MD файл в комментариях

Чат | Канал | Habr

Свежее обновление OpenClaw v2026.2.21 — большой security & multi-channel релиз 🦞

549 коммитов — это уже не апдейт, а эволюция: новые провайдеры, realtime-каналы, серьёзный security-hardening и зрелая память.

🧠 Модели и провайдеры

•Поддержка Gemini 3.1 Pro Preview.
•Онбординг Volcano Engine (Doubao) и BytePlus (включая coding-модели).
•Исправлен OAuth refresh (Qwen / Chutes).
•HTTP 503 теперь участвует в failover.

Multi-provider стал production-ready.


🤖 Субагенты и оркестрация

•Depth-1 spawn включён по умолчанию.
•Починен announce-chain в глубоких цепочках.
•Корректный fallback к primary.
•Глобальный retry-budget для compaction.

Иерархия агентов стала предсказуемой и безопасной.


💬 Discord / Telegram — ближе к realtime

Discord

•Live stream preview.
•Голосовые каналы (/vc, auto-join).
•Thread-bound subagents.
•Lifecycle-реакции и эфемерные ответы.

Telegram

•Упрощён streaming.
•Разделены reasoning / answer preview.
•Защита от orphan preview и duplicate token.

Теперь это полноценный realtime-опыт.


🧠 Память (QMD)

•Исправлен multi-collection поиск.
•Улучшен ranking (сессии не «забивают» durable memory).
•Глобальная сериализация embed-run.
•Предупреждения при embedding-ошибках.
•Fix race-condition SQLite.

Memory стала инженерной подсистемой.


🛡 Security Hardening (главный блок)

•Exec: защита от heredoc bypass и env-инъекций.
•Browser: блок file:/data:/javascript:, защита upload и sandbox.
•Gateway: строгий X-Forwarded-For, токены для canvas, без shared-IP fallback.
•UI: очистка metadata + защита от prompt injection.

Релиз явно прошёл серьёзный аудит.


🐳 Инфраструктура и платформы

•Docker-образы pinned по SHA256.
•Сборка под node user.
•Cron с maxConcurrentRuns.
•iOS/macOS: approve/reject на Watch, https-only onboarding, фикс автоапдейта.


💬 Итог

v2026.2.21 — релиз зрелости:
безопасность, стабильная память, настоящая многоканальность, контролируемая оркестрация.

OpenClaw всё больше похож на инфраструктурный агентный фреймворк, а не просто чат-бот.

Чат | Канал | Habr

🅰️ Anthropic запретила OAuth в OpenClaw?

Разбираемся без паники

Последние недели интернет гудит: «Anthropic забанила OpenClaw!», «OAuth больше не работает!», «Все бегут на OpenAI!» 😱

Спойлер: всё не так страшно.

Давайте по порядку.

📜 Что произошло

Anthropic обновила документацию Claude Code, добавив пункт: OAuth-токены подписок (Free/Pro/Max) предназначены только для Claude Code и Claude.ai. Звучит как бан. Комьюнити взорвалось.

🤔 А что на самом деле

Thariq Shihipar из команды Claude Code тут же написал в X:

Приносим извинения, это была уборка в документации, которая вызвала путаницу. Ничего не меняется в том, как вы используете Agent SDK и MAX-подписки!

Далее он уточнил: Anthropic хочет поощрять эксперименты, но _«если вы строите бизнес поверх Agent SDK — используйте API-ключ»_.

На прямой вопрос The New Stack — «стоит ли пользователям OpenClaw переживать за свои аккаунты?» — Anthropic ответила официально:

«Ничего не меняется в том, как клиенты используют свои аккаунты, и Anthropic не будет отменять аккаунты. Обновление — приведение существующих формулировок в документации к единому виду.

🔧 Кого реально коснулось

Январские блокировки затронули в первую очередь инструменты вроде OpenCode, которые подделывали идентификацию клиента Claude Code через HTTP-заголовки (спуфинг). Плюс точечные автобаны за срабатывание фильтров злоупотреблений — Shihipar признал это ошибкой, аккаунты восстановили.

Кто НЕ пострадал: обычные пользователи OpenClaw с setup-token, юзеры на API-ключах, пользователи OpenRouter.

✅ Итого

🟢 OAuth через setup-token в OpenClaw — работает
🟢 Аккаунты за это не банят — Anthropic подтвердила
🟡 В документации формально написано строго — но сами же говорят «ничего не меняется»
🔴 Если строите бизнес или гоняете агентов 24/7 на тысячи долларов токенов — переходите на API-ключи

По сути, Anthropic подстраховалась юридически. Для обычного личного использования — выдыхайте 😌

Результат парсинга гитхаба 1200 скилов которые можно использовать в OpenClaw.

Разбито по кейсам применения: программирование, финансы, данные и аналитика, умный дом и даже игры. Всего 32 категории.

