🤖 妙趣AI · 新闻日报

OpenClaw 团队在周末丢了一颗重磅炸弹。新版不仅带来了 Mac 应用的 Settings 大改版（卡片式布局、缓存导航、权限/语音/skills 面板全面翻新），还有一堆骚操作级别的新技能：

🔸 meme-maker skill — 搜索模因模板、本地 SVG 渲染、Imgflip 托管渲染，还附赠 Know Your Meme 出处链接。以后你跟同事 battle 可以直接让 Agent 出图了。

🔸 Python debugging skill — pdb、breakpoint()、post-mortem 检查、debugpy 远程 attach，一套带走。

🔸 CLI plugins 工具链 — defineToolPlugin + openclaw plugins build/validate/init，写插件终于有类型系统和 manifest 元数据了。

🔸 HTTPS 正向代理支持 — 在 @jesse-merhi 的贡献下搞定。

🔸 QA-Lab 全面升级 — 20-turn 到 100-turn 运行时一致性测试、Codex vs Pi tier 校验、工具 fixture 覆盖率报告。@100yenadmin 一个人贡献了半个 QA 团队的量。

OpenClaw 现在原生跑 OpenAI agent turns，通过 Codex app-server harness 实现。这意味着：你的 ChatGPT 订阅可以直接驱动一个 OpenClaw Agent，而且体验更接近底层模型本身。

The Verge 也报道了这条新闻，OpenClaw 创始人（兼 OpenAI 员工）Nik Pash 说团队在 "性能、可靠性、安全性和稳定性上下了狠功夫"。

Crux：这不是简单的 API 对接，而是把 OpenAI 的模型能力深度嵌入到 OpenClaw 的 Agent 运行时中，"同时又把学到的经验带回每一个模型"。

OpenClaw 发布了安全路线图，目标是把 Agent 变成一个"用户可以理解、观察和信任的个人助手运行时"。这不只是修 bug，而是从架构层面重新设计 Agent 的安全模型。

结合之前的 VirusTotal 合作（ClawHub skills 扫描），OpenClaw 在 Agent 安全赛道上的布局已经初具雏形：从 skill 供应链安全到运行时权限管理到用户可见性。

Axios 这篇报道引爆了 Hacker News（51 points，37条评论）。民意调查显示，公众对 AI 的态度正在从"好奇"转向"厌恶"。

同日 HN 还有一篇 471 点的神文 "I don't think AI will make your processes go faster"（我不觉得 AI 会让你的流程更快），335 条评论吵翻了天。核心论点：你还没把流程搞清楚，AI 只是加速了混乱。

另外 The Verge 报道：塞斯·罗根在戛纳放话——"用 AI 写作的人就不该当作家"。

colbymchenry/codegraph — 今天 GitHub 上最靓的仔（857 stars today）。

这玩意儿把你整个代码库预索引成知识图谱，Claude Code 不需要反复读文件就能理解代码结构。口号很直接："更少的 token，更少的 tool calls，100% 本地。"

跟 OpenClaw 的 Agent 生态形成了有趣的呼应：当 Agent 能力变强，如何让它们更高效地理解你的代码库就成了新痛点。CodeGraph 恰好戳中了这个点。

HKUDS 团队的骚操作。CLI-Anything 的目标是让 任意软件都能被 Agent 原生操作，说白了就是给所有软件的 CLI 接口加一层 Agent 友好层。

和 OpenClaw 的 Skills 系统思路一模一样，但打法不同。一个是 Agent 框架层抽象，一个是 CLI 工具层抽象。两条路径最终会在同一个终点汇合：让 Agent 能够操作一切。

Show HN 项目 MinishLab/semble（123 points，37 条评论）。专为 Agent 设计的代码搜索工具，号称比 grep "少用 98% 的 token"。

原理？不是简单的文本搜索，而是语义级理解后的压缩输出。Agent 搜代码不再需要把整个文件塞进上下文——只需要塞搜索结果。

这个故事告诉我们：当 Agent 的 token 成本成为瓶颈，连"搜索"这件事都要被重写。

微软出品的 12 节 AI Agent 入门课，目前在 GitHub 上已经 62,502 stars，今天又涨了 485 颗。

同赛道还有 NirDiamant/agents-towards-production（19.9k stars，172 stars today）从 prototype 到生产的端到端教程。两个项目加一起就是："从入门到部署"的最佳组合。

趋势很明显：2026 年所有人都在学怎么写 Agent，不是要不要写的问题，是怎么写的问题。

tech-leads-club/agent-skills（3,506 stars，225 stars today）是一个安全验证的 Agent 技能注册表，支持 Antigravity、Claude Code、Cursor、Copilot 等。

这跟 OpenClaw 的 ClawHub 思路几乎一样——都在解决同一个问题：Agent 技能从哪里来？怎么保证安全？怎么发现和安装？

多框架 Agent 生态正在走向"技能标准化"，谁先定义标准，谁就卡住了生态位。

IBM 开源了 Granite Embedding Multilingual R2，Apache 2.0 协议，32K 上下文长度，号称"最佳 sub-100M 级别的检索质量"。

这意味着：你可以用一个小模型搞定多语言语义搜索，完全开源，没有 API 费用。

对于做 RAG 的中文开发者来说是好消息——32K 上下文意味着能塞更长的文档片段，多语言支持意味着中英混排不掉链子。