OpenClaw最大更新，新用户说真香、老用户却翻车：还得养个AI照顾它

出品 | 网易智能

作者 | 辰辰

编辑 | 王凤枝

憋了近七周，OpenClaw几乎重做了一遍。

933名贡献者，569人第一次参与；超过1.6万个合并请求，约占这个项目历史全部PR的一半。安装流程、浏览器、多人协作和安全机制都被重新调整，官方称这次更新"触及了OpenClaw的每一个部分"。

官方解释，之所以迟迟没有发布，是为了同时照顾从零安装的新用户和升级现有Claw的老用户，不想让一次大更新破坏大家已经搭好的环境。

对第一次安装的新用户来说，2.0的反馈确实不错。有Windows用户评价整个安装过程流畅、响应很快，新的Web界面也更接近一款成熟产品。OpenClaw过去最劝退普通用户的上手门槛确实降下来了。

老用户的经历却是另一回事。部分从2026.7.x升级的用户遇到了Gateway崩溃、权限异常、插件失效和订阅认证中断等问题。最扎眼的一条吐槽是："OpenClaw 2.0弄坏了我的安装。我用Hermes把它修好了。"

两边说的根本不是一件事。新用户测的是能不能快速装好、开始干活；老用户面对的是一套已经带着数据库、插件、权限和自动化任务的复杂环境，能不能完整迁移。

先让人聊上

再慢慢设置

OpenClaw是今年初最早引爆个人智能体热潮的项目之一。它开源、可以自托管，能够接入WhatsApp、Telegram、Slack等通信工具，替用户盯邮件、跑任务、调用工具，在不同应用之间持续工作。

它去年11月发布，今年年初迅速走红。创始人彼得·斯坦伯格（Peter Steinberger）随后在2月加入OpenAI，项目目前由OpenAI支持的非营利基金会管理。

OpenClaw的能力很强，上手过程却一直不算轻松。用户需要自己配置模型、API、工具和权限，一个环节没有接好，后面就可能跑不起来。对不少非技术用户而言，真正见到智能体开始工作之前，已经先经过了一轮系统配置。

2.0首先改的就是这里：上来不谈完所有配置，先让人聊上。

第一次安装时，它会寻找电脑里已有的ChatGPT或Claude订阅、API Key，以及Ollama、LM Studio里的本地模型。能够使用的资源先接进来，其他设置则放到后续对话中完成。

官方博客对这套思路的概括是："让你更快地开始第一次对话，然后通过和它聊天，把设置补完。"安装流程还会调用一次选定的模型，确认它确实能够返回结果，避免用户走完所有步骤，最后才发现模型、接口或凭证没有接通。

浏览器应用也被重新搭了一遍。过去打开后先进入独立的Overview页面，现在会直接进入对话：左边是历史会话，中间是当前任务，正在运行的工作则可以通过状态卡继续跟踪。用过ChatGPT、Claude或Gemini的人，不需要重新理解一套陌生界面。

Shared Cloud Sessions把OpenClaw从个人工具向协作工具又推了一步。一个人可以把同事拉进正在进行的任务，或者把任务连同已有上下文一起交出去，不必让后来者从头了解发生了什么。OpenClaw团队称，他们已经用这套共享智能体协作开发OpenClaw本身。

搜索历史对话、交互式面板、云端执行、后台记忆整理和实验性的并行子智能体，也被装进了同一个版本。单看功能清单，2.0已经不再只是一次界面更新，而是在尝试把"自己运行一个AI助手"，扩展成"运行一套自己的智能体工作环境"。

新用户更顺

老用户先过迁移关

2.0上线后的反馈，很快出现了分化。

这一版也确实收到不少正面的上手反馈。有用户在Windows机器上装完，说安装很顺利、"响应快、打磨好"；另一位用户的评价更直接——Web界面很快、移动端能用了、Codex的集成也明显更好。

更具体的是一位做小生意的用户。他每年要给零售商结算销售佣金，过去最头疼的，是把亚马逊12个月的数据按月拉出来，再按邮编一条条复制进表格。现在，他把数据表指给智能体，告诉它要填什么，然后就去忙别的了。

顺利装好、把活儿交出去的人，体验确实顺。

问题主要集中在另一群人身上：从2026.7.x带着旧环境升级的用户。

我自己的升级，就属于后一种。在Codex辅助下，从备份到完成验收，整个过程仍然花了近一个小时。最终，升级后的核心功能全部通过验收，这次升级本身是成功的。

真正费时间的，不是把版本号从beta换成stable，而是把旧环境完整迁过去。原系统还停留在beta通道，直接更新会被带到更新的测试版；同一台机器又有四个OpenClaw命令入口，只升级其中一个，就可能出现"终端已经是新版，后台仍在运行旧版"的情况。除此之外，六个官方插件需要同步迁移，外部插件的权限范围也要重新确认。

换句话说，这次升级要迁移的不只是版本号，还有运行入口、插件和权限。

一位用户JUMPERZ的经历很有代表性："新UI和onboarding确实好多了，整体更干净、更容易理解。但我的Gateway还是挂了，需要靠Codex来修。修好之后确实能用，尤其是跟我当初离开的时候比。"

类似的事还发生在用户Andrew F身上。他升级后，转头用Hermes修好了OpenClaw。他写道：“OpenClaw 2.0更新弄坏了我的安装。我用Hermes把它修好了。没有比这更奇葩的了。”

