OpenClaw大更新！Skills、MCP Apps齐升级，用户却喊累了

在无人在意的角落， 又更新了。

刚刚， 正式发布 v2026.10.1。按照官方公布的数据，这次更新汇集了 402 位贡献者的工作，涉及 2425 个 PR、3055 次提交。

新功能里最值得关注的有两项：Agent能主动查找已经安装的 ，聊天窗口旁边也能直接打开可交互的 MCP Apps。

除此之外， 还带来了异地完整备份、更简单的 Mac 安装流程，已经覆盖自动化、会话管理和模型工具的一系列改进。

截至文章发布， 的这条发补贴浏览量只有约 3.4 万，与年初全民「养虾」的氛围相比，喧闹早已不复存在。

那么，离开公众关注中心之后， 究竟在往什么方向发展？

Agent 现在会自己找 了

作为 Agent 的技能说明书，越来越多地参与到开发者的日常工作。将特定任务需要遵循的流程、工具使用方法和注意事项写进 SKILL.md，Agent 便可以在执行相关工作时读取这些指令。

但当安装的 越来越多，如何找到正确的技能也成了问题。

此前， 会在 中提供可用技能的目录，帮助 Agent 了解自己拥有哪些能力。随着技能数量增加，这份目录需要占用更多上下文空间，并受到 预算限制。

这次更新后，Agent 可以在执行任务时主动搜索技能，再按需读取对应的完整说明。

新增的 支持检索已安装 的名称、描述和指令内容；找到合适的技能之后，再通过 读取完整的 SKILL.md。

例如，当用户交代涉及文件处理或特定工具的任务时，Agent 可以先确认当前环境里有没有相关技能，再决定后续操作。

这套机制适用于支持的嵌入式 Agent、Code Mode 和 Codex 会话。

聊天框旁边，直接打开 App

另一项值得关注的更新来自 MCP Apps。

MCP 让 AI 系统能够连接外部工具和服务，而 MCP Apps 则进一步为这些工具提供可交互的界面。

现在，兼容的 MCP Apps 可以在 的聊天区域旁边打开。用户无需仅靠文字描述所有操作，而是可以直接使用应用提供的表单、选择内容，并将其添加到下一轮对话中。

对于受支持的工作区文件，MCP Apps 还可以提供查看和编辑功能。

交互过程中，应用也可以向其所属 MCP 服务器请求调用工具。涉及授权的操作会显示确认选项，用户可以选择单次允许、在当前应用视图打开期间允许，或者拒绝。

这意味着， 的聊天窗口可以承载更丰富的交互：用户通过自然语言交代任务，再通过旁边的应用界面查看内容、填写参数或者确认操作。

完整备份，现在可以存到云端了

除了 检索和 MCP Apps， 还扩展了完整备份功能。

用户现在可以将备份保存到外接硬盘、已挂载的存储设备或 R2，而不再局限于 所在的设备。

新版还支持定时备份和自动清理旧备份。恢复时，系统会先将数据写入新的暂存目录，而不是直接覆盖现有环境，降低恢复过程中出现问题的风险。

对于需要长期运行的 Agent 来说，配置、数据库和凭据能否妥善保存，并在设备故障后恢复同样重要。

除此之外， 还对桌面端、Code Mode、 和自动化任务进行了改进。

Mac 桌面应用现在内置了运行环境，新用户不必再单独安装 Node.js 或命令行工具；Code Mode 支持保存少量 JSON 数据，供后续执行或重启后继续使用； 则引入了基于规则和任务状态的会话管理方式。

自动化方面，新版改进了任务搜索、运行记录查询和失败处理机制，让用户更容易追踪任务执行情况，并处理反复失败的任务。

此外，模型目录现在可以在不重启 的情况下更新，Web 界面也增加了对话暂时隐藏、离线草稿保存等功能。

修复与优化同样占据了此次更新的不小篇幅，主要涉及安装维护、消息收发、记忆功能、、模型适配、自动化调度，以及安全与隐私等方面。

更新还在继续，用户已经累了

就在这次更新的前几天， 上一篇名为「真的受够了更新 」的帖子，表达了不少用户的疲惫。

发帖者坦言，自己很清楚 的独特之处：能够在本地模型上运行，让用户真正掌握 Agent 的控制权。但频繁更新带来的兼容性问题实在令人厌倦，几乎每次升级都要花时间修复环境。

最终，他决定转向 Grok Bot、Muse 和 Dots。即使每月可能多花 200 美元，比起维护 消耗的时间，这笔钱也花得值得。

而留下的这部分坚持「养虾」的用户，这次也未必能顺利升级。

在新版发布帖下，有网友抱怨自己仍然卡在 9.9 版本，即使让 帮忙也无法完成更新。

另一位用户表示遇到了同样的问题，还有人直言，自己很想重新将 或 作为日常使用的 Agent 框架，但接连不断的更新总是在破坏已有的自定义工作流程。

上也出现了类似的故障报告。一位用户尝试从 v2026.9.5 升级到 v2026.10.1，结果更新失败，Codex 插件仍停留在旧版本。 看似正常运行，Agent 却无法完成任何一轮回复。

这些或许也解释了，为什么曾经热闹非凡的「养虾热」逐渐降温。

最初吸引人们的是让 AI 自主完成工作的想象，而实际使用之后，部署、维护、Token 成本和稳定性一步步打碎美好幻想。

与此同时，越来越多的 AI 产品开始提供类似能力，用户也有了更多选择。

比起不断进化的龙虾，用户更需要一只不用操心的龙虾。