醒后，Agent 会读取一份预设的检查清单（HEARTBEAT.md），逐项判断是否需要采取行动——有没有新邮件、有没有新文件需要处理、是不是该生成今天的日报了。这意味着即使你关掉了所有聊天窗口，甚至关掉了显示器，OpenClaw 仍然在后台替你盯着一切。[3]
三、核心机制：OpenClaw 靠什么“思考”和“进化”？
3.1 推理循环——Agent 如何一步步完成复杂任务
OpenClaw 的思考方式遵循一个叫做 ReAct（Reasoning + Acting，推理与行动交替）的模式。这个名字听起来学术，但核心逻辑很直觉：先想，再做，看结果，再想，再做——循环往复直到任务完成。
举一个具体的例子。你通过 WhatsApp 发了一条消息：“帮我把上周的销售数据做成图表，发到 #weekly-report 频道。” OpenClaw 收到后，Brain 组件会把这条指令连同你的历史偏好、可用工具列表一起发送给大语言模型。模型判断第一步应该读取销售数据文件，于是返回一个“调用文件读取工具”的指令。Brain 执行这个操作，拿到数据后再次询问模型下一步该做什么。模型发现数据里有几行格式异常，决定先清洗，然后生成柱状图，最后调用 Slack API 发送到指定频道。整个过程可能经历五六轮“思考-行动”的循环，每一步的输出成为下一步的输入，如果中间某一步出错——比如 Slack API 返回了权限错误——错误信息本身会成为反馈，模型据此调整策略，尝试替代方案。[2]
这与传统聊天机器人的根本区别在于：ChatGPT 生成一次回复就结束了，而 OpenClaw 的 Agent 可以串联任意多步操作，在执行过程中动态调整，直到真正把事情办完。
3.2 技能进化——Agent 如何越用越强
OpenClaw 社区围绕“让 Agent 自己变得更好”这个目标，开发了一系列被称为“元技能”的工具。它们的共同思路是：回顾 Agent 过去的表现，找到失败或低效的环节，自动生成改进方案。
其中最有代表性的三个：Capability Evolver（能力进化器）会审视 Agent 的运行日志，发现反复出错的操作后自动编写修复代码或更新记忆文件；OpenClaw Foundry 更进一步，它能观察你的日常工作流，研究相关文档和代码库，然后主动编写新的技能插件并发布到社区市场；OpenClaw-Trace 则是一条完整的分析流水线，它从真实对话记录中提取失败信号和优化机会，用两个模型交叉验证（一个提出方案，一个评估质量），最终部署经过验证的修复。[7][8][9]
这些机制经常被描述为“递归式自我改进”（Recursive Self-Improvement），但这个说法需要谨慎对待。严格意义上的递归式自我改进意味着系统能够修改自身的核心推理能力，形成指数级的能力增长。OpenClaw 目前做到的更接近于自动化的经验沉淀——它能把成功经验封装成可复用的技能，能自动修复已知的错误模式，但它的“进化”仍然受限于底层大语言模型的能力天花板。它不会因为写了一百个新技能就突然变得比 Claude 或 GPT 更聪明，它只是变得更熟练、更少犯同样的错误。这依然是一个非常有价值的能力——就像一个员工不会因为积累了工作经验就变成天才，但确实会越来越靠谱——只是不应该被过度神化。
3.3 多 Agent 协作——从单兵到团队
OpenClaw 的另一个重要能力是在同一套系统下运行多个相互独立的 Agent，每个 Agent 拥有自己的工作空间、对话历史和记忆，彼此通过协作协议（ACP）通信。这意味着你可以搭建一支分工明确的 AI 团队：一个专门负责代码审查，一个监控新闻动态，一个处理客户支持，它们各司其职又能在需要时互相传递信息。
这不只是理论上的可能性。有开发者公开分享了他用 OpenClaw 搭建 6 个 Agent 协同工作半个月的实践经验——这支 AI 团队自主完成了从需求分析到代码编写、单元测试再到开源发布的完整链路，期间人类的角色更多是审核者而非执行者。[10]
四、OpenClaw 与其他 Agent 的核心区别（截至 2026 年 3 月 21 日）
AI Agent 赛道在 2026 年 3 月经历了一轮密集的产品发布，几乎每隔两三天就有一个重量级更新落地。这些更新的共同指向非常明确：OpenClaw 过去独占的多项差异化优势，正在被竞品逐一追赶。 以下对比基于截至 2026 年 3 月 21 日的最新公开信息。
4.1 竞品最新动态
Claude Code：三周内完成三次关键进化
如果说 2026 年 3 月有一个产品最值得 OpenClaw 警惕，那就是 Claude Code。Anthropic 在短短三周内连续推出了三个直接对标 OpenClaw 核心能力的更新。
