开源免费的个人 AI 助手
OpenClaw 正式推出可选的 Auto 模式，旨在解决传统 YOLO（全信）模式在高频企业环境下的安全盲区。该模式引入独立的审查模型，对未命中白名单的命令进行自动研判，仅在低风险场景放行，高风险或模糊指令自动回退给人工审批。此举借鉴了 OpenAI Codex Guardian 的审查逻辑，支持将审查模型与主 Agent 模型分离，实现了本地执行效率与云端安全判断的最佳结合。
OpenClaw 宣布与 NVIDIA 深度合作，推出基于多模态扫描的自动化技能安全验证体系。通过整合 VirusTotal、静态分析器及 NVIDIA SkillSpector，OpenClaw 构建了全新的 ClawScan 流水线，并引入 NVIDIA Skill Cards 作为信任凭证。实测数据显示，不同扫描器在识别代理风险（Agentic Risk）时存在显著差异，ClawScan 利用 LLM 作为裁判有效解决了单一工具的盲区问题。同时，团队开源了包含 6.7 万条记录的安全扫描数据集，推动社区共建安全生态。
OpenClaw 正式推出 Skill Workshop 功能，旨在解决 Agent 学习中‘错误固化’与‘复用难’的痛点。该功能引入‘提案先行（Proposal First）’机制，将技能变更从直接写入改为可审查的草稿状态，并支持模板、脚本等辅助文件随提案同行。通过‘今日视图’与‘看板视图’的交互设计，实现了从生成到落地的全链路人工审核，确保 Agent 习得的技能既高效又安全可控。
OpenClaw 为提升用户体验，正式推出 macOS 原生应用安装器，彻底告别终端配置。针对 Windows NVIDIA RTX 用户，新增基于硬件检测的本地模型一键部署功能，支持 24GB 显存以上显卡自动运行 30B 级模型。同时，系统级权限管理与容器化隔离机制得到强化，在简化操作的同时确保数据安全与可控性。
OpenClaw 发布史上最大版本 2.0，由 933 名贡献者完成，包含 16000+ 次 Pull Request。本次更新彻底重构了安装流程、浏览器端体验及核心 Agent 架构。重点突破在于引入“共享云会话”实现多人实时协作，大幅简化初始配置，并支持跨应用（如邮箱到 Telegram）的零摩擦自动化。OpenClaw 强调开源自治，致力于让用户完全掌控 Agent 的工作流。
OpenClaw 正式推出 Extended-Stable（扩展稳定版）发布渠道，提供长达一个月的长期支持与回退修复，标志着其从早期项目向企业级基础设施的跨越。同时，团队发布了 OpenClaw 成熟度评分卡（Maturity Scorecard），通过 GitHub 问题追踪、竞品对比及人工评估量化功能成熟度，并设定了 90% 的端到端测试覆盖率目标。此举旨在为 Agent 时代构建稳定、可信赖的基础设施。
OpenClaw 宣布正式成立 501(c)(3) 非营利基金会，旨在将 AI 代理（Agent）技术从封闭云端推向个人本地化运行。基金会由 Peter 创立，旨在保护开源项目的独立性，并联合 OpenAI、NVIDIA、Microsoft 及密歇根大学等巨头，构建类似“瑞士”的中立 AI 标准与协作平台。
OpenClaw 正式发布 5.28 版本，通过核心架构重构与依赖剥离，实现性能与体积的双重飞跃。冷启动推理速度提升 5.1 倍，安装包体积缩小 59%，原生包依赖数量减少 43%。本次更新将 Bedrock、Slack 等重型插件移出核心依赖，显著降低 npm 安装面与安全风险，为开发者提供更高效、更轻量的 Agent 开发体验。
OpenClaw 因插件依赖链断裂、网关性能下降及启动循环问题陷入严重危机。官方宣布启动核心架构重构，将通道、解析器等模块剥离至 ClawHub，并引入 LTS 长期支持版。同时，借助 OpenAI 支持组建正式团队，旨在打造更轻量、安全且基础设施级的 AI 代理平台。
