龙虾养殖痛点彻底破解？官方插件升级永久解决对话难题

henry 发自 凹非寺
量子位 | 公众号 QbitAI

报！龙虾更新了！

刚刚，新的OpenClaw测试版（2026.3.7）已经推出，并光速上线OA两家最新模型GPT-5.4Gemini Flash 3.1

与此同时，一并更新的还有：

ACP绑定在重启后依然可保留精简版Docker多阶段构建用于网关认证的SecretRef可插拔的上下文引擎支持HEIF图像格式修复Zalo渠道问题

其中，可插拔的上下文引擎（pluggable context engine）可谓是这次更新的重点，不少网友纷纷表示：

相比于跑那个模型，上下文才是关键。

细心的你甚至还发现了，在最新的changelog上直接点名了一个插件例子lossless-claw

那么，这个上下文插件是怎么一回事？有啥用？

上下文管理插件化

总体来看，这次OpenClaw更新可以归纳为三个方面：上下文管理插件化Agent路由能力升级（频道、topic、独立 session）以及部署与插件工程化（Docker multi-stage、SecretRef、安全策略）。

其中，最值得关注的，就是上下文管理插件化

根据最新的changelog，这次更新新增了ContextEngine插件插槽。

该接口提供了完整的生命周期钩子，包括：bootstrap、ingest、assemble、compact、afterTurn、prepareSubagentSpawn、onSubagentEnded。

这意味着插件可以在上下文生成、压缩、拼接以及子Agent生命周期管理的各个阶段介入，从而实现完全不同的上下文策略

用PR作者Josh Lehman的一句话总结：

你其实不需要一个Agent记忆系统，你需要的是不会被重置的上下文。

过去在OpenClaw中，上下文管理逻辑是写死的

例如对话过长时如何压缩历史、如何拼接上下文、何时丢弃旧信息，这些都由系统内部固定实现，插件几乎无法介入。

而这次更新之后，情况发生了改变。

简单来说，上下文插件化意味着：

不同插件可以实现不同的上下文管理策略系统核心不再写死上下文压缩逻辑插件可以控制上下文压缩、上下文组装，以及子Agent的生命周期

翻译成最直观的体验就是：当你和“龙虾”进行长时间、多轮对话时，它的“记性”会明显变好。

以往龙虾对话常见的情况是：

对话变长后，系统开始压缩上下文，比如不按要求写，只列bullet pointAgent逐渐忘记之前的计划甚至忘记自己修改过哪些文件任务运行到后期，模型突然变得“变笨”

而新的上下文插件机制，正是为了解决这些问题。

随着定制化上下文策略的开放，未来针对不同场景的记忆方案也将不断出现，让“龙虾”在执行不同任务时变得更加高效，也更加经济。

lossless-claw：一种“不会丢失上下文”的方案

举例来说，最新重点推荐的插件lossless-claw，就展示了一种新的上下文管理思路。

在传统Agent系统中，一旦对话过长，系统通常会：直接丢弃旧内容。

而在lossless-claw中，旧对话不会被删除，而是：

持久化到SQLite数据库，按对话组织对旧消息块生成摘要，使用配置的LLM将摘要压缩为更高层级节点，形成DAG（有向无环图）每轮对话时，将摘要 + 最近原始消息组合成上下文提供工具（lcm_grep、lcm_describe、lcm_expand）让Agent可搜索、回溯历史

也就是说，在多轮对话中，原始消息会被完整保留，系统根据摘要与原始消息保持关联，而Agent随时可以展开摘要查看原文。

理论上，上下文“永远不会丢失”

（By the way，据作者透露，这一思路来自《LCM: Lossless Context Management》，感兴趣的同学可以进一步阅读。）

OOLONG benchmark的测试中，使用同一模型时，lossless-claw得分74.8，打败Claude Code70.3

更关键的是，上下文越长，差距越大。在测试的所有上下文长度下，lossless-claw的得分都高于Claude Code。

PR作者Josh Lehman表示，他已经在OpenClaw上实际运行了一周：

说它表现很好，都算是低估了。

其他更新

除上下文插件以外，这次龙虾的更新还有两大重点：

首先是强化了Agent的路由系统

针对Discord、Telegram、Slack、Mattermost等平台，OpenClaw引入了持久化线程绑定机制，即使系统重启，Agent与频道或话题的绑定关系依然能够保持。

同时还支持按主题路由 Agent：例如在Telegram中，每个topic都可以运行一个独立的Agent，因此在同一个论坛群里，也可以同时存在多个各自执行不同任务的Agent。

其次是在部署与工程化层面的优化

例如最新已经开始为iOS App Store发布做准备，移动端版本也正在筹备中。

与此同时，Docker构建也进行了精简，新增bookworm-slim版本，通过Slim镜像减少不必要的依赖，使容器体积更小、启动速度更快，也更适合在服务器环境中大规模部署。

[1]https://github.com/openclaw/openclaw/releases/tag/v2026.3.7

[2]https://x.com/steipete/status/2030508141419372667

[3]https://x.com/jlehman_

[4]https://github.com/Martian-Engineering/lossless-claw

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：龙虾养殖痛点彻底破解？官方插件升级永久解决对话难题要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题