——
OpenClaw v2026.5.10-beta.2 发布：8大功能升级与Discord语音诊断详解
OpenClaw 作为新一代 AI Agent 编排平台，持续推动多平台集成与自动化能力的边界。本次 v2026.5.10-beta.2 版本聚焦 QA 自动化、语音交互稳定性 和 安全管控 三大方向，为开发者带来 8 项实质性改进。无论你是构建 WhatsApp/Telegram 客服机器人，还是部署 Discord 语音助手，这些更新都将显著降低调试成本、提升系统可靠性。
本文将逐条拆解关键变更，并提供可直接落地的配置示例。
—
一、Telegram 自动化测试：从截图到视频的全链路证据留存
1.1 实时 PR 证据自动化（Mantis/QA）
针对 Telegram 平台的自动化测试现已支持完整的证据链捕获：
| 能力 | 技术实现 | 应用场景 |
|:—|:—|:—|
| 实时会话录制 | Convex 租赁凭证 + Crabbox 转录捕获 | 回归测试留痕 |
| 动态预览 | Motion GIF 生成 | PR 评审快速预览 |
| 内联注释 | 自动关联 PR 评论 | 缺陷定位与协作 |
核心配置：
启用 Telegram 自动化证据收集
export OPENCLAW_MANTIS_TELEGRAM_EVIDENCE=1
export CONVEX_LEASED_CREDENTIALS_PATH=/secrets/convex.json
1.2 桌面端场景构建器
新版本提供 Telegram Desktop 的完整沙箱环境，一键完成：
租赁 Crabbox 实例并安装原生 Telegram Desktop
openclaw mantis:build-telegram-desktop \
--lease-provider=crabbox \
--install-native-client \
--configure-gateway \
--record-artifacts=vnc,screenshot,video
该方案解决了移动端 Web 版本与原生客户端行为差异导致的测试盲区问题。
—
二、Discord 语音诊断：实时定位音频异常
2.1 四大核心诊断指标
Discord/voice 模块新增实时诊断面板，覆盖语音交互的关键质量维度：
- Speaker Turns（发言轮次）：检测双工通信中的抢话/沉默异常
- Playback Resets（播放重置）：追踪音频流中断与恢复事件
- Barge-in Detection（打断检测）：识别用户主动插话时机
- Audio Cutoff Analysis（截断分析）：定位响应过早截断问题
2.2 解码器策略优化：开发 vs 生产
| 环境 | 默认解码器 | 切换命令 | 适用场景 |
|:—|:—|:—|:—|
| 开发/测试 | opusscript (纯 JS) | 无需操作 | 避免 Docker 构建缓慢 |
| 生产语音专线 | @discordjs/opus (原生) | openclaw voice:enable-native-opus | 低延迟实时语音 |
生产环境启用原生 Opus 解码
openclaw voice:enable-native-opus --lane=production-voice
验证当前解码器状态
openclaw gateway status --deep | grep opus
—
三、实时语音风格指令：Talk 模块增强
通过新增的 talk.realtime.instructions 接口，运营人员可在不覆盖 OpenClaw 内置 Agent-Consult 指导逻辑的前提下，动态追加语音风格指令：
// 追加实时语音风格（保留系统默认咨询指导）
await openclaw.talk.realtime.instructions.append({
sessionId: "voice-12345",
instructions: "使用更简洁的回复，控制在15秒内",
preserveDefaultGuidance: true // 关键：保留内置 agent-consult
});
该设计解决了”自定义指令覆盖系统安全提示”的历史痛点，感谢社区贡献者 @VACInc（#79081）。
—
四、私有技能安全安装：MCP 网关管控
4.1 上传归档安装路径（Gated）
针对企业内网或私有 MCP Skill 的分发需求，新增受控的 zip 归档安装 通道：
gateway-config.yaml
skills:
install:
allowUploadedArchives: true # 显式开启，默认关闭
allowedSources:
- "internal-s3://skills-archive/"
- "file:///opt/openclaw/skills/"
安全设计要点：
- 必须显式启用
allowUploadedArchives - 支持来源白名单限制
- 网关客户端需通过身份验证