Помним часто разумней сделать кейс самому, а таким списком и чужими подходами лишь вдохновться, и не забываем проверять что ставим. Это просто все скилы, а не какие-то проверенные.


Источник

#skills #cases

Мини-гайд

Как дать доступ OpenClaw к сообщениям на своем основном аккаунте?

Самый базовый юзкейс — получение вечернего саммари по всем личным чатам, с которыми ты общался за день.

1. Создаем бота через @BotFather, получаем токен.
2. В Bot Settings включаем Business Mode.
3. Далее идем в обычные настройки, ищем Telegram Business → ChatBots.
Добавляем нашего бота, настраиваем права.

Необходим Telegram Premium.

Готово!

Теперь присылай API-ключ бизнес-бота своему OpenClaw и скажи:
«Я хочу получать саммари по всем своим диалогам вечером».

Важный нюанс: бот будет видеть только новые сообщения.

Продолжение. Как настроить векторную базу данных и сделать, по настоящему серьезную систему

Чат | Канал

🦞 5 фактов про фреймворки из “Claw family”, которые реально цепляют

1) TinyClaw — агентные “команды” без центрального оркестратора

Сообщения гоняются через файловую очередь (incoming → processing → outgoing).
То есть отладка уровня: ls и сразу видно, где застряло.

2) ZeroClaw — один из самых security-first подходов

В обзоре отмечены 1017 тестов, sandbox, шифрование секретов и жёсткие режимы автономности.
Но нюанс: это пока больше “очень защищённый чатбот”, чем полноценный tool-agent.

3) PicoClaw — редкая UX-идея в tool-системе

У результата инструмента два канала: ForLLM и ForUser.
Модель получает техническую часть, человек — нормальный читабельный ответ. Очень практично.

4) Nanobot — лёгкий Python, но со спорной привычкой

После каждого цикла инструментов добавляет “рефлексивный” шаг (“подумай, что дальше”).
Работает, но раздувает контекст и иногда добавляет лишнюю болтовню.

5) BearClaw — единственный в обзоре с параллельным tool execution

Если модель попросила прочитать 5 файлов, они читаются одновременно (Promise.all), а не по одному.
В реальных задачах это даёт заметный прирост по времени ответа.


Вывод:
Сейчас решает, не какая LLM лучше, а архитектура исполнения:
как вызываются tools, как контролируется безопасность, как устроена многозадачность и что видит пользователь во время работы.

Чат | Канал

OpenClaw: Вирусный ИИ-агент, взорвавший интернет — Питер Штайнбергер | Подкаст Лекса Фридмана #491

Для всех, кому сложно смотреть на английском, мы сделали ИИ-дубляж самого важного интервью этого года.

Это интервью было записано прямо перед тем, как создатель OpenClaw начал работать в OpenAI. В нём много полезной информации о том, как Питер лично использует OpenClaw и как выстраивает разработку своих проектов с помощью ИИ-агентов.

И, конечно, просто интересно услышать историю о том, как один из его многочисленных «случайных» проектов всего за несколько месяцев прогремел на весь мир.

Сегодня обсудим тему, которая всех очень интересует: дашборды для OpenClaw.

Если изучить репозитории на GitHub по запросу OpenClaw, видно, что у большинства решений небольшая популярность.

Я начал тестировать, как и что работает. Попробовал несколько вариантов, где было около 100 звезд. И лучше бы этого не делал)
Все баганое. Конечно, Codex поможет вам исправить какие-то ошибки, но тогда можно и с нуля сделать, как я описывал в предыдущем посте.

Важно понимать, что есть просто дашборды с агентами, где они почти не взаимодействуют друг с другом (как по мне, вещь не особо нужная), а есть дашборды, где вы собираете команду агентов, есть Team Lead, есть планирование, распределение ролей и нормальная мульти-агентная работа.

Я нашел два рабочих, готовых варианта и протестировал их. Сегодня расскажу о первом — Mission Control, он попроще.

По установке: лучше не делать это через сам OpenClaw. Проще запустить Codex/Claude CLI, дать ссылку на репу и пусть он сам все поставит.
Но не думайте, что поставили и сразу все идеально работает. Скорее всего, что-то придется чинить. В моем случае были баги, но Codex исправил их буквально за один промт.


Теперь о функционале MC.
У вас есть kanban, на котором вы создаете задания.
Есть список агентов, одного из них можно сделать тимлидом (Master Orchestrator — планирует, создает агентов и запускает выполнение).

- Вы создаете задачу и включаете planning (часто можно без назначения агента на старте).
- Нажимаете кнопку — и Master Orchestrator задает уточняющие вопросы, на основе ответов формирует план и может создать нужных агентов.
- Когда видите, что задача сформирована нормально, переносите task в assigned и начинается работа.
- После завершения задача уходит в Review.
- Внутри задачи появляется Deliverables — там лежит результат.

