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

Python调用Sambert API:语音合成函数封装最佳实践

Python调用Sambert API:语音合成函数封装最佳实践 📌 引言:为什么需要标准化的语音合成接口封装? 在智能客服、有声阅读、虚拟主播等场景中,高质量中文多情感语音合成已成为AI应用的关键能力之一。ModelScope推出的 Sambert-Hifigan 模型凭借其端到端架构和丰富的情感表达能力,在中文TTS领域表现突出。然而,尽管官方提供了模型服务镜像并集成了Flask WebUI,但在实际工程落地时,开发者仍面临诸多挑战: * 如何通过Python代码稳定调用本地部署的Sambert API? * 如何处理长文本分段合成与音频拼接? * 如何统一管理请求参数(如语速、音调、情感类型)? * 如何设计可复用、易维护的函数接口? 本文将围绕这些问题,结合已修复依赖冲突、集成Flask接口的稳定版Sambert-Hifigan服务镜像,系统性地介绍 Python调用Sambert API的最佳实践方案,重点聚焦于函数封装设计、异常处理机制与性能优化策略,帮助开发者快速构建高可用的语音合成模块。 🧩 核心技术背景:Sambert-Hifigan 模型与

By Ne0inhk
python106-大学生校园线上招聘系统vue3

python106-大学生校园线上招聘系统vue3

目录 * 技术栈与框架选择 * 核心功能模块 * 关键实现细节 * 扩展性与优化 * 开发技术路线 * 相关技术介绍 * 核心代码参考示例 * 结论 * 源码lw获取/同行可拿货,招校园代理 :文章底部获取博主联系方式! 技术栈与框架选择 Python 后端采用 Flask/Django 框架,提供 RESTful API 接口;前端使用 Vue 3 组合式 API 开发,搭配 TypeScript 增强类型安全。数据库选用 MySQL 或 PostgreSQL,通过 ORM(如 SQLAlchemy)管理数据交互。 核心功能模块 企业端:职位发布与管理、简历筛选、在线面试预约。支持企业认证与权限分级,确保招聘信息真实性。 学生端:简历在线编辑与投递、

By Ne0inhk

Python智能工具:TradingView-Screener的3大颠覆式功能与实战案例

Python智能工具:TradingView-Screener的3大颠覆式功能与实战案例 【免费下载链接】TradingView-ScreenerA package that lets you create TradingView screeners in Python 项目地址: https://gitcode.com/gh_mirrors/tr/TradingView-Screener 【核心价值解析】 在量化投资领域,如何快速从海量市场数据中筛选出符合策略的标的?Python选股工具TradingView-Screener通过程序化方式连接TradingView强大的筛选引擎,提供了毫秒级数据响应与灵活的条件组合能力。该工具支持50+技术指标、250+数据列和67个全球市场的筛选,可帮助投资者构建从简单到复杂的多维度选股策略。无论是量化策略开发还是实时市场监控,都能通过直观的API接口实现高效数据获取与分析。 【场景化案例实战】 场景一:早盘机会捕捉系统 如何在开盘前快速识别市场热点?传统手动筛选需要逐一检查多个数据源,而使用TradingView-Screener可

By Ne0inhk
详解如何复现DeepSeek R1:从零开始利用Python构建

详解如何复现DeepSeek R1:从零开始利用Python构建

DeepSeek R1 的整个训练过程,说白了就是在其基础模型(也就是 deepseek V3)之上,用各种不同的强化学习方法来“雕琢”它。 咱们从一个小小的本地运行的基础模型开始,一边跟着 DeepSeek R1 技术报告 的步骤,一边把理论知识也讲清楚,从零开始构建一切。 不管你是对 DeepSeek R1 一窍不通,还是想自己动手训练模型,这篇文章都能帮到你!🚀 更多LLM图解内容可以查看https://blog.ZEEKLOG.net/qq_36603091/category_12933029.html 🧠 向所有学习者致敬! “学习不是装满一桶水,而是点燃一把火。” —— 叶芝 我的博客主页:https://lizheng.blog.ZEEKLOG.net 🌐 欢迎点击加入AI人工智能社区! 🚀 让我们一起努力,共创AI未来! 🚀 搭建舞台 完整代码 pip

By Ne0inhk