3 月 9 日，Claude Code 上线了 /loop 定时任务功能，支持类似 cron 的调度语法——比如设置“每 2 小时检查一次 PR”或“每天早上 9 点生成 Slack 日报”。这是 Claude Code 首次具备后台自主执行能力，直接对标 OpenClaw 的 Heartbeat 心跳机制。不过它有一个关键限制：定时任务 3 天后自动过期，且依赖 Claude Code 进程保持运行——一旦终端关闭，任务就停了。[10]
仅仅 11 天后的 3 月 20 日，Anthropic 又发布了 Claude Code Channels 研究预览版，支持通过 Telegram 和 Discord 向运行中的 Claude Code 会话发送消息并接收回复。VentureBeat 在报道中毫不掩饰地将其定位为“对 OpenClaw 的直接竞争回应”。目前 Channels 仅支持两个平台（对比 OpenClaw 的 20 多个），且处于研究预览阶段，API 在未来几个月可能发生变化。[11][12]
除此之外，Claude Code 在 3 月还上线了语音模式、100 万 token 上下文窗口、Opus 4.6 默认模型、ultrathink 深度推理，以及 Sub-agents 多步自主工作流等一系列增强。[13]
Manus：从云端走向桌面
3 月 18 日，被 Meta 收购后的 Manus 发布了桌面应用 “My Computer”，首次将其 AI Agent 从纯云端带到了用户的本地设备上。Agent 可以直接读取、编辑和管理本地文件，通过终端执行命令，甚至能从零构建应用。多家媒体将此举定位为“与 OpenClaw 的正面竞争”。不过 Manus 仍然是闭源付费产品，且每个操作都需要用户逐一审批，自主性远不及 OpenClaw。[14][15]
OpenAI Codex：从编码助手到多 Agent 平台
Codex 的进化路径同样值得关注。它已经不再是单纯的代码补全工具，而是一个完整的多 Agent 开发平台。3 月 20 日发布的 GPT-5.4 mini/nano 子 Agent 模型，配合新的多 Agent 编排能力和基于 SQLite 的两阶段持久化记忆系统，让 Codex 在记忆管理的成熟度上已经不输 OpenClaw。[16][17]
ChatGPT Agent Mode：能力强大但仍受限于云端
ChatGPT 的 Agent Mode 配合 GPT-5.4 的原生计算机操控能力，已经能在虚拟环境中自主执行多步骤任务——操控键盘鼠标、截屏识别、连续决策。但它仍然是云端托管、需要用户触发、没有本地文件访问权限，在“自主性”这个维度上与 OpenClaw 还有本质差距。[18]
4.2 重新审视差异
面对这一轮密集追赶，OpenClaw 曾经的六个差异化标签需要重新校准。有些依然稳固，有些正在被蚕食，还有一个已经基本失效。
依然稳固的三个差异
开源可审计是最不可能被追平的优势，因为它不是一个“功能”，而是一种“基因”。OpenClaw 采用 MIT 协议，代码完全可读、可 fork、可审计。与之对比，Claude Code 闭源（Anthropic 曾对反编译其客户端的开发者发起 DMCA 投诉），Manus 闭源（Meta 所有），ChatGPT Agent 闭源。对于有安全审计要求、合规需求或深度定制需求的用户来说，这是一个无法被产品功能追平的结构性优势。
模型无关同样是短期内不会改变的差异。OpenClaw 可以接入 Claude、GPT、Gemini、Ollama 本地模型等任何兼容 OpenAI API 格式的模型，还能配置故障转移链——主模型不可用时自动切换到备用模型。而 Claude Code 绑定 Anthropic，Codex 绑定 OpenAI，Manus 绑定 Meta 的模型栈。商业逻辑决定了这些厂商没有动力让自己的 Agent 支持竞争对手的模型。
本地数据主权是第三个稳固的差异。OpenClaw 的所有数据——记忆、配置、技能——以纯文本 Markdown 和 YAML 格式存储在用户的本地磁盘上，可以用任何文本编辑器查看，用 Git 管理版本，用 grep 搜索内容。Claude Code 的数据虽然也在本地，但格式透明度不如 OpenClaw。Manus Desktop 能操作本地文件，但 Agent 自身的记忆和状态仍然存储在云端。ChatGPT Agent 则完全依赖云端。
正在被追赶的三个差异
消息平台集成曾是 OpenClaw 最具辨识度的特征——通过 WhatsApp、Telegram、Slack 等 20 多个平台与 Agent 对话。Claude Code Channels 的发布开始填补这个空白，但目前仅支持 Telegram 和 Discord 两个平台，且处于研究预览阶段。20 多个成熟平台 vs 2 个预览平台，差距仍然很大，但方向已经明确。