感谢 @samzong 的贡献（#74430）。
—
五、依赖升级与兼容性
本次更新同步升级了 AI SDK 与 协议实现：
| 包名 | 旧版本 | 新版本 | 影响说明 |
|:—|:—|:—|:—|
| @agentclientprotocol/claude-agent-acp | – | 0.33.1 | ACPX 协议兼容性 |
| codex-agent-acp | – | 0.14.0 | Codex 工具链 |
| baileys | – | 7.0.0-rc10 | WhatsApp 稳定性 |
| @google/genai | – | 2.0.1 | Gemini 模型支持 |
| openai | – | 6.37.0 | GPT-4o 新特性 |
| aws-sdk | – | 3.1045.0 | Bedrock 集成 |
升级前建议执行兼容性检查：
openclaw doctor --check-deps
—
六、关键修复：稳定性与体验
6.1 跨 Agent 媒体访问修复（Telegram）
修复了 workspace-local media 被错误拒绝为 cross-agent access 的问题。现在网关消息动作会正确传递 agent-scoped media roots（感谢 @frankekn）。
6.2 ACPX 启动探针（#79596）
默认启用 ACPX 运行时启动探针，确保 gateway ready 信号仅在 ACPX 后端可用 或 明确报告失败 后触发：
恢复延迟启动（不推荐用于生产）
export OPENCLAW_ACPX_RUNTIME_STARTUP_PROBE=0
感谢 @bzelones 的贡献。
6.3 CLI 引导优化
setup、onboarding、configure、channel 等命令现在会主动提示下一步操作，替代原有的简略标签：
$ openclaw setup complete
✅ 基础配置已完成
下一步建议：
1. 运行 openclaw channel add telegram 添加消息渠道
2. 运行 openclaw configure --skill-registry 配置技能仓库
3. 运行 openclaw gateway status --deep 验证部署状态
—
七、Codex 工具链统一
Agents/Codex 移除了可配置的动态工具配置，改为固定所有权模型：
| 工具类别 | 所有者 | 说明 |
|:—|:—|:—|
| workspace, edit, patch, exec, process, plan | Codex app-server | 核心编辑与执行 |
| OpenClaw integration tools | OpenClaw Gateway | 平台集成能力 |
该变更消除了工具冲突导致的不可预测行为，建议审查现有 Codex 配置 并移除已弃用的 dynamic-tools 字段。
—
常见问题（FAQ）
Q1: 如何快速验证 Discord 语音诊断功能是否生效？
执行以下命令查看实时诊断面板：
openclaw discord:voice-diagnostics --channel-id=YOUR_CHANNEL_ID
若看到 speaker_turns, barge_in_detected 等指标输出，即表示功能正常。
Q2: 生产环境是否应该启用原生 Opus 解码器？
建议：仅在专门的语音性能专线（voice-performance lane）启用。常规 Docker 测试环境保持默认 opusscript，可避免 5-10 分钟的 native addon 编译时间。
Q3: 私有 Skill 上传功能会影响安全性吗？
该功能默认关闭，需显式设置 skills.install.allowUploadedArchives: true。建议配合 allowedSources 白名单使用，限制仅接受来自内部 S3 或指定文件路径的归档。
Q4: 升级后 ACPX 启动变慢是否正常？
这是预期行为。新增启动探针确保 ACPX 完全就绪后才标记 Gateway 可用，避免了此前”就绪但实际不可用”的竞争条件。如确需恢复旧行为，可设置 OPENCLAW_ACPX_RUNTIME_STARTUP_PROBE=0。
Q5: 如何迁移旧的 Codex 动态工具配置？
直接移除配置文件中的 dynamic-tools 或 codex.tools.profile 字段即可。新版本的工具所有权已固定，无需手动指定。
—
总结与下一步
OpenClaw v2026.5.10-beta.2 的核心价值在于：更可靠的语音交互、更完整的自动化证据链、更严格的安全管控。建议开发者：
1. 立即升级：执行 openclaw update beta 获取最新版本
2. 验证语音场景：在测试环境启用 Discord 语音诊断
3. 审查 Skill 来源：评估是否需要启用私有归档安装
4. 关注 ACPX 探针：监控启动日志确认探针行为符合预期
—
相关阅读
—
参考来源
