昨晚OpenClaw大变样！支持GPT-5.4，记忆功能热插拔，Star量竟破28万！

机器之心编辑部

“我们不搞小规模发布。”

就在这个周日，备受瞩目的智能体项目 OpenClaw 发布了它的 2026.3.7 版本，带来了上下文引擎插件、lossless-claw 等新功能，同时也支持了一系列新模型。

从 GitHub 的更新日志来看，OpenClaw 2026.3.7 的更新内容繁多且复杂。但总的来说，它的方向已日渐明朗：OpenClaw 正在从一个实验性的智能体框架，逐步转变为一个具备高持久性、可扩展性和安全性的成熟 Agent 操作系统。

具体说说，这次更新主要有以下几个亮点：

智能体 / 上下文引擎插件接口：新增了 Context Engine 插件插槽，支持完整的生命周期钩子。引入了基于插槽的注册表和配置驱动的解析机制；添加 LegacyContextEngine 包装器以保持现有的上下文压缩行为；通过 AsyncLocalStorage 为插件提供作用域子智能体运行时，同时新增 sessions・get 网关方法。这意味着像 lossless-claw 这样的插件可以提供替代的上下文管理策略，而无需改动核心压缩逻辑，未配置插件时则行为不变。

ACP / 持久化频道绑定：新增了耐用的 Discord 频道和 Telegram 话题绑定存储，包含路由解析和 CLI / 文档支持，使得 ACP 线程目标在服务重启后依然保持绑定，并能进行一致性管理。

Telegram/ACP 话题绑定：在 /acp spawn 命令中支持 Telegram Mac Unicode dash 前缀；允许 Telegram 话题线程绑定（–thread here|auto）；将已绑定话题的后续回复自动路由至 ACP 会话；新增 Telegram 审批按钮，使用带有前缀的 approval-id 解析，且成功绑定后自动在话题内置顶确认信息。

Telegram / 话题智能体路由：在论坛组和私聊话题中，支持为每个话题覆盖 agentId，这样特定话题就可以路由到具有隔离会话的专用智能体。

新手引导 / 联网搜索：在配置向导中增加了供应商选择步骤和完整的供应商列表，并在引导过程中支持 SecretRef 引用模式。

工具 / 联网搜索：将 Perplexity 供应商切换为 Search API，支持提供结构化结果，并新增语言 / 地区 / 时间过滤器，让信息收集更加精准。

网关：为 gateway.auth.token 增加了 SecretRef 支持，加入了身份验证模式防护栏。

插件 / 系统上下文字段：新增了 prependSystemContext 和 appendSystemContext 钩子，让插件的静态引导信息可以放置在系统提示词空间中，这样有利于利用供应商缓存并降低重复提示词的 token 成本。

新增对 google/gemini-3.1-flash-lite-preview 的原生支持，包括模型 ID 的正规化、默认别名、多媒体理解图像查找、Google Gemini CLI 向前兼容回退及文档。

在工具链和本地模型生态的优化方面，OpenClaw 在 2026.3.7 版本中重构了 Web 搜索工具，优化了 Ollama 等本地模型的处理机制，以及 Docker 容器的部署。新版本完美兼容了 Ollama 等本地模型在“思考/推理”阶段的流式输出隔离，不再将模型底层的思考过程误认为正式回复。

另外，在容器化方面，Docker 現在支持通过 OPENCLAW_EXTENSIONS 预打包扩展依赖，使得容器启动速度更快，结果更加可复现。

需要特别注意的是，此次更新中一个重大的变化是网关认证模式，如果同时配置了 gateway.auth.token 和 gateway.auth.password，那么现在必须明确指定 gateway.auth.mode，升级前需将该模式设置为 token 或 password。不然的话，升级后可能会导致启动、配对或 TUI 失败。

更重要的是，这些只是此次更新的一部分内容，更多的详细信息可以到 GitHub 上查看。正如 OpenClaw 在发布贴文中所说，“此次发布背后有 196 位贡献者的辛勤付出”，涉及了很多方面的更新。

总结一下，OpenClaw 正在努力解决 AI Agent 框架落地过程中遇到的一些重要问题。它突破了“上下文窗口”的限制，允许开发者灵活地集成 RAG（检索增强生成）、知识图谱折叠或无损压缩算法，为智能体的“长期自主运行”铺平了道路。

OpenClaw：智能助手的崛起与应用新趋势

在 OOLONG 的基准测试中，使用相同的模型进行比较时，新版 OpenClaw 的 lossless-claw 得分达到了 74.8，而 Claude Code 则为 70.3，随着上下文长度增加，二者的差距也越来越明显。

在各个上下文长度的测试中，OpenClaw 的表现始终超过了 Claude Code。有工程师在 OpenClaw 上测试了一周，感慨说：「说它表现出色都算是低估了。」

OpenClaw 增强了智能体之间的协作能力，让复杂的任务可以更加安全地拆分并交给那些拥有专属记忆通道的小智能体来完成。通过将不同的 Agent 固定在不同的部门群组，OpenClaw 实现了持久的通道绑定。即使服务器重启，专用智能体也能继续记住上下文，顺利接着之前的工作。

此外，像防止提示词注入、拦截和凭据保护等安全更新，也让系统的安全性得到了进一步提升。

截至目前，OpenClaw 在 GitHub 上的 Star 数量已经突破了 28 万。

从社交媒体到职场，越来越多的人开始尝试 OpenClaw，这个工具的应用已经从专业开发者扩展到各行各业。人们用它来选股、写报告、制作 PPT、发邮件，甚至写代码，真的是无所不能。

AI 智能助手，可能很快就会成为每个人手边的「虚拟员工」，帮助我们大大减轻工作负担。

还有一件事

机器之心计划在近期于上海举办一场 OpenClaw 的活动，目前正积极寻找有趣的主题和嘉宾。我们希望能够深入探讨 OpenClaw，从它的流行原因、技术原理，到实际案例和创业机会，我们都期待听到。

特别欢迎 OpenClaw 的核心贡献者、各大公司的团队负责人、研究学者、创业者、风险投资人，以及在 OpenClaw 上有深入实践的朋友们前来参与讨论。

如果你有兴趣，请联系小助手微信（微信号：13661489516）

参考资料：

https://x.com/openclaw/status/2030522386894946620

https://github.com/openclaw/openclaw/releases/tag/v2026.3.7