3月14日消息，OpenClaw接连推出两次更新。

周三刚刚发布了2026.3.11，第二天下午又迅速刷出了2026.3.12。

两次更新之间只隔了一天，但commit数量却多得惊人。

把代码变动翻了一遍，AI普瑞斯发现，

如果说前一阶段OpenClaw更像是一个让开发者尝鲜的AI Agent工具，那么这次更新之后，它明显在往另一个方向走：

稳定、可长期运行的自动化平台。

而这一点，对于最近越来越多人开始“养龙虾”的生态来说，意义不小。

很多人第一次接触OpenClaw的时候，都会有一个共同感受：

功能很强，但界面不太友好。

这次更新里最直观的一部分，就是Control UI的大幅翻新。

新的控制台界面变成了模块化结构，仪表盘、聊天、配置、Agent和会话都被拆分成独立视图。聊天系统本身也变得更完整，增加了斜杠命令、消息搜索、导出、置顶等功能。

移动端也终于有了专门设计的底部导航。

这些变化看起来只是UI调整，但实际上意味着OpenClaw正在从一个偏开发者工具的项目，慢慢变成一个可以供C端长期使用的操作平台。

另外一个明显降低门槛的变化，是Ollama的完整接入流程。

过去想在本地跑模型，需要手动写配置文件、绑定模型、调参数，新手往往卡在这一步。

现在官方提供了一套引导式配置流程，可以直接推荐模型，并支持纯本地或“云+本地”混合运行。

对很多普通用户来说，这一步基本把环境配置的门槛踩平了。

这次更新里另一个比较关键的变化，是多模态记忆系统。

新版引入了基于Google gemini-embedding-2-preview的嵌入能力，让OpenClaw不再只处理文本数据。

现在龙虾可以把图片、音频、文档、截图加入记忆库。

过去很多自动化场景只能依赖文本，比如网页抓取、数据整理。

现在如果把截图、界面图、录音等内容丢进系统，它也可以作为上下文进行检索。

对于一些依赖视觉信息的自动化流程，比如电脑界面操作、复杂任务调度，这种能力会明显提高准确率。

但真正影响深度用户的，其实是底层系统的两项变化：

Agent编排能力和自动容灾机制。

新版加入了一个叫sessions_yield的功能。

就是调度系统可以在必要时直接跳过当前工具执行队列，进入下一轮任务。

过去多Agent协同的时候，经常会出现工具排队导致流程卡住的情况。现在 orchestrator 可以直接打断当前回合，把任务带到下一轮执行。

对于复杂自动化流程，这种调度能力会非常关键。

另一项变化是Failover（故障转移）机制的增强。

跑自动化的人都知道，模型API不稳定几乎是常态：

额度耗尽、网络错误、模型返回异常等等问题简直不要太常见，

以前遇到这些情况，任务往往会直接挂起。

现在系统可以在检测到错误时自动切换到备用模型，比如Claude、Gemini 或其他provider，并且还带有冷却时间检测。

等原来的模型恢复后，会自动重新接入。

对于那些同时运行几十甚至上百个Agent的用户来说，

自动化任务可以真正实现长时间挂机运行。

两次更新里还修复了一批安全问题，其中有两个比较关键。

一个是WebSocket跨站劫持漏洞，可能导致连接被远程接管。

另一个是Unicode零宽字符绕过命令检测的问题。攻击者可以利用不可见字符伪装审批命令，从而绕过执行限制。

对于公网部署或者多用户环境来说，这类漏洞风险非常高。这次补丁基本把这些路径堵住了。

如果把这些更新放在一起看，

这些东西通常不会出现在“玩具项目”里，而是基础设施级系统才会重点打磨的部分。

也难怪最近围绕OpenClaw的生态越来越热闹。

腾讯上线了SkillHub技能平台

百度搞起了龙虾市集

阿里云推出了JVS Claw

越来越多的大厂和开发者开始围绕这个框架做工具和平台。

如果这个趋势继续发展，它最终可能会变成类似Kubernetes之于云计算那样的角色，即，AI Agent世界的基础平台。

而这两天那一连串密集的commit，很可能只是这个过程的开始。（AI普瑞斯）