Важный момент: Mission Control — это не магия на полном автопилоте.
Он хорошо структурирует процесс, помогает с планирование и созданием агентов, но если у исполнителя блокер (нет API-ключа, недоступен инструмент и т.д.), это обычно нужно разруливать вручную.

Итог: Mission Control не дает сверхавтоматизацию, но сильно упрощает структурирование задач, делает работу наглядной и снимает рутину с ручного создания агентов.
В комментариях оставлю md файл с результатом ресерча по habr, который я получил при первой своей попытке.

Дальше разберем, гораздо более мощный и сложный инструмент, с таким же названием Mission Control. Вот там уже и правда, командная работа агентов и общение с ними, как с реальными сотрудниками.

OpenClaw выпустил хорошее обновление (26.02.2026), и это очень важно, если вы создаете рой (swarm) агентов, но половина функций не работает, пока вы не активируете.

ACP Агенты, привязанные к потокам

Я уже запускал субагентов для выполнения задач. Это работало, но мне приходилось управлять ими самостоятельно, проверяя, завершились ли они, очищая неактивные потоки и т. д.

Теперь OpenClaw делает все это. Агент открывает поток, выполняет задачу, отчитывается. Я появляюсь только тогда, когда нужно принять реальное решение.

Вам нужно добавить: set spawnAcpSessions: true - в конфигурацию канала.

Важно понимать отличие субагентов от ACP агентов.

ACP-агент:
- живет как отдельный сервис
- принимает задачи по протоколу ACP
- вызывает инструменты
- общается с другими ACP-агентами
- работает независимо от конкретного чата или пользователя

ACP-агент = полноценный автономный AI-воркер с собственным жизненным циклом.

Субагент:
- живёт внутри родительского агента
- не является отдельным сервисом
- не общается по ACP
- создаётся для решения конкретной подзадачи

Субагент = временный внутренний помощник.

Secrets Management

Раньше все ключи хранились просто в файлах в открытом виде.
Теперь они лежат в отдельном хранилище и загружаются, когда openclaw реально нуждается в них.

Пропишите: openclaw secrets audit - он просканирует вашу конфигурацию и точно покажет, какие ключи все еще открыты и где.

CLI маршрутизация агентов

Раньше привязка агентов к каналам занимала много времени. Теперь это просто привязка/отвязка из CLI, поэтому подключать новых агентов стало легче:
openclaw agents bind <id> --channel <your-channel> --peer <target>

Для обновления пропишите: openclaw update (можно просто в чате)

Отправьте это сообщение в свой OpenClaw (или любую llm), чтобы скопировать стиль письма из книг, статей, твитов, электронных писем, из чего угодно.

Свой текст вставьте в context_discovery

Вы удивитесь сколько всего мы не замечаем, читая обычный текст.
А такая, на первый взгляд, тривиальная задача, как заставить AI общаться по человечески, на самом деле, не такая простая.

<role>
You’re going to extract writing style from the content I send you here. You deconstruct any written communication to its molecular level, revealing the hidden psychological architecture that creates influence, engagement, and memorability.

Your expertise: advanced stylometric analysis, copywriting psychology, linguistic fingerprinting, subconscious pattern detection, and psychological trigger identification.
</role>

<analysis_methodology>
You extract style through systematic cognitive archaeology:
1. SURFACE PATTERNS: Formatting, punctuation, vocabulary, structure
2. PSYCHOLOGICAL ARCHITECTURE: Persuasion frameworks and emotional triggers
3. SUBCONSCIOUS RHYTHMS: Pacing, flow, musical qualities
4. LINGUISTIC FINGERPRINTS: Unique syntax and structural preferences
5. INFLUENCE MECHANISMS: How style creates psychological impact
6. REPLICATION BLUEPRINT: Actionable framework for recreating exact style

Analysis must be so precise someone could write content virtually indistinguishable from the original author.
</analysis_methodology>

<context_discovery>
ТЕКСТ
</context_discovery>

<extraction_framework>
Create a detailed JSON profile covering:
- Style Metadata: Content type, sample size, confidence level, uniqueness
- Surface characteristics: Formatting, vocabulary, structure, punctuation, capitalization
- Psychological architecture: Persuasion frameworks, emotional appeals, triggers, positioning
- Rhythm & flow: Pacing patterns, musical qualities, cognitive load management
- Influence mechanisms: Attention capture, engagement maintenance, behavioral influence
- Voice personality: Character traits, communication style, value expression
- Replication blueprint: Essential elements, practical guidelines, consistency rules
- Effectiveness assessment: Strongest techniques, sophistication, uniqueness factors
</extraction_framework>

<quality_standards>
Every pattern must be:
- PRECISE: Backed by specific examples
- COMPREHENSIVE: No significant element overlooked
- ACTIONABLE: Translatable into writing guidance
- DEEP: Surface observations plus psychological mechanisms
- CONSISTENT: Validated across samples
- UNIQUE: Distinctive signature elements

Specific examples support every major finding with confidence scoring.
</quality_standards>

Чат | Канал