昨晚,OpenClaw大更新,亲手终结「旧插件」时代

昨晚,OpenClaw 又迎来了一次重大的版本更新,「这次发布内容多到需要单独做一个目录来梳理。」

更新重点放在了以下几大方面:

  • ClawHub 插件市场

  • MiniMax M2.7、GPT-5.4-mini/nano + 按 Agent 分配的推理能力

  • /btw 侧边提问(可随时插入的补充问题)

  • OpenShell + SSH 沙盒环境

  • Exa、Tavily、Firecrawl 搜索工具

此次最重要的变化是插件生态重心转向,ClawHub 成为「默认入口」。

优先从 ClawHub 安装,而不是 npm。只有 ClawHub 没有对应包 / 版本时,才 fallback 到 npm。

这意味着,OpenClaw 正在把插件生态从通用包管理转向自有 Agent 插件市场。

其次是插件体系大改,包括 SDK 重构和接口收敛。

SDK 路径重构,新入口为「openclaw/plugin-sdk/*」,插件开发从宽接口转向细粒度模块化 SDK。

消息机制重写,强制使用「describeMessageTool (...)」,从声明能力到直接定义工具语义。

运行方式变化,插件必须使用 injected runtime(注入运行时),不再允许随意直接调用宿主 API。

接着是工具能力收敛,内置能力替代第三方 Skill。

以图像生成能力为例,统一到核心工具「image_generate」,删除 nano-banana-pro 文档和内置 skill wrapper。

这意味着从技能插件拼装转向了核心能力内建 + 可选扩展。

此外,浏览器与执行环境去「外挂化」,强化原生能力。

浏览器体系重构,删除 Chrome extension relay 方案,统一迁移到 existing-session、user session 或直接 CDP(Docker /headless/remote)。

执行环境安全升级,新增多项限制,包括禁止 JVM 注入(MAVEN_OPTS 等)、阻断 glibc exploit(GLIBC_TUNABLES)、限制.NET 依赖劫持以及控制 Gradle 环境覆盖。

在模型层面,OpenAI 默认模型切换为 gpt-5.4,Codex 独立为 openai-codex/gpt-5.4,新增对 gpt-5.4-mini 和 gpt-5.4-nano 的支持。

MiniMax 默认模型从 M2.5 变为 M2.7,新增 MiniMax-M2.7 和 MiniMax-M2.7-highspeed,并补齐了 M2 / M2.1 / M2.1-highspeed。

引入 per-agent 模型策略,每个 Agent 有默认 thinking(深度推理)、reasoning(标准推理)和 fast(快速模式)。

最后还有一项特别的更新,删除「.moltbot」配置体系,移除 CLAWDBOT_* / MOLTBOT_* 环境变量,全面统一为 OPENCLAW_*,与过去彻底切割。

One more thing:就在刚刚,OpenClaw 创始人 Peter Steinberger 表示,在昨晚的版本发布过程中,遗漏了「Web 控制 UI 资源」相关的一个关键步骤,导致当前正式版本无法正常加载该部分功能。

该问题已在最新的 beta 版本中修复,用户可以选择升级体验,或等待后续正式更新发布。

更新详情:github.com/openclaw/op...

相关推荐
码路高手1 小时前
Trae-Agent源码重点
人工智能·架构
剑穗挂着新流苏3122 小时前
114_PyTorch 进阶:模型保存与读取的两大方式及“陷阱”避坑指南
人工智能·pytorch·深度学习
CoovallyAIHub2 小时前
把 Whisper、Moonshine、SenseVoice 统统装进手机:sherpa-onnx 离线语音部署框架,GitHub 10.9K Star
人工智能·架构
一只叫煤球的猫2 小时前
RAG 如何落地?从原理解释到工程实现
人工智能·后端·ai编程
AI营销快线2 小时前
AI营销获客难?原圈科技深度解析SaaS系统增长之道
大数据·人工智能
南滑散修2 小时前
机器学习(四):混合高斯模型GMM
人工智能·机器学习
柯儿的天空2 小时前
Mem0深度解析:给你的ai agent加上长期记忆,让ai从“健忘“到“过目不忘“
人工智能·gpt·自然语言处理·ai作画·aigc·ai编程·agi
FluxMelodySun2 小时前
机器学习(二十五) 降维:主成分分析(PCA)及特征值分解
人工智能·算法·机器学习
Cosolar2 小时前
Transformer训练与生成背后的数学基础
人工智能·后端·开源