昨天（3月25日），OpenClaw 推送了一个版本更新。

Changelog 拉到最上面，第一条改动是这样的：

Gateway/OpenAI compatibility: add /v1/models and /v1/embeddings, and forward explicit model overrides through /v1/chat/completions and /v1/responses for broader client and RAG compatibility.

很多人看到这句话，可能觉得是个"技术债"级别的更新——加几个 API 端点，让第三方工具能连上来，没什么新鲜的。

如果你也这么理解，那你就错过了这次更新最重要的一件事。

OpenClaw 正在从"聊天前端"变成"AI 网关"。

这句话是今天文章的核心。我来解释清楚它意味着什么，以及对谁有意义。

发生了什么

先说清楚技术事实。

OpenClaw 这次的更新，往 Gateway 里加了三样东西：

📦 /v1/models— 返回当前 OpenClaw 支持的模型列表

📦 /v1/embeddings— 提供 embedding 生成能力

📦 /v1/chat/completions & /v1/responses— 转发显式的模型覆盖参数

这三个端点组合起来，形成了一套完整的 OpenAI API 兼容层。

什么叫"兼容层"？

意思是：只要一个工具能连 OpenAI 的 API，它现在理论上也能连 OpenClaw 的 Gateway。因为 OpenClaw 的端点路径、请求格式、响应结构，都跟 OpenAI 保持一致。

为什么这件事重要

说重要之前，先说清楚一件事：OpenClaw 以前不是也能调用模型吗？有什么区别？

区别在于：以前模型是给 OpenClaw 自己用的，现在模型可以给别人用。

之前的 OpenClaw，是个"前端"——你跟它对话，它调模型，返回答案。这个能力是封闭的，只有通过 OpenClaw 的聊天界面才能触达。

加了 `/v1/models` 和 `/v1/embeddings` 之后，OpenClaw 变成了一个标准的模型服务提供商。

什么意思？

你手机里的 App、你自己写的脚本、第三方 AI 工具——只要它们支持接入 OpenAI 格式的 API，现在都可以把 OpenClaw 设成 endpoint，然后调用 OpenClaw 托管的模型。

OpenClaw 帮你管理模型配置、密钥、流量控制、上下文管理……你只需要把它当一个标准的 AI 后端来用。

这不是加了一个功能，这是改变了 OpenClaw 的定位。

拿 Cursor 举例，你就懂了

最直接的好处，拿 Cursor 来说明。

Cursor 现在支持接入自定义模型 provider。但它只认 OpenAI 格式的 API。

以前你想让 Cursor 用 Claude，你得走 Anthropic 的官方 API，或者找第三方兼容层。过程麻烦，还容易出配置问题。

现在，OpenClaw 可以托管 Claude 的调用——你把 OpenClaw 的 Gateway URL 配进 Cursor，Cursor 会去调 `/v1/models` 拿到可用模型列表，然后用户就能在 Cursor 里选 Claude、GPT、Qwen，任何 OpenClaw 支持的模型。

