OpenClaw 2.0 发布!科研 Agent 开始组队了!

8月31日，开源个人智能体项目 OpenClaw 发布 v2026.8.1，官方同时称其为 OpenClaw 2.0。

如果只看功能清单，这次更新很容易被概括成“龙虾版飞书”：多人进入同一个工作空间，任务可以分配给不同成员或 Agent，Session 有创建者、负责人和参与者，过程还能在看板上持续追踪。

对社科研究者来说，更值得讨论的是另一件事：个人 Agent 正在变成一种团队研究基础设施。 文献检索、数据整理、模型设定、反方审查和写作，可以分给不同 Agent；课题负责人则保留问题定义、方法选择和结论批准权。

这套结构有潜力缓解团队协作中的信息断裂，也带来了权限、责任和可复现性的新问题。

更新了什么

OpenClaw 2.0 的官方发布页列出多项变化。和研究团队最相关的，主要有五组。

第一，多用户模式为 Session 增加了三层归属信息：不可变的创建者、可重新指派的负责人，以及参与历史。团队可以据此判断谁发起任务、目前由谁负责、哪些人或 Agent 曾经参与。

第二，Session 可以运行在配对设备或云端 Worker 上，工作区随任务移动。研究者不必把长时间运行的数据处理或资料整理固定在一台电脑上。

第三，子 Agent 的活动、进度和文件修改可以持续显示。页面刷新之后，进度卡仍然保留。这让“Agent 做到了哪一步”从一句口头汇报，变成可观察的过程信息。

第四，交互式结果可以固定到 Session Dashboard。研究团队可以把阶段性图表、检查表或待回答问题集中呈现，减少结论散落在聊天记录里的情况。

第五，平台加入更细的角色和操作权限。管理员可以限制某个角色能看到哪些 Session、能调用哪些 Agent、拥有多高的操作权限，以及新建 Session 是否必须进入沙箱。

这些能力组合起来，确实有协作平台的味道。但“像飞书”只是界面层面的类比。OpenClaw 的核心对象仍然是 Agent、Session、工具和执行环境，而不是文档、审批或即时通信。

图1：把多人、多 Agent 与 Session 管理映射为社科研究分工。角色为编辑绘制的工作流示例，并非官方内置模板。

社科团队怎么用

社科项目最适合采用“一个 Session 对应一项可审查任务”的组织方式，而不是让一个万能 Agent 从选题一路写到结论。

以一项问卷研究为例，可以建立五个角色。

• • 课题负责人：确定研究问题、理论框架、变量口径和停止条件；批准所有会改变识别策略的决定。
• • 文献 Agent：检索原文，输出带页码或段落定位的证据表，并标记预印本、同行评审论文和机构报告。
• • 数据 Agent：检查缺失值、异常值和编码，生成可重复运行的清洗脚本，不直接解释因果。
• • 方法 Agent：根据预先约定的分析方案运行模型，报告假设条件、稳健性检验和失败日志。
• • 审校 Agent：专门寻找错误引用、口径漂移、相关性被写成因果等问题，形成逐条修改记录。

负责人可以把每项工作放进独立 Session，再按权限开放给成员。Session 的创建者和当前负责人提供最基本的责任线索，进度卡帮助团队观察 Agent 是否卡住，Dashboard 则适合集中呈现待批准的问题。

这种设计尤其适合跨校合作、研究助理团队和包含敏感数据的项目。它把过去依赖群聊和口头交接的工作，转成有归属、有状态、有产物的任务单元。

多Agent不等于可靠

协作结构清楚，并不自动保证研究结论可靠。

2026年6月发布的一篇预印本《(Human) Attention Is (Still) All You Need》提供了一个有针对性的警示。作者在4个数据集上完成280次预设研究运行。无约束的多 Agent 基线出现关键失败的比例为72%；在保持底层模型、Agent 分工和共享提示词相同的情况下，HLER 架构把这一比例降到16%。

差别来自三项结构约束：LLM 负责推理但不直接执行数据工作；数据处理和估计由确定性程序完成；研究流程设置三个人工决策门。论文仍是预印本，结果需要后续复核，但它至少说明，增加 Agent 数量并不能替代方法治理。

图2：可靠的多 Agent 研究流程需要预注册、确定性计算、人工决策门和可追溯输出。数据来自所引预印本摘要，编辑据此绘制。

OpenClaw 2.0 提供的是协作“骨架”。研究团队仍需自行写入学术规范。一个较稳妥的起步方案是：

1. 1. 在项目开始时锁定研究问题、主要变量、排除标准和主模型；任何变更都留下理由和批准人。
2. 2. 要求 Agent 只提交结构化中间产物，例如文献证据表、数据字典、分析脚本、异常清单和反驳报告。
3. 3. 把数据处理放入可重复运行的脚本，不让模型在对话中“心算”统计结果。
4. 4. 在理论框架、识别策略和最终结论三个节点设置人工批准；未批准的内容不得进入下一阶段。
5. 5. 记录模型、提示词、数据版本、代码提交和 Session 归属，确保团队可以回溯结果是怎样产生的。

权限并非隔离

OpenClaw 官方文档对多人模式给出了很重要的边界：Session 归属、头像、在线状态和筛选器主要用于协调，不是安全边界。能够操作同一个 Agent 的成员，原则上可能让它调用该 Agent 能使用的工具、凭证或文件。

具名角色和沙箱可以降低风险，例如把访客创建的 Session 强制放入隔离环境、将共享工作区降为只读。但官方仍把一个 Gateway 视为同一可信操作域。需要防止成员互相访问 Session、工具、凭证或文件时，应使用不同 Agent，甚至由不同操作系统用户或主机运行独立 Gateway。

这对社科团队非常现实。访谈逐字稿、未公开问卷、行政数据和合作方材料可能具有不同授权范围。团队不能因为界面显示“只属于某人”，就假设底层数据已经隔离。

此外，Agent 的参与历史只能说明某个身份曾向 Session 提交输入，不能精确证明每一句话由谁写出。把它当作完整的学术贡献记录或责任认定工具，也会超出官方能力边界。

值不值得上

如果你只是个人使用 OpenClaw，2.0 的搜索、远程 Session 和进度卡已经有直接价值。对研究团队而言，真正的变化是它开始容纳“人—Agent—Session—权限”四者之间的关系。

建议先选一个低风险、可验证的任务试运行，例如公开文献证据表或公开数据的描述统计。不要一开始就接入敏感材料，也不要把最终解释权交给 Agent。团队可以观察三个指标：交接是否减少、过程是否更容易复核、错误是否更早暴露。

OpenClaw 2.0 让个人 Agent 更接近研究协作系统。能否成为社科实验室的“工作台”，取决于团队能否把方法规范、权限边界和人工责任一并写进系统。