OpenClaw发布史上最大更新OpenClaw 2.0，涵盖简化安装流程
相关推荐
微信支付 AI 专属卡已支持接入DeepSeek Harness和OpenClaw
PANews 8月31日消息，据IT之家报道，微信支付宣布 AI 专属卡现已支持在 DeepSeek Harness 和 OpenClaw 中使用，用户授权后可在对话中完成从智能推荐到下单支付的流程。AI 专属卡目前可在上述两款产品中付费调用 Skillhub 上逾 700 个 Pay Skill，后续将拓展更多场景。
Omacom基金会资金规模增至1000万美元，Dropbox联创与OpenClaw创始人加入
PANews 8月24日消息，DHH（David Heinemeier Hansson）发文表示，Omacom基金会资金总额已增至1000万美元。Dropbox联合创始人Drew Houston与OpenClaw创始人Peter Steinberger加入创始赞助人行列，各出资100万美元。该非营利基金会此前由8名创始赞助人各出资100万美元启动，旨在持有Omarchy商标、资助基础设施，并支持Omarchy依赖的开源项目及开发者。DHH随后表示，Omacom基金会将通过一份为期三年的长期协议，成为桌面构建工具Quickshell的主要赞助方。
Meta发布Muse：把OpenClaw做成普通人直接能用的产品
动察 Beating AI 快讯，Meta 发布个人 Agent Muse。和 OpenClaw、Hermes 最大的区别是，不用自己部署，也不用折腾模型、服务器和 Skill。Meta 直接提供独立云端环境，打开 App、网页或 WhatsApp 就能用。 和 Grok Bot 相比，Muse 不强调同时养多个 Agent，更偏一个长期跟着你的私人助手；和 Instinct 最接近，但 Muse 直接接入 Meta 自己的账号、App 和后续 AI 眼镜。 Muse 另一个重点是安全。密码、银行卡等敏感信息不会直接交给 Agent，付款和高风险操作会单独确认。
开源 AI Agent 框架 OpenClaw 2 发布，新增多人云会话功能
ChainCatcher 消息，自托管开源 AI Agent 框架 OpenClaw 于上周末发布其迄今最大规模更新，版本号为 2026.8.1，品牌名为 OpenClaw 2。官方公告显示，该版本由 933 名贡献者共同完成，其中 569 人为首次参与，累计合并超过 1.6 万个拉取请求，约占项目历史合并 PR 总量的一半。团队原计划仅聚焦简化安装流程与重建浏览器应用，随后将改动扩展至记忆、模型、插件、消息与安全等模块，因此将本次发布称为“意外的大版本”。新版本的核心功能包括以聊天为中心重构的控制界面、可自动识别现有 Claude 或 ChatGPT 订阅及本地 Ollama 模型的安装引导，以及面向团队的多人共享云会话，用户可在 team.openclaw.ai 上接手同事正在进行中的任务。官方模拟延迟测试显示，初始 JavaScript 请求从 140 个降至 45 个，启动时间从 1.6 秒降至 575 毫秒。安全层面新增请求级审批、按参数限定的命令权限、Docker 与 Podman 沙箱、角色化执行及团队级密钥库，但沙箱与审批默认仍处于关闭状态。
OpenClaw 2.0发布：7周憋出史上最大更新
动察 Beating AI 快讯，OpenClaw 上一个大版本在 7 月中旬发布，此后接近 7 周没有再发正式大版本。此前它平均两天左右就更新一次，这次明显慢了下来。 今天，OpenClaw 发布团队称为「OpenClaw 2.0」的新版本，也是项目迄今规模最大的一次更新。933 名开发者参与，合入超过 1.6 万个 PR，约占项目历史全部已合并 PR 的一半。 这次重点是降低使用门槛。安装时会自动识别电脑里已有的 ChatGPT、Claude 订阅、API Key 和本地模型，减少手动配置。浏览器端也被重做，可以直接聊天、继续任务和管理会话，还支持多人加入或接手同一个任务。 更新还涉及消息、记忆、Skills、模型、自动化、插件、安全和原生 App。OpenClaw 过去 230 天发了 106 个版本，团队承认此前发版太快，底层架构和发布流程已经跟不上。接下来，OpenClaw 会继续降低更新频率。
Instinct凭什么比OpenClaw好用？Reflexion作者：秘密可能在「长期状态」
动察 Beating AI 快讯，前 MIT 教授、Reflexion 共同作者 Ashwin Gopinath 提出一个猜测：最近在硅谷爆红的 个人 Agent 助手 Instinct 真正和别家 Agent 拉开差距的，可能不是执行能力，也不是普通的长期记忆，而是对用户「长期状态」的持续维护。 Gopinath 曾是创始人 Noah Shinn 的老师，两人 2023 年共同参与 Reflexion 研究。他没有 Instinct 的内部信息，以下判断来自实际使用体验： 单看任务执行，Instinct 并没有比 Hermes、OpenClaw 等 Agent 多出什么惊人的能力。现在很多 Agent 也已经会复盘、保存记忆甚至自动生成 Skill。Instinct 更特别的地方，是使用时间越长，似乎反而越了解用户，没有明显被越来越多的历史信息拖累。 关键可能在于，它没有简单保存全部聊天和操作记录，再靠向量搜索或知识图谱找回来，而是在持续维护一份「当前状态」：哪些用户偏好仍然有效，哪些事实已经变化，哪些任务还没完成，下一步应该等、继续跟进，还是直接行动。 这对长期 Agent 很重要。一个持续几天甚至几周的任务，中间可能经历邮件回复、等待、条件变化和多次跟进。Agent 不只要记住过去发生过什么，还要知道哪些信息已经过时，现在真正重要的是什么，以及什么时候根本不需要打扰用户。 Gopinath 把这种过程称为「记忆编译」：不断从杂乱的生活记录里筛出有用信息，压缩成一份持续更新的状态。重点不是「记得更多」，而是知道什么值得留下、什么应该失效，以及什么变化值得触发行动。 这和三年前的 Reflexion 有一条明显的延续线。Reflexion 让 Agent 把失败总结成文字记忆，用于下一次尝试；到了长期个人 Agent，问题进一步变成了如何持续理解一个不断变化的人和现实世界。 大模型能力越来越接近，工具调用和执行框架也在快速普及，真正难复制的部分，反而可能是谁能长期记住正确的事情，并在正确的时候采取行动。