تصور کنید یک دستیار هوشمند دارید که تمام دسترسی‌ها، حافظه و کلیدهای امنیتی‌اش را شما کنترل می‌کنید، نه یک شرکت آمریکایی. با استقرار OpenClaw 2.0 روی سرور شخصی، مالکیت کامل داده‌ها و هویت دیجیتال عامل‌هایتان را بازپس می‌گیرید و دیگر نیازی به تکیه بر ارائه‌دهندگان SaaS شخص ثالث ندارید. این رویکرد میزبانی شخصی با مفاهیمی مشابه در پلتفرم OtoDock دیده می‌شود که مدل‌های زبانی را به عامل‌های سخت‌افزارمحور در سرورهای داخلی تبدیل می‌کند.
طبق اعلام تیم توسعه، ۹۳۳ مشارکت‌کننده — که ۵۶۹ نفر از آن‌ها برای اولین بار در پروژه شرکت کردند — با ادغام بیش از ۱۶,۰۰۰ درخواست تغییر (Pull Request)، این نسخه را در ۳۱ اوت ۲۰۲۶ عرضه کردند. این حجم از مشارکت تقریباً نیمی از کل تاریخچه ادغام‌های این پروژه را تشکیل می‌دهد. این به‌روزرسانی، بزرگترین آپدیت در تاریخ پروژه است و پس از یک وقفه هفت‌هفته‌ای برای بازسازی بنیادین زیرساخت‌ها منتشر شد تا فشار ناشی از دوره پرتب‌وتاب ۱۰۶ انتشار در ۲۳۰ روز گذشته کاهش یابد.
OpenClaw — که در نوامبر ۲۰۲۵ توسط پیتر استاینبرگر (Peter Steinberger) به‌عنوان یک پروژه آخر هفته آغاز شد — به سرعت به سریع‌ترین پروژه در تاریخ گیت‌هاب تبدیل شد و تا اواخر اوت ۲۰۲۶، تقریباً ۳۸۸,۰۰۰ ستاره و ۸۱,۰۰۰ فورک (Fork) به دست آورد. این سامانه در واقع یک محیط اجرای (Runtime) متن‌باز برای دستیاران شخصی AI است که مدل‌هایی مثل Claude، GPT، Gemini، Qwen و مدل‌های محلی را به کانال‌های پیام‌رسانی که شما در آن‌ها فعال هستید، از جمله تلگرام، دیسکورد، اسلک، واتس‌اپ و iMessage متصل می‌کند. همچنین از طریق پلاگین‌های جامعه کاربری، دسترسی به WeChat، Feishu، DingTalk و QQ نیز فراهم شده است.
برای اکثر کاربران، جذابیت اصلی در تجربه «کاکپیت» (Cockpit) است. شما یک سرویس Gateway را کنترل می‌کنید (پورت پیش‌فرض ۱۸۷۸۹) که نقش واسط بین کانال‌ها، عامل‌ها، ابزارها و سیاست‌ها را ایفا می‌کند، در حالی که یک رابط کاربری کنترلی (Control UI) مبتنی بر مرورگر، گفتگوها را مدیریت می‌کند. گره‌های (Nodes) جفت‌شده روی مک‌ها یا گوشی‌ها، دامنه دسترسی عامل را گسترش می‌دهند. برخلاف دستیارهای بسته، در اینجا همه چیز تحت کلیدهای API و حاکمیت داده‌های شخصی شما اجرا می‌شود.
چرخش‌های معماری
نسخه ۲.۰ (v2026.8.1) یک وصله ساده نیست، بلکه بازسازی بنیادین است. تقریباً تمام ماژول‌های هسته تغییر کرده‌اند، از جمله حافظه (Memory)، مهارت‌ها (Skills)، اتوماسیون‌ها، مرورگر، اپلیکیشن بومی، سیستم پلاگین، امنیت، Cloud Workers و مدل مجوزهای عامل.
یکی از مهم‌ترین تغییرات، انتقال جلسات و تاریخچه‌ها به SQLite است. این اقدام باعث می‌شود تاریخچه گفتگوها سریع‌تر و بادوام‌تر باشد. با این حال، تیم هشدار داده است که این مهاجرت عملاً یک‌طرفه است؛ برای بازگشت به نسخه‌های قدیمی‌تر که مبتنی بر فایل بودند، ابتدا باید آرشیوهای قدیمی را بازیابی کنید و جلساتی که پس از مهاجرت ایجاد شده‌اند در نسخه‌های قدیمی ظاهر نخواهند شد. کاربران شدیداً توصیه شده‌اند که پیش از ارتقا، یک بک‌آپ تأییدشده تهیه کنند.
به گزارش تیم فنی، عملکرد سیستم جهش قابل‌توجهی داشته است. در تست‌های شبیه‌سازی شده با استفاده از یک گیت‌وی مجازی با تأخیر ۵۰ میلی‌ثانیه، زمان راه‌اندازی از حدود ۱.۶ ثانیه به ۵۷۵ میلی‌ثانیه کاهش یافته و تعداد درخواست‌های جاوااسکریپت از ۱۴۰ به ۴۵ رسیده است.
قابلیت‌های جدید عامل‌ها
OpenClaw 2.0 ویژگی‌های کاربردی بسیاری برای کاربران حرفه‌ای معرفی کرده است. این شروع با یک راهنمای تنظیمات است که ورودهای قبلی به Codex، ChatGPT یا Claude CLI را شناسایی می‌کند. برای تنظیمات جدید OpenAI، مدل پیش‌فرض روی GPT-5.6 قرار گرفته است، در حالی که استنتاج محلی به یک llama-server مدیریت‌شده منتقل شده که در آن Gemma 4 به عنوان پیش‌فرض (محدود به رم) با پنجره زمینه (Context) پیش‌فرض ۶۴ هزار توکن قرار دارد.
رابط کاربری Control UI بازسازی شده است و اکنون مستقیماً وارد محیط گفتگو می‌شود. این رابط دارای پنل‌های متصل (Docked) برای ویرایشگر فایل‌های فضای کاری، یک پنل Changes مبتنی بر git برای بررسی وضعیت PRها و خلاصه‌های CI، یک پنل مرورگر با قابلیت بازرسی عناصر و حاشیه‌نویسی اسکرین‌شات‌ها، و یک ترمینال وب تمام‌صفحه است.
بهبودهای کلیدی عملکردی عبارت‌اند از:
- حافظه فعال و پس‌زمینه: حافظه فعال (Active Memory) به عامل‌ها اجازه می‌دهد از گفتگوهای گذشته در جلسات خصوصی استفاده کنند، در حالی که تثبیت حافظه پس‌زمینه (Background Memory Consolidation)، حافظه بلندمدت را با ذکر دقیق منبع ثبت می‌کند.
- مهارت‌های خودآموز: سیستم الگوهای اثبات‌شده در انجام تکالیف را به «مهارت‌های» (Skills) قابل استفاده مجدد تبدیل می‌کند که کاربران می‌توانند آن‌ها را در یک «کارگاه مهارت» (Skill Workshop) اختصاصی مدیریت کنند.
- اتوماسیون پیشرفته: اتوماسیون‌ها اکنون به زمینه (Context) گفتگو متصل هستند. دستور
/loopاجازه می‌دهد عامل‌ها طبق یک زمان‌بندی یا ریتم داخلی خودشان اجرا شوند، Workboard تکالیف را به صورت زنجیره‌ای اجرا می‌کند و قابلیت آزمایشی Swarm به یک عامل اجازه می‌دهد تا زیر-عامل‌های موازی ایجاد کند. این رویکرد در مقابل متدهای جایگزین قرار دارد، مانند آنچه در پروژه meclaw برای جایگزینی حلقه‌های تکرار با توپولوژی فایل رخ داد. - دسترسی گسترده: عامل مرورگر اکنون می‌تواند صفحات وب و درخواست‌های شبکه را بخواند. کنترل دسکتاپ (Desktop Control) ماشین‌های جفت‌شده را هدایت می‌کند و کنترل دسترسی‌پذیری اندروید (Android Accessibility Control) به عامل‌ها اجازه می‌دهد گوشی‌ها را مدیریت کنند. پلاگین‌های رسمی اجازه می‌دهند عامل‌ها به‌عنوان مهمان مرورگر در جلسات Zoom و Teams شرکت کنند و ایمیل‌های IMAP می‌توانند مستقیماً تکالیفی را فعال کنند.
- جلسات ابری مشترک: این ویژگی قابلیت‌های چندنفره واقعی را معرفی می‌کند. نفر دوم می‌تواند به یک کار زنده بپیوندد یا با دسترسی کامل به زمینه، آن را به دست بگیرد. مالکان می‌توانند مجوزهای «خواندن»، «پیشنهاد»، «پیش‌نویس» یا «مشارکت» را تعیین کنند. کار می‌تواند روی یک لپ‌تاپ شروع شده و روی یک Cloud Worker ادامه یابد، هرچند مستندات اشاره می‌کنند که این قابلیت برای تیم‌های مورد اعتماد است و برای جداسازی کامل مستاجران (Tenant Isolation) طراحی نشده است.
سخت‌سازی لایه امنیتی
امنیت در شش ماه نخست پروژه یک نقطه ضعف بزرگ بود. تیم توسعه مجبور شد حفره‌های خطرناکی را وصله کند، از جمله یک RCE تک‌کلیکی (CVE-2026-25253) در Control UI در ژانویه، مجموعه سرقت اعتبار «Claw Chain» در آوریل و نقص تزریق ClawJacked در فوریه.
برای حل این مشکلات، نسخه ۲.۰ سیستم «درخواست اعتبار خصوصی» (Private Credential Requests) را پیاده کرد. حالا عامل‌ها رمزها و اسرار را از طریق پرامپت‌های ماسک‌شده می‌خواهند تا مقادیر حساس هرگز وارد تاریخچه چت یا پنجره زمینه (Context Window) مدل نشوند. علاوه بر این، اتصال میزبان خروجی اسرار (Secret Egress Host Binding) تضمین می‌کند که اسرار ذخیره شده در فروشگاه مشترک، تنها به مقاصد HTTPS تأیید شده در CLI، Gateway RPC و Control UI متصل شوند؛ هرگونه جایگزینی بدون اتصال، منجر به شکست عملیات می‌شود.
محافظت‌های بیشتر شامل موارد زیر است:
- مرزهای اعتماد: نصب‌هایی که باعث می‌شود یک نمونه بدون احراز هویت در معرض شبکه قرار گیرد، مسدود می‌شوند. Gateway به‌طور پیش‌فرض به loopback متصل می‌شود و فرستندگانه ناشناس در DM با چالش کد جفت‌سازی (Pairing-code) مواجه می‌شوند.
- ممیزی‌های امنیتی: دستور
openclaw security auditدر یک مرحله، دسترسی‌های ورودی، شعاع تخریب ابزارها، مواجهه با شبکه، مواجهه با کنترل مرورگر و لیست‌های مجاز پلاگین‌ها را بررسی می‌کند. - بهداشت پلاگین‌ها: نصب پلاگین‌ها اکنون منبع، نسخه، قابلیت‌ها و مصنوعات (Artifacts) را نمایش می‌دهد. پلاگین‌های شخص ثالث که حاوی کد هستند، نیاز به تأیید صریح کاربر دارند.
بر اساس داده‌های تیم قرمز (Red-Team) در یک میدان آزمون crowdsourced در سال ۲۰۲۶ با ۲۷۲,۰۰۰ حمله در ۴۱ سناریوی مختلف، نرخ موفقیت حملات «مخفی و مضر» بسته به مدل متفاوت بود. مدل Claude Opus 4.5 نرخ موفقیت ۰.۵٪، Sonnet 4.5 حدود ۱.۰٪، Haiku 4.5 حدود ۱.۳٪ و Gemini 2.5 Pro حدود ۸.۵٪ داشتند. در حالی که مهاجمان انسانی تطبیق‌پذیر هنوز نرخ موفقیت بالای ۸۰٪ دارند، این داده‌ها ثابت می‌کند که اگرچه مدل لایه اول دفاع است، اما تاییدات اجرا و سندباکسینگ ارائه شده توسط OpenClaw، لایه‌های اجرایی حیاتی هستند.
زیرساخت و استقرار
اگرچه OpenClaw روی لپ‌تاپ‌ها اجرا می‌شود، اما تیم توسعه برای دسترسی ۲۴ ساعته به اتوماسیون‌های مبتنی بر cron، تریگرهای IMAP و بات‌های کانال، استفاده از سرور ابری را توصیه می‌کند. همچنین برای کدهای جفت‌سازی، وب‌هوک‌ها و کال‌بک‌های کانال، داشتن یک هویت شبکه پایدار ضروری است. علاوه بر این، Cloud Workerها برای مدیریت کارهای طولانی‌مدت در ویژگی Swarm حیاتی هستند.
آن‌ها به‌طور خاص Alibaba Cloud سنگاپور (ap-southeast-1) را پیشنهاد می‌کنند تا از الزامات ثبت ICP چین اجتناب شود و در عین حال تأخیر کمی برای پلاگین‌های WeChat، Feishu و DingTalk که برای استفاده شخصی یا خارج از کشