OpenClaw v2026.9.4 带来了插件发现和技能学习功能，您可以指导他人。
新功能：
找到你的下一个插件或技能
将旧聊天转化为技能。你来掌控。
GPT Image 2.5 加入画布
☁️ 更多云端控制
直接在终端中回答
OpenClaw v2026.9.4发布了一千五百多个代码合并请求，核心更新包括插件与技能统一搜索、用可引导聊天从历史对话中学习、GPT Image 2.5图像生成、云会话就绪工作器管理，以及终端内交互式问答。本文拆解这些功能背后的权力转移逻辑。
插件和技能统一搜索，菜市场还是图书馆
你有没有过这种体验：手机上装了七八个外卖软件，点餐前先挨个打开看一眼哪家有优惠券，折腾十分钟最后还是吃了楼下那家。
OpenClaw这次更新之前的插件和技能管理，本质上就是这个状态。已安装的东西在一个地方，可以安装的东西在另一个地方，你要想找到某个功能，得像逛菜市场一样挨个摊位问价。
v2026.9.4版本把这两个列表合并了，技能页面（Skills page）现在同时搜索你机器上已经装好的技能和ClawHub仓库里所有可获取的技能。卡片上会标注哪些技能已经就绪、哪些还需要额外配置才能用。
但这里有个问题：统一搜索真的等于效率提升吗？
不一定。当你只有一个工具箱的时候，所有工具一目了然；当你有三百个工具箱并且它们还能互相推荐工具的时候，找到正确的那个反而可能更慢。OpenClaw的解决方案是让AI在聊天中主动推荐插件或技能——你说“我需要处理PDF”，它直接给你推三个最相关的，附带安装前审查卡片。
这就从“你去图书馆找书”变成了“图书管理员把书递到你手上”。哪个更好？取决于你到底想不想自己逛。
说人话才能办事，AI学习的新姿势
“Learn from past conversations”这个功能，直译过来就是“从过去对话中学习”。
听起来很美好，但真正的关键问题在于：谁来决定学什么？
传统的AI学习模式是：工程师收集数据，标注数据，训练模型，你拿到的是一个已经学完的成品。你没法告诉它“别学那个，学这个”，就像你没法告诉一个毕业多年的学生“把你小学三年级学的错误乘法口诀改过来”。
OpenClaw的技能工坊Skill Workshop走的是另一条路。你打开一个可见的聊天窗口，看着AI分析你过去的对话记录，你觉得哪个方向对就打字告诉它继续，你觉得跑偏了就按停止。Auto模式让它自动应用改进，Propose模式只给你建议等你审批。
这里面的权力关系很有意思。通常情况下，你使用AI，AI也在收集你的数据来改进自己——但这个过程是黑箱的，你既看不到也管不着。OpenClaw把这个黑箱变成了透明玻璃房，你可以站在外面看着里面发生什么，随时喊停。
但别高兴太早。启动学习聊天并不会自动开启自我学习功能，正常模型调用费用照收不误。而且旧版本中未完成的历史扫描任务无法在新流程中恢复，得重新开始。你手里握着方向盘，但油箱得自己掏钱加。
技能工坊的提案机制才是学习开关
v2026.9.4把技能工坊（Skill Workshop）做成治理技能生成和更新的路径，通过提案（pending draft）机制管理技能创建。
提案包含内容；目标绑定；扫描器状态；哈希；回滚元数据，只有在你点应用的那一刻，它才变成活技能。
但是，自动后台学习和每周收集审查用普通Agent文件工具维护工坊目录，这些直接编辑不创建提案，也不产生自动回滚快照。
与Cursor对比，Cursor围绕代码编辑器补全和扩展建议，OpenClaw把技能学习做成可审查的提案流程，开关就在这个你从没点开的窗口里。
同一套创作工具也支持个人库技能，前提是网关提供授权的库目标，那些操作发布的是托管修订版，不是技能工坊提案。
你亲手养的AI助手正在把每一次聊天记录变成它自己的永久技能，但技能工坊的提案机制告诉你：你不点应用，它就一直躺在那里。但是，自动后台学习不创建提案，你甚至不知道它改了什么。你选择Propose模式时，每个新技能变更都需要审查后才能发布，Auto模式则直接应用。你亲手养的AI助手把聊天记录变成永久技能，开关就藏在这个你从没点开的技能工坊窗口里。