这条帖子当然不能说明OpenClaw输给了Hermes，但它把大版本迁移最尴尬的地方说透了：一个替用户干活的智能体，升级完先要用户来修它。

此外，还有一类反馈指向长期运行中的可靠性。用户Da7em说，从Clawdbot时代延续下来的循环、重复和跑题问题，在2.0里仍然会出现，他依旧需要频繁介入，最后选择继续使用Hermes。

升级兼容性和智能体运行中的稳定性不是同一件事。前者可能随着迁移工具和首轮修复迅速改善；后者则涉及模型、任务循环和工具调用，需要更长时间观察。现在还不能因为几条升级故障，就断言2.0的日常体验没有进步。

这些经历说明，2.0的迁移问题不只是"能不能升级"，还包括用户为升级要投入多少排错和恢复工作。老用户面对的成本，就在这里。

当大家都会做智能体

OpenClaw适合谁

迁移问题之外，2.0还面对另一个更长期的问题：当个人智能体越来越多，用户为什么还要选择OpenClaw？

开源软件工程师马克·克莱舒曼（Mark Kretschmann）在2.0发布后问："你会使用它，还是它已经被Hermes Agent或Grok Bot取代了？"

有人在下面回答，按照以往经验，OpenClaw需要投入不少时间修改和维护才能稳定运行，因此更愿意等这一版经过修复后再尝试。

这些帖子说明，OpenClaw不再是市场上少有的选择。Hermes同样强调开源、可修改和本地控制；Grok Bot等产品试图降低使用门槛；ChatGPT Work、Claude Cowork则把智能体能力放进现成的商业产品，由平台负责运行和维护。

这是OpenClaw成功之后要面对的压力。它让更多人第一次看到，一个个人智能体可以接入通信工具、记住长期信息、主动执行任务。随后，越来越多公司把相似能力吸收进自己的产品，再利用托管服务、成熟界面和账号体系降低维护成本。

PCWorld把这种处境概括为：OpenClaw的热度下降，不只是因为它复杂或存在风险，也因为它太成功，成功到竞争者迅速吸收了它最有吸引力的能力。

但商业托管产品也无法完整替代OpenClaw。模型怎么选、数据放在哪里、工具如何接入、记忆如何保存，OpenClaw仍然把更多决定权交给用户。它真正需要证明的，不是自己能否变得和ChatGPT一样，而是这种控制权和可定制性，是否值得用户承担额外的部署与维护成本。

OpenClaw 2.0重做安装和浏览器，是在向容易使用的一端靠近；共享会话、云端工作节点和多人协作，则在尝试把它从个人玩家的工具推向团队工作环境。最终谁会留下，不能由几条社交媒体帖子决定，还要看2.0经过首轮修复后，复杂环境的迁移和长期运行能不能稳定下来。

更安全了

但不是装好就安全

安全是2.0改动较多、也最容易被简单概括的一部分。

新的私密凭证请求允许智能体向用户索要密钥，用户在遮蔽输入框中填写，凭证不会进入聊天记录和模型上下文。外部插件在安装和更新前，也需要展示来源、版本和所需能力。会话权限模式则可以限制文件访问和操作范围。

这些都是实质性改进，但OpenClaw依然没有把安全责任完全从用户手中拿走。

例如，Shared Secret Store保存的值不会在界面和命令行中直接显示，但官方文档明确写明，它们在本地数据库中没有静态加密，而是依靠状态目录的文件系统权限保护。需要更强存储隔离的用户，仍要接入1Password或Vault等外部工具。

共享会话采用的也不是面向陌生用户的多租户隔离。OpenClaw的默认信任模型，是一个Gateway对应一组彼此信任的操作者；如果参与者之间不共享信任边界，就需要运行彼此隔离的完整实例。工具沙箱同样要根据使用场景配置，不能把普通工作区本身当成安全边界。

2.0确实更安全了，但作为一套开源、自托管、能调用本机工具的智能体系统，用户仍然要自己决定哪些权限可以开放、哪些会话必须隔离、哪些凭证能交给它。

安装过程中的警告也仍然适用："只有在你理解风险，并且信任所使用的提示词和集成时，才启用OpenClaw。"

会做多少

要减去照顾它的成本

OpenClaw 2.0当然不只有迁移问题。

安装时检测现有AI资源、实测模型能不能返回结果、重新设计浏览器、增加多人共享会话，这些都解决了真实问题。团队把自己的开发工作迁到共享智能体上，"用OpenClaw构建OpenClaw"，这比任何跑分都更能说明问题。

但开发OpenClaw的人最熟悉它的配置、日志和恢复方式。团队能够长期使用，不等于普通用户遇到故障时也能轻松处理。

用户Nash在评价2.0时列出了一笔更接近实际使用的账：新增能力，要减去故障、恢复负担和人工介入，剩下的才是可以使用的运营收益。

按这笔账算，功能清单越长，未必意味着用户得到的越多。如果每增加一种能力，都伴随着更多排错、恢复和人工接管，账面上的新功能会被维护成本一点点抵消掉。

OpenClaw 1.0让很多人第一次看到，AI可以记住任务、调用工具、把活儿接着干下去。到了2.0，市场上做类似事情的产品已经不止一家，ChatGPT、Claude、Hermes、Grok Bot都在干活。用户最后留下来的理由，会落到谁能把任务稳定做完，谁更少崩溃、更少需要接管。

一个号称替你工作的智能体，不能最后把维护它本身也变成你的工作。