ARTICLE · 998589
OpenClaw 2.0 来了:933 名贡献者、1.6 万个 PR,史上最大更新
去年这个时候，想跑一个能「替你干活」的 AI Agent，你得先搞定 Node.js、命令行、API Key 和一台永远开机的电脑。
今天，OpenClaw 2.0 想把这件事，变得像装一个 App 那么简单。
OpenClaw 刚刚发布了历史上规模最大的更新 v2026.8.1。
据官方博客，这一版共有 933 名贡献者参与，其中 569 人是第一次提交代码，整个版本包含超过 1.6 万个 PR——几乎占它历史全部合并代码的一半。
为了它，OpenClaw 甚至罕见地停更了接近七周。
这轮更新改了什么？我们一条条说。
01 安装：能自动的，绝不让你手动
早期的 OpenClaw 对极客很友好——模型、Gateway、插件、渠道、Skills 全由你决定。但对第一次接触 Agent 的普通人，每多一项自由度，就多一个要理解的配置项。
2.0 开始主动减负：安装时自动识别电脑里已有的 ChatGPT / Claude 订阅、API Key 和本地模型，能自动处理的自动处理，暂时用不到的设置直接从流程里拿掉。
02 浏览器：从「一个入口」变成「第一入口」
过去浏览器只是 OpenClaw 的一个操作入口；2.0 明确把它提升为 First-class Experience，也就是普通用户最主要的产品入口。
打开它，直接进入和 Agent 的对话，可以继续配置，也能回来查看仍在执行的任务。新的「进度卡」会持续展示 Agent 在做什么——页面刷新也不消失，Subagent 的运行状态、文件修改、任务推进都能继续追踪。
03 Session 会「搬家」了
过去一只 Claw 基本绑死在自己的 Gateway 和机器上。现在 Session 可以在本地设备、配对机器和 Cloud Worker 之间移动，Workspace 也能跟随任务一起迁移。
电脑上开个头，丢给云端继续跑；云端闲置了可以休眠，收到消息再重新分配 Worker——Session 和 Workspace 都还在。
04 从「个人 Agent」走向「多人 Agent」
Shared Cloud Sessions 允许其他团队成员进入同一个任务，查看已完成的工作，并在保留上下文的情况下接手。
Shared Gateway 则加入了用户身份、在线状态、Session Creator、成员权限和不同 Agent 的访问范围。
几个人 + 几个 Agent 一起进入同一个 Workspace——「数字员工」有了新的打开方式。
05 记忆与自我学习：Agent 开始「自己进化」
开启 Active Memory 后，Agent 可以在符合条件的私人会话里调用过去的对话；新的 Background Memory Consolidation 会在后台整理长期记忆，把值得保留的信息写进 Long-term Memory，同时保留来源和 Dream Diary。
Self-learning 更进一层：Agent 能识别此前工作中验证过的有效方法，把符合安全要求的内容沉淀成新的 Skills，再用 Skill Workshop 持续整理改进。
过去是你不断「教龙虾」，现在龙虾开始自己总结经验、整理工具。
06 Automation + Swarm：从「完成一次任务」到「持续运转」
自动化任务现在可以默认绑定发起它的对话，定时任务不再天然脱离上下文；/loop 支持 Agent 按固定时间或自身节奏持续检查；Workboard 则把任务与自动化连起来——前一项完成，自动启动下一项。
实验性的 Swarm 允许一个 Agent 同时拉起多个 Subagent，并行处理独立子任务，再汇总结构化结果。
07 安全与权限：改动最密集的区域
● 敏感信息（密码、Token）通过遮罩输入界面索取，不进入聊天记录和模型 Context
● 自动化支持「一次性授权」，任务内容或操作范围一变，需要重新批准
● 第三方插件展示来源、版本、能力和 Artifact 信息；含可执行代码的插件要额外确认