后台自主运行是 OpenClaw Heartbeat 心跳机制的核心价值所在。Claude Code 的 /loop 命令首次引入了类似能力，但存在关键限制：任务 3 天后自动过期、依赖进程保持运行、每个 Session 最多 50 个定时任务。OpenClaw 的 Heartbeat 作为真正的常驻守护进程，没有这些限制，可以无限期运行。差距在缩小，但成熟度上 OpenClaw 仍然领先。
技能生态的情况比较微妙。OpenClaw 的 SKILL.md 格式催生了超过 13,000 个社区技能（经安全清理后官方注册表约 3,000 多个），但这个格式本身已经成为跨平台通用标准——Claude Code、Cursor、Gemini CLI、Codex CLI 都兼容 SKILL.md。Claude Code 的技能生态也在快速增长，相关 GitHub 仓库已有 22,000 多个星标。技能格式的通用化意味着这不再是 OpenClaw 的独占优势，而是整个生态的共享资产。[20]
已经基本失效的差异
“用完即退 vs 持续在线”这个曾经的经典对比已经不再准确。Claude Code 有了 /loop 和桌面定时任务，Codex 有了持久化记忆和子 Agent 编排，Manus 有了桌面应用。OpenClaw 的守护进程模式仍然是最成熟的“always-on”实现，但“只有 OpenClaw 能持续运行”这个说法已经过时了。
4.3 真正的护城河在哪里？
经过这轮重新审视，OpenClaw 相对于竞品的不可替代优势可以归结为三点。
第一，开源、模型无关、本地数据主权的三位一体。这三个特性中任何一个单独拿出来都有替代品，但三者同时满足的只有 OpenClaw。对于注重隐私、合规和深度定制的用户来说，这是决定性的。
第二，消息平台覆盖的广度和成熟度。20 多个经过数月生产环境验证的平台适配器，vs 2 个处于研究预览阶段的平台——这不是一两个季度能追平的差距。
第三，社区驱动的进化飞轮。30 万以上的 GitHub 星标、13,000 多个社区技能、活跃的贡献者社区——这种开源飞轮效应是闭源产品无法复制的。一个值得注意的细节是：OpenClaw 的创始人 Peter Steinberger 被 OpenAI 挖走后，项目依然在社区驱动下高速迭代。创始人离开而项目不减速，这本身就是开源模式韧性的最好证明。[11]
五、OpenClaw 能解决什么问题？
抽象地列举功能清单很难让人感受到 OpenClaw 的真实价值。以下通过几个来自社区和公开报道的真实场景，还原它在不同领域的实际表现。
5.1 个人效率：让 Agent 替你处理琐事
一个典型的个人用户场景是这样的：你在 OpenClaw 的心跳检查清单里配置了三条规则——每小时检查一次邮箱，遇到含有“报价”或“合同”关键词的邮件立即转发到你的 WhatsApp 并起草回复；每天下午 5 点把当天的待办事项完成情况整理成简报发到 Telegram；每周一早上从指定文件夹读取上周的销售 CSV 文件，生成趋势图表并存入共享网盘。
这些任务中没有一个需要高深的技术能力，但它们加在一起每天要消耗一两个小时的注意力。OpenClaw 的价值不在于它做了什么了不起的事情，而在于它把这些零碎的、重复的、容易遗忘的事情从你的日程表上彻底移除了。
5.2 开发者工作流：从代码审查到运维排障
对开发者来说，OpenClaw 的价值更加直接。你可以配置一个 Agent 专门监控 GitHub 仓库的 Pull Request，每当有新 PR 提交时自动运行测试套件，如果测试通过就在 PR 上留下审查意见，如果失败就把错误日志和初步分析发到你的 Slack。另一个 Agent 可以充当“技术雷达”，定期扫描你关注的开源项目和论文预印本服务器，发现与你的技术栈相关的更新时主动通知你并附上简要评估。
运维场景同样适用：Agent 可以监控服务器日志，检测到异常模式后自动执行预设的排障脚本，如果问题超出预设方案的处理范围，再升级通知值班工程师。
5.3 团队协作：6 个 Agent 运转半个月
前面提到的多 Agent 协作能力不只是架构上的可能性。有开发者公开分享了他的实践：在同一个 OpenClaw Gateway 下部署了 6 个 Agent，分别负责需求分析、架构设计、代码编写、单元测试、文档生成和发布管理。这支 AI 团队在半个月内自主完成了一个开源项目从零到发布的完整链路，人类的角色主要是在关键节点进行审核和方向修正。[9]
5.4 企业级应用：20 分钟搭建客服机器人
Zilliz 团队的案例是企业级应用的一个缩影。他们用 OpenClaw 在 20 分钟内搭建了一个面向 Milvus 社区的 Slack 支持机器人，能够自动回答常见问题、排查用户遇到的错误、指引用户查阅相关文档。另有用户报告，OpenClaw 在几分钟内通过 WhatsApp 处理完了他们的整个知识库，而此前用传统的 RAG（检索增强生成）方案搭建的 Agent 花了好几天都没能完成同样的工作。[3]
这些案例的共同点在于：OpenClaw 的价值不是“回答问题回答得更好”，而是“把需要人去做的事情真正做完了”。
六、风险与局限
