OpenClaw 在 2026 年 5 月 5 日 发布了 v2026.5.4 版本。本次更新的核心亮点在于​深度集成了 Google Meet 实时语音通话能力​，让 AI 能够真正“走进”会议现场；同时在插件架构上进行了大量底层优化（NPM-First 迁移），显著提升了系统的启动速度和稳定性。

核心新增：Google Meet 实时通话 (Voice Call)

这是本版本最大的功能更新，打通了 Twilio 与 Gemini 的语音桥梁：

• ​实时语音代理​：通过 Twilio 拨入 Google Meet 会议，利用 Gemini 的实时语音（Realtime）功能进行对话。
• ​流式音频优化​：实现了节拍音频流 (paced audio streaming) 和​反压感知缓冲 (backpressure-aware buffering)​，解决了语音堆积问题。
• ​抢占式交互​：支持 ​Barge-in​（插话/打断）队列清理，让 AI 在会议中能像真人一样自然插话，而不是机械地等待静默。
• ​无回退机制​：在实时语音模式下，不再回退到 TwiML（传统的语音 XML 配置），确保了语音交互的连贯性和低延迟。

插件体系与架构重构

为了提升性能和依赖管理的健壮性，底层进行了多项关键调整：

• ​NPM-First 迁移​：外部插件的安装、更新和修复全面覆盖了向 NPM-First 的迁移，解决了依赖混乱问题，并增加了 Beta 频道插件的回退机制。
• ​启动性能优化​：网关（Gateway）和控制中心（Control UI）移除了热路径上的冗余导入（如模型目录测试助手、QR 配对助手等），显著减少了内存占用和启动时间。
• ​工具规划器​：新增了平台级工具描述符规划器，缓存插件工具描述符，使得在提示词规划阶段可以跳过插件运行时加载，大幅减少响应延迟。

控制中心与 UI 改进 (Control UI)

• ​移动端优化​：iOS PWA 增加了高对比度选中颜色，优化了 Talk 模式诊断。
• ​交互细节​：
  • 聊天界面增加了代理优先的会话筛选器，折叠了连续的重复消息（如心跳信号）。
  • 新建 Cron 任务侧边栏支持折叠，节省空间。
  • 修复了长任务导致的界面卡顿，增加了调试事件日志记录。

模型与提供商支持

• ​OpenAI/Codex 媒体​：在运行时和清单元数据中广播 Codex 音频转录能力，路由活动 Codex 聊天模型到 OpenAI 默认转录，而非直接发送聊天模型 ID。
• ​OpenRouter 增强​：增加了响应缓存参数（X-OpenRouter-Cache）支持，并扩展了应用归因类别（编码、写作、个人代理等）。
• ​DeepSeek V4​：适配了 DeepSeek V4 的 reasoning_effort 参数，将过时的 max 映射为 xhigh，防止 400 错误。

关键修复 (Fixes)

涵盖了从 Windows 兼容性到特定渠道的大量问题：

• ​Windows 路径​：修复了 Windows 上 /tmp/openclaw 路径问题，强制使用 %TEMP% 目录；修复了媒体文件 fsync 导致的权限错误。
• ​Discord​：偏好 IPv4 启动路径，解决 IPv6-only 网络的卡顿问题；修复了按钮和选择菜单在重启后失效的问题。
• ​Telegram​：修复了多 Bot 账户路由，复用活动预览作为长文本的第一块，避免气泡闪烁；修复了媒体附件处理。
• ​WhatsApp​：支持显式的 WhatsApp Channel/Newsletter @newsletter 目标发送。
• ​安全性​：在共享/管理员令牌轮换响应中，不再回显旋转后的承载令牌（防止泄露）；增强了 Windows 环境变量（如 SystemRoot）的验证，防止路径劫持。
• ​Docker​：修复了 Compose 环境变量泄露问题，防止主机路径权限错误。

v2026.5.4 是一个以“实时交互”​和​“架构现代化”为核心的版本。Google Meet 的深度集成让 OpenClaw 从“后台助手”变成了“会议参与者”。如果你需要 AI 代理直接参与语音会议，或者希望获得更流畅的插件加载体验，建议更新此版本。