提案不点应用就不生效！
图片生成的尺寸自由，谁说了算
GPT Image 2.5这次支持自定义尺寸、更高画质设置、透明输出，以及用参考图片进行编辑。
听起来像是功能清单的例行更新，但把这句话拆开看：“自定义尺寸”意味着你不再被锁在正方形或16:9的预设里。你想生成一张刚好能塞进PPT某个位置的图片，直接输尺寸就行。
“参考图片编辑”意味着什么？你可以拿一张现有的图，让AI在此基础上修改——改颜色、改风格、改细节，但保持整体构图。这比从零生成一张新图要可控得多。
但这里有个坑：通过OpenAI直接访问需要API密钥，即使你已经用ChatGPT账号登录了也一样。fal通道则需要另外一套独立的凭证。你选了新变体之后，默认图像模型不会自动切换。
这个设计逻辑是：不替你做决定。你觉得GPT Image 2.5好，自己选；觉得默认的够用，别动。选择权在你手里，但代价是每次想用新东西都得手动配置一遍。
云端打工人的考勤制度，就绪工作器
云会话（Cloud Sessions）这块更新，核心概念叫“就绪工作器”（Ready Workers）。
翻译成人话就是：你公司有个远程办公的同事，但他不是随叫随到的——每次你找他干活，他得先开机、装软件、下载项目文件，折腾半小时才能开始。就绪工作器就是让这个同事提前把机器开着、环境配好，你一说“开始”他就能直接干。
管理员可以在设置里保存已经准备好的项目环境，然后新建会话时直接复用。符合条件的Linux项目默认每个项目每个配置文件保留一个备用工作器，全局限额是四个。
但是，这些机器只要存在就在烧钱，直到你确认删除为止。把某个配置文件的就绪工作器数量设为零可以禁用备用，共享池数量设为零可以清掉没在用的备用但不停掉活跃会话。
选择操作系统这块，原生Windows、WSL2、macOS都支持了，但可复用的工作器镜像和桌面访问仍然只限于Linux。AWS上的Mac工作器需要专用主机和按需容量。
你获得了更多选择，但你得为每个选择付账。
终端里的选择题，Esc键的妙用
你的AI现在可以在终端里直接问你问题了。
它给你选项让你选，或者给你一个输入框让你打字回答。Esc键可以把问题搁一边，斜杠命令/question可以把它召唤回来。
更实用的是“秘密请求”（Secret Requests）。当AI需要你输入密码、API密钥这类敏感信息时，它会弹出一个遮挡的输入框，你打进去的内容不会出现在对话历史和输入记录里。
但保存秘密需要Gateway连接，而且终端一次只能输入一行。想改哪些网站能用这个秘密，还得打开网页版操作。
这个功能的设计哲学是：把需要人类决策的节点显性化。AI不替你做选择，但把选择题摆到你面前，让你在当下这个时刻回答。你可以推迟，但不能假装没看见。
从工具到同事，AI助手正在改变工作方式
把以上所有功能串起来看，一个模式浮出水面：OpenClaw正在把AI助手从“你问它答”的工具，变成“它能主动做事”的协作伙伴。
插件推荐是它主动给你建议，技能学习是它主动从历史中提炼经验，就绪工作器是它提前准备好工作环境，终端问答是它主动向你提问。
但每往前走一步，控制权的问题就更复杂一层。主动推荐可能变成过度推销，主动学习可能学歪方向，提前准备环境可能浪费资源，主动提问可能变成打扰。
OpenClaw的解法是把所有主动权都留在你手里：学不学你决定，用不用你选择，花不花钱你控制。但这意味着你得花时间理解每一个开关在哪里、怎么用。
你省下了重复劳动的时间，但增加了学习成本。你获得了更多控制权，但需要承担更多决策负担。
这笔账划不划算，取决于你多需要那个“越用越聪明”的助手，以及你多愿意亲手教它变聪明。
v2026.9.4包含1558个合并请求、20个直接提交、293位贡献者。更新前记得先备份——恢复旧版本应用不会恢复你的数据，数据格式已经变了，旧版本读不了新格式。
有一个细节值得盯着：当AI可以“从历史对话中学习”之后，你和它聊过的每一句话，都可能成为它未来行为的依据。你说过的废话、开过的玩笑、随口一提的偏好，它会不会当真？边界在哪里？现在没人知道。