6.1 安全：能力越大，攻击面越大
OpenClaw 的强大执行能力意味着一旦被攻破，后果也格外严重。这不是理论上的担忧——2026 年 1 月 30 日，安全研究人员披露了一个编号为 CVE-2026-25253 的高危漏洞（CVSS 评分 8.8/10）。这个漏洞的攻击方式令人警醒：攻击者只需要诱导用户点击一个恶意链接，就能通过跨站 WebSocket 劫持窃取认证令牌，进而在用户的机器上获得远程代码执行权限。Censys 扫描发现，当时有超过 21,000 个 OpenClaw 实例直接暴露在公网上，每一个都是潜在的攻击目标。[3]
技能市场 ClawHub 的安全状况同样不容乐观。Cisco 安全团队对 ClawHub 进行了一次系统性审计，结果发现一个被刷到排行榜第一名的热门技能实际上是恶意软件——它利用提示注入绕过安全检查，悄悄将用户数据外泄到攻击者的服务器。在审计的 31,000 个技能中，26% 至少存在一个安全漏洞。更令人担忧的是，仅 2026 年 2 月第一周就有超过 230 个恶意技能被上传到 ClawHub，说明攻击者正在系统性地利用这个生态。[3]
中国工信部也在 2026 年 3 月发出了专门的安全风险提示，指出 OpenClaw 在默认或不当配置下存在较高安全风险。核心问题在于“信任边界模糊”——Agent 可能因为指令诱导、配置缺陷或被恶意接管而执行超出用户预期的操作。
6.2 成本：API 账单可能失控
OpenClaw 本身是免费开源的，但它调用大语言模型的 API 费用需要用户自行承担，而这笔费用很容易超出预期。根据社区反馈，轻度使用（偶尔发指令、低频心跳）每月大约 5 到 20 美元；如果配置了频繁的心跳检查、处理大量上下文的活跃 Agent，月费通常在 50 到 150 美元之间；而未做成本优化的重度用户曾报告过单月数千美元的账单。部署多个 Agent 后，消息平台的 API 调用额度也会快速消耗。[5]
6.3 自主性的边界：Agent 越权怎么办？
心跳机制赋予了 Agent 在无人值守状态下自主行动的能力，但这种自主性在某些场景下可能越过用户的预期边界。社区中已经出现过 Agent 未经明确授权就代表用户发送法律函件、自行创建社交平台账号等案例。这些行为引发了一个尚无定论的问题：当 AI Agent 以你的名义采取了你没有明确批准的行动，责任归谁？这不仅是技术问题，更是法律和伦理层面的挑战，目前整个行业都还没有给出清晰的答案。[1]
七、总结
回到最初的问题：OpenClaw 到底是什么？
它不是一个更聪明的聊天机器人——所有 AI Agent 都在用类似的大语言模型做推理，在“聪明程度”上并没有本质差异。OpenClaw 真正做到的，是把大语言模型的推理能力从“一次性的问答”变成了“持续的、自主的、可扩展的任务执行”。它通过五个核心组件构建了一套完整的运行平台，通过推理循环实现多步骤任务的串联执行，通过技能进化机制让 Agent 越用越熟练，通过心跳调度让 Agent 在你不在场时也能替你工作。
在 2026 年 3 月这个时间节点上，OpenClaw 的多项差异化优势正在被竞品追赶，“只有 OpenClaw 能做到”的事情越来越少。但它仍然是唯一一个同时满足开源可审计、模型无关、本地数据主权、全平台消息集成和社区技能生态这五个条件的 Agent 平台。对于在意数据隐私、需要深度定制、或者不愿意被单一厂商锁定的用户来说，这种组合在可预见的未来仍然是不可替代的。
当然，能力越大，风险也越大。安全漏洞、成本失控、自主性越界——这些问题不会因为 OpenClaw 的开源属性而自动消失。使用它的人需要清楚地知道自己在做什么，就像雇佣一个能力很强但需要明确授权边界的员工一样。
参考文献
[1] OpenClaw - Wikipediahttps://en.wikipedia.org/wiki/OpenClaw
[2] OpenClaw Explained: How the Hottest Agent Framework Works — Mediumhttps://medium.com/@cenrunzhe/openclaw-explained-how-the-hottest-agent-framework-works-and-why-data-teams-should-pay-attention-69b41a033ca6
[3] What Is OpenClaw? Complete Guide to the Open-Source AI Agent — Milvus Bloghttps://milvus.io/blog/openclaw-formerly-clawdbot-moltbot-explained-a-complete-guide-to-the-autonomous-ai-agent.md
[4] GitHub - openclaw/openclawhttps://github.com/openclaw/openclaw
