星标超 28 万,OpenClaw 两天两次大更!适配GPT 5.4,告别“抽卡式 Prompt”

星标超 28 万,OpenClaw 两天两次大更!适配GPT 5.4,告别“抽卡式 Prompt”



整理 | 梦依丹

出品 | ZEEKLOG(ID:ZEEKLOGnews)

“We don’t do small releases.”

这是 OpenClaw 在发布 2026.3.7 版本时写下的一句话。

刚刚过去的周六与周日,这个 GitHub 星标已超 28 万 的 AI Agent 开源项目再次迎来两轮重量级更新。

两天两次更新:OpenClaw 做了一次“真正的大版本升级”

打开 OpenClaw 的 GitHub 更新日志,你会发现这次版本更新的规模确实不小。在 3 月 7 日发布更新后,第二天又迅速推出 2026.3.8-beta.1 和 2026.3.8 修复版。

官方在更新 2026.3.8 的说明中还开了一句玩笑:

“We fixed more things than we broke. Progress.”

我们修复的问题比制造的问题还多,这就是进步。

一如既往,OpenClaw 项目团队在所有的 release note 中逐一 @ 了每位贡献者——其中 2026.3.7 版本共有 196 位贡献者参与了的开发与改进,体现了 OpenClaw 开源生态的活跃与紧密协作。

两天更新的条目非常多,但从整体来看,此次更新主要集中在模型能力、Agent 架构、工程部署以及安全机制四个方向。

1. 模型能力升级:支持 GPT-5.4 与 Gemini 3.1 Flash-Lite

首先是模型层面的更新。OpenClaw 在本次版本中新增对 GPT-5.4 与 Gemini 3.1 Flash-Lite 的支持,使开发者能够更方便地接入最新的大模型能力。

2、Agent 架构升级:可插拔 Context Engine

本次更新中最受开发者关注的一项能力,是可插拔 Context Engine(上下文引擎)。

3、工程部署能力优化

在工程与部署层面,OpenClaw 也进行了多项优化,例如:

  • ACP 绑定支持重启恢复,提高 Agent 稳定性
  • Slim Docker 多阶段构建,减少容器体积
  • 新增 HEIF 图片格式支持
  • 修复 Telegram 通信问题

这些更新让 Agent 系统在真实运行环境中的部署与维护更加高效。

4、安全与可靠性增强

在  2026.3.8 更新中,团队又进一步强化了安全与运维能力,包括:

  • ACP provenance:让 Agent 能识别消息来源
  • Openclaw backup:新增备份与恢复能力
  • 12+ 项安全漏洞修复

OpenClaw 正加速 Agent 工程化落地

从这两次连续更新不难看出,OpenClaw 的发展重点已不再只是单纯的技术实验,而是逐渐走向智能体系统的工程化与落地应用。

在由 ZEEKLOG 与奇点智能研究院举办的 2026 奇点智能技术大会现场,主办方诚邀了多位来自一线企业的技术专家,分享 OpenClaw 在真实业务中的实践经验,包括但不限于以下几位嘉宾:

网易有道龙虾核心研发 刘志强

  • 演讲主题: 有道龙虾LobsterAI的养成与实践

MiniMax 研发工程师、开发者关系负责人 李元

  • 演讲主题:MiniMax M2.5 驱动的 OpenClaw 及 Agent 企业落地实践

沐曦应用生态负责人 韩泽耀

  • 演讲主题:从算力到智能体:OpenClaw 数字员工实践

腾讯云开发者 AI 产品负责人 汪晟杰

  • 演讲主题:WorkBuddy Claw 打造全民 AI 工作台

2026 奇点智能技术大会还邀请了众多来自开源社区、企业研发团队及 AI 产品实践领域的技术嘉宾,围绕 OpenClaw 与智能体的最新进展进行深度交流与探讨。

会场将呈现从模型能力 → Agent 架构 → 企业落地 → 多场景实践的全景视角,让参会者不仅看到开源项目的技术升级,也能了解其在产业实践中的实际应用价值。

以上只是 2026 奇点智能技术大会议题的冰山一角。

届时,我们将汇聚 50+ 位站在变革最前沿的技术专家,围绕大语言模型、多模态世界模型、AI Infra、AI 原生应用等十二大专题展开深度分享。

他们是:

  • 奇点智能研究院院长,ZEEKLOG 高级副总裁 李建忠
  • 腾讯微信搜索 AI 算法研究方向负责人、专家研究员 王炳宁
  • 新浪微博首席科学家及AI研发部负责人 张俊林
  • 小红书 AI 搜索生成算法负责人 陆承镪
  • 微软亚洲研究院人工智能推理组负责人 宫叶云
  • 京东探索研究院研究总监,多模态理解大模型研发团队负责人 王佳琦
  • Qoder 资深技术专家 谢吉宝(唐三)
  • 京东集团多模态基础模型团队负责人 黄浩洋
  • 微软亚洲研究院香港首席研究员 刘树杰
  • 百度 Comate 架构师 张立理
  • 无问芯穹技术副总裁 吴保东
  • Macaron AI首席科学家 马骁腾
  • vLLM 社区贡献者、红帽大中华区CTO 张家驹
  • 北京智源人工智能研究院AI框架研发负责人 敖玉龙
  • ……