一个入口，调用所有模型。

这对同时用多个模型的开发者来说，是实实在在的效率提升。

再说 RAG——一个被低估的场景

RAG（检索增强生成）是什么，简单说就是：让 AI 回答问题之前，先从你的文档库里找相关材料，一起喂给它。

做 RAG 系统，需要两个能力：

❶ Embedding 模型，把文字变成向量

❷ LLM，把问题和向量检索结果合成答案

Embedding 一直是 RAG 链路上最容易踩坑的一环——要么自己部署模型，要么买第三方服务，要么跟 LLM 提供商捆绑买套餐。

OpenClaw 开放 `/v1/embeddings` 之后，这条链路变简单了：

开发者可以把自己的 RAG pipeline 接进来，让 OpenClaw 统一托管 embedding 和 LLM 调用。

不需要额外部署，不需要多套密钥管理。

一个 Gateway，两个能力。

Skills 终于有了一键安装

说完大功能，说一个体验层面的重要改进——Skills 的一键安装。

这次更新里，BunsDev 提交了一个很大的 PR（#53411），给 OpenClaw 打包的所有 Skills 加了元数据和安装配方。

受影响的有这些 Skills：

🔧 coding-agent— 运行 Codex/Claude Code 等编码 Agent

🔧 gh-issues— GitHub Issues 管理

🔧 openai-whisper-api— 语音转文字

🔧 session-logs— 会话日志管理

🔧 tmux— 终端会话控制

🔧 trello— Trello 看板集成

🔧 weather— 天气查询

之前如果你的 Skill 缺依赖，OpenClaw 会显示"missing"，然后你得自己去查文档、装包、配置环境。

现在：

✅ CLI 提示"needs setup"（措辞更友好）

✅ 显示哪里需要 API key、怎么获取、怎么保存

✅ Control UI 里 Skills 页面加了状态过滤标签：All / Ready / Needs Setup / Disabled

这是典型的"最后一公里"体验优化。不性感，但很实用。

Teams 深度集成：企业用户的新入口

另一个值得单独说一说的更新，是 Microsoft Teams 的 SDK 迁移。

OpenClaw 这次把 Teams 集成从第三方库迁移到了微软官方 Teams SDK，同时加入了一整套 AI Agent UX 最佳实践：

💬 流式 1:1 回复（typing 一边输出一边显示）

📋 欢迎卡片 + 提示词启动器（新人点进来就知道怎么用）

⭐ 反馈/反思机制

🔔 状态更新通知

⌨️ Typing indicator（打字中提示）

🤖 原生 AI 标签

这些功能加起来，意味着 OpenClaw 在 Teams 里的体验终于像了一个正经的 AI 助手，而不是一个简陋的聊天机器人。

对于企业用户来说，这个意义很大。

Teams 是很多公司的内部协作工具。如果 OpenClaw 能无缝接入 Teams，让团队成员用自然语言调 AI 能力——查代码、问文档、触发自动化流程——这比让所有人装独立 App 门槛低得多。

安全修复：mediaUrl 别名绕过

最后提一个不应该被忽视的修复。

Security/sandbox media dispatch: close the mediaUrl/fileUrl alias bypass so outbound tool and message actions cannot escape media-root restrictions.

翻译一下：之前 outbound 的工具和消息操作，可以通过 `mediaUrl` / `fileUrl` 别名绕过 media-root 的访问限制，存在沙箱逃逸风险。

这个漏洞被修复了。

如果你在用 OpenClaw 的沙箱模式（`workspaceOnly` 或更严格的 fs policy），强烈建议升级到这个版本。

安全漏洞这种东西，不是"没出事就不用管"的逻辑。出了事就是大事。

这次版本的完整图谱

把这次更新整理一下：

我的判断

这次版本，表面看是"加了几个 API 端点 + 修了一堆 bug"，实际上透露出一个清晰的战略方向：

OpenClaw 不再只是一个 AI 聊天工具了。

它的定位正在变成：一个标准化的 AI 网关，既能当用户的前端（聊天界面、Teams、Slack、Discord），也能当开发者的后端（OpenAI 兼容 API、RAG 接入、第三方客户端）。

这意味着什么？

意味着你今天装的 OpenClaw，可能明天就会成为你其他 AI 工具的"中转站"。你配的模型、养的 agent、搭的工作流，不只服务 OpenClaw 自己的聊天界面，而是可以开放给整个开发环境里所有支持 OpenAI 格式的工具。

这是从"工具"到"平台"的跨越。

当然，这个跨越也带来了新的问题：当 OpenClaw 变成网关，它的安全边界怎么划？接入的客户端多了，怎么做权限管理？这些问题还没有完整答案，但方向已经摆在那了。

这次更新，值得升级。命令在下面：

你觉得 OpenClaw 变成 AI 网关这个方向对不对？第三方接入会带来更多可能性，还是更多安全风险？评论区聊聊。