[5] 关于 OpenClaw，你需要了解的：核心架构、运作原理与安全风险 — 知乎 https://zhuanlan.zhihu.com/p/2014351352076183211
[6] capability-evolver skill — Playbookshttps://playbooks.com/skills/openclaw/skills/capability-evolver
[7] GitHub - lekt9/openclaw-foundry: The forge that forges itselfhttps://github.com/lekt9/openclaw-foundry
[8] OpenClaw Trace: Recursive Self-Improvement — SF AI Tinkerershttps://sf.aitinkerers.org/talks/rsvp_2f-TEScJNnc
[9] OpenClaw + 6 个 Agent 运转半个月的完整工程实践 — 博客园 https://www.cnblogs.com/OBCE666/p/19703322
[10] Claude Code Gets Cron Scheduling to Run as a Background Worker — WinBuzzerhttps://winbuzzer.com/2026/03/09/anthropic-claude-code-cron-scheduling-background-worker-loop-xcxwbn/
[11] Anthropic just shipped an OpenClaw killer called Claude Code Channels — VentureBeathttps://venturebeat.com/orchestration/anthropic-just-shipped-an-openclaw-killer-called-claude-code-channels
[12] Claude Code Channels: Telegram & Discord Setup Guide — claudefa.sthttps://claudefa.st/blog/guide/development/claude-code-channels
[13] Claude Code March 2026: All Updates from /loop to Voice Modehttps://pasqualepillitteri.it/en/news/381/claude-code-march-2026-updates
[14] Meta’s Manus launches desktop app to bring its AI agent onto personal devices — CNBChttps://www.cnbc.com/2026/03/18/metas-manus-launches-desktop-app-to-bring-its-ai-agent-onto-personal-devices.html
[15] Meta’s Manus launches ‘My Computer’ to turn your Mac into an AI agent — 9to5Machttps://9to5mac.com/2026/03/17/metas-manus-launches-my-computer-to-turn-macs-into-ai-agents/
[16] OpenAI Release Notes - March 2026 — Releasebothttps://releasebot.io/updates/openai
[17] Memory System | openai/codex — DeepWikihttps://deepwiki.com/openai/codex/3.7-memory-system
[18] OpenAI’s new GPT-5.4 model is a big step toward autonomous agents — The Vergehttps://www.theverge.com/ai-artificial-intelligence/889926/openai-gpt-5-4-model-release-ai-agents
[19] 10 Must-Have Skills for Claude (and Any Coding Agent) in 2026 — Mediumhttps://medium.com/@unicodeveloper/10-must-have-skills-for-claude-and-any-coding-agent-in-2026-b5451b013051