● 团队环境新增 Role、权限模式和 Shared Credential Store
08 触达范围更大了
浏览器（读页面文本、看网络请求、模拟设备）、桌面控制（操作配对桌面）、Android 无障碍控制（查看和操作手机界面）、Teams / Zoom 以 Guest 身份进会看转录、IMAP 邮件直接触发任务……
它正从「可以遥控电脑的聊天 Agent」，变成横跨 Browser、Desktop、Mobile、Cloud、IM 和 Meeting 持续运行的「个人计算层」。
— ✦ —
一只龙虾，怎么就成了「AI 打工圣体」？
OpenClaw 最初的起点其实很朴素：人在外面，想给家里的电脑发一句 Prompt，让它替自己把事办完。
Peter 找了一圈，没有一个现成方案让他满意，干脆自己写了个原型——用 WhatsApp 和电脑里的 Agent 交互。
真正让他意识到「这事不简单」的，是一次马拉喀什之旅。
当地网络环境一般，但 WhatsApp 一直能用。他给 Agent 发了一段语音——一个连扩展名都没有的文件。按传统软件的逻辑，流程走到这里早就该卡住了。
但 Agent 自己处理了起来：先判断出这是音频 → 尝试处理格式 → 发现本地没装 Whisper → 继续找别的方案 → 发现机器上有 OpenAI API Key → 交给服务器转写 → 再根据结果继续执行任务。
那一刻 Peter 才清楚地意识到：过去几年为 Coding 不断提升的模型能力，已经开始溢出编程场景，变成更通用的问题解决能力。
此后 OpenClaw 一路爆火：
● 9 个月拿下 38.8 万+ GitHub Star、8.1 万+ Fork
● 作者 Peter 被 OpenAI「招安」，牵头下一代 Personal Agent 的核心研发
● 项目移交独立非营利基金会继续维护
— ✦ —
别只看光鲜，另一面也够头疼
升级不稳定：CLI 与 Gateway 版本不同步、Core 与 Plugin 严重错位、Plugin 白名单机制变动……不少用户一觉醒来发现插件全挂，只能翻配置 debug，严重时只能回滚老版本。
Token 账单：Heartbeat 机制让 Agent 定期醒来检查状态，你不出消息它也在烧 Token。跑得越久，历史 Context、Memory、Skills 越多，成本越高。
安全：Agent 可能被恶意网页和邮件钓鱼，官方指南也提醒把外部消息视为不可信输入；不配 Sandbox 时，部分工具可能直接运行在你机器上。工信部 NVDB 也曾发布过相关安全预警。
— ✦ —
它到底算不算成功？
Peter 给 OpenClaw 定过一个很有温度的「北极星目标」：做出一个连自己母亲也能安全、无门槛使用的 Agent。
被问「怎样才算成功」，他的回答看似矛盾却很有分量。
「从很多方面来说，我觉得它其实已经成功了。」
因为「Claw」本身已经变成了一个名词；更重要的是，很多最早由 OpenClaw 尝试的功能——Agent 不必一直等指令、可以主动行动、能自己创建定时任务、开始建设长期记忆——正在进入越来越多的商业 Agent。
DeepSeek 则用一句话概括了这场变革。
Agent = Model + Harness
模型 + 运行环境
所谓 Harness，就是围绕模型搭建起来的整套运行体系——Runtime、Tools、Memory、Skills、Session、Sandbox、Permissions、Loop、Environment。模型能力当然重要，但真正决定 Agent 好不好用的，还有它活在什么样的环境里。
— ✦ —
结尾
年初那场「全民养虾」的热潮已经退了，教程也不再刷屏。
但这场喧闹真正完成的事，是一次难得的 Agent 大众认知普及：越来越多的人分清了 Agent 和 Chatbot 的区别，也第一次真切感受到，一个「会行动的 AI」意味着怎样的效率、成本与风险。
这大概才是 OpenClaw 真正拿到的、沉甸甸的「大结果」。