如果你不满足于表面的概念炒作,如果你希望深入技术的肌理,看清未来半年的风向。

这里没有空泛的预测,只有扎实的复盘与当下的解法与前沿的探索。

与此同时,2026 奇点智能技术大会同步开放多种合作形式:

  • 技术生态合作伙伴
  • 企业专场共建
  • 行业解决方案联合展示
  • ……

我们期待与更多长期主义者一起,为 AI 时代留下可被验证、可被复用的工程经验。

图片

扫码下方二维码

提前预约 2026 奇点智能技术大会全套 PPT 资料

图片

官方网站:www.ml-summit.org

购票热线:400-821-5876

购票咨询:[email protected]

企业合作:[email protected]

演讲申请:[email protected]

媒体联系:[email protected]

↓↓ 点击「阅读原文」,了解「2026  奇点智能技术大会」更多信息!

Read more

C语言标准库与常用工具链:string.h、stdio.h、stdlib.h深度解析与CMake、Makefile构建

C语言标准库与常用工具链:string.h、stdio.h、stdlib.h深度解析与CMake、Makefile构建

《C语言标准库与常用工具链:string.h、stdio.h、stdlib.h深度解析与CMake、Makefile构建》 一、前言:为什么C标准库与工具链是C语言开发的基石? 学习目标 * 理解C标准库的本质:C语言的标准函数库,提供了大量常用函数 * 理解工具链的本质:用于编译、链接和调试C语言程序的工具集合 * 明确C标准库与工具链的重要性:提高开发效率、简化程序结构 * 掌握本章学习重点:string.h、stdio.h、stdlib.h的常用函数、CMake与Makefile的构建方法、工具链的使用技巧、避坑指南、实战案例分析 * 学会使用C标准库编写高效、简洁的程序,使用工具链构建项目 重点提示 💡 C标准库与工具链是C语言开发的基石!通过C标准库,你可以直接使用大量常用函数,避免重复造轮子;通过工具链,你可以简化项目的构建和调试过程。 二、模块1:string.h深度解析——字符串处理的常用函数 2.1 学习目标

By Ne0inhk
飞算 JavaAI 使用体验全解析

飞算 JavaAI 使用体验全解析

博客目录 * 一、前言与背景 * 二、什么是飞算 JavaAI? * 主要特点 * 三、安装与配置 * 1. 从 IDEA 插件市场安装 * 2. 离线安装 * 3. 配置与激活 * 四、核心功能与使用体验 * 1. 智能开发全流程引导 * (1) 需求分析 * (2) 接口设计 * (3) 表结构设计 * (4) 处理逻辑梳理 * (5) 源码生成与合并 * 2. 其他实用功能 * (1) Java Chat * (2) 智能问答 * (3) SQL Chat * 五、与主流 AI 编程助手对比 * 六、个人体验与建议 * 建议 一、前言与背景

By Ne0inhk
SpringAI vs LangChain4j:Java生态大模型应用开发终极对决

SpringAI vs LangChain4j:Java生态大模型应用开发终极对决

个人名片 🎓作者简介:java领域优质创作者 🌐个人主页:码农阿豪 📞工作室:新空间代码工作室(提供各种软件服务) 💌个人邮箱:[[email protected]] 📱个人微信:15279484656 🌐个人导航网站:www.forff.top 💡座右铭:总有人要赢。为什么不能是我呢? * 专栏导航: 码农阿豪系列专栏导航 面试专栏:收集了java相关高频面试题,面试实战总结🍻🎉🖥️ Spring5系列专栏:整理了Spring5重要知识点与实战演练,有案例可直接使用🚀🔧💻 Redis专栏:Redis从零到一学习分享,经验总结,案例实战💐📝💡 全栈系列专栏:海纳百川有容乃大,可能你想要的东西里面都有🤸🌱🚀 目录 * 《SpringAI vs LangChain4j:Java生态大模型应用开发终极对决》 * 引言:Java在AI时代的重新定位 * 第一章:架构哲学对比 * 1.1 设计理念差异 * 1.2

By Ne0inhk
Java 大视界 -- Java 大数据在智能教育学习成果评估体系完善与教育质量提升中的深度应用(434)

Java 大视界 -- Java 大数据在智能教育学习成果评估体系完善与教育质量提升中的深度应用(434)

Java 大视界 -- Java 大数据在智能教育学习成果评估体系完善与教育质量提升中的深度应用(434) * 引言: * 正文: * 一、Java 大数据赋能智能教育评估的核心逻辑 * 1.1 教育评估数据特性与 Java 技术栈的精准适配 * 1.1.1 核心价值:从 “经验驱动” 到 “数据驱动” 的范式跃迁 * 1.2 数据流转与评估建模的底层逻辑 * 二、核心技术架构与落地路径(可直接复用) * 2.1 分层解耦的高可用架构设计 * 2.1.1 采集层:高并发多端数据接入(Java + Kafka) * 2.1.2 处理层:Spark + Hive 实现海量数据清洗与建模 * 2.1.

By Ne0inhk