模型从 M2.7 换到 M3 后，微信对话开始频繁触发消息限流。根因是 M3 显式汇报计划/进度，配上 gateway 默认开的 display.interim_assistant_messages，每句自言自语都成独立消息，把微信刷成消息瀑布。

M2.7 升级 M3 后图片识别链路改写：OpenClaw 弃用 VL-01、Hermes 不再走 MCP 图片识别，统一调用 M3 视觉接口。计费由 M2.7 时期文本/图片分额度并入 M3 多模态 Token 统一限额。

用 Hermes 接飞书时，AI 调用工具的过程会全部显示出来……其实只需 3 条命令，飞书就默认只显示最终回答

OpenClaw 可将 AI 生成的任务结果（如新闻汇总、数据报表、工作日志等）主动推送到华为鸿蒙手机负一屏，以统一卡片形式展示，支持 Markdown 格式保留。安装 today-task 插件并配置授权码后，说一句「任务完成，推送到负一屏」即可完成推送。

之前研究过如何在飞书群聊中让机器人与机器人互相@、实现交流与协作，研究结论是官方并不支持，需使用第三方插件转发的方式才能实现，过于复杂。最近更新了飞书官方插件 openclaw-lark 2026.5.7 版本，版本更新说明中提到：群组中 bot 给 bot 发消息，默认需要 @-mention 才能通过。

五一假期升级OpenClaw微信插件到v2.4.1后连接失败，排查发现是buildHeaders函数手动设置了Content-Length导致与HTTP客户端计算值冲突。

一、什么是 memory-lancedb 插件 memory-lancedb 是 OpenClaw 内置的向量记忆插件，基于 LanceDB 向量数据库实现，为 AI 对话提供语义搜索能力。 向量数据库在 AI 记忆中的位置 AI 记忆系统通常有两层： 层次 机制 特点 传统记忆 关键词匹配 / 人工整理 精确但依赖词形，整理成本高 向量记忆 语义相似度搜索 理解含义，但需要额外基础设施 向量数据库的核心思想是：将文本转换成"数字向量"（embedding），存入向量库。搜索时，把问题也转成向量，找出"距离最近"的…

一、背景与架构 1.1 需求场景 在某些复杂任务中，OpenClaw 主 agent 需要将子任务委托给外部 Hermes Agent 处理，例如： 让 Hermes 执行需要长期记忆的对话任务 利用 Hermes 的特定工具或技能 多 Agent 协作分工 1.2 实现原理 OpenClaw 通过 sessions_spawn 启动 Hermes 的 ACP 进程，ACP 是基于 JSON-RPC over stdio 的通信协议： 每次 sessions_spawn 会在本地启动一个 Hermes 进程 任务通…

前言：为什么需要结构化搜索 API 在 AI 助手实际工作中，联网搜索是获取实时信息的重要能力。但普通网页爬取方式（模拟浏览器请求搜索引擎结果页）存在诸多局限： 解析脆弱：搜索引擎结果页的 HTML 结构经常变化，爬虫脚本容易失效 速度慢：需要先获取 HTML 再解析，至少多浪费 1-2 秒 内容质量不稳：无法过滤广告和噪音内容 容易被封：频繁请求可能触发 IP 封禁 结构化搜索 API 则直接返回 JSON 格式的解析结果，数据干净、响应快、接口稳定。对于部署在境内的服务器来说，选择一个国内可访问的搜索 API …

发布日期：2026-04-06 | 前版本：2026.4.2（2026-04-02） 一、内置视频生成工具（video_generate） OpenClaw 首次将视频生成能力作为内置工具开放，agents 无需自行封装接口，直接调用 video_generate 工具即可在回复中返回生成的视频文件。 此前这类能力需要通过第三方插件或自定义工作流实现，现在开箱即用。 工作原理 agent 调用内置 video_generate 工具 请求发往配置好的视频提供商 任务异步执行，完成后视频文件直接内嵌在回复中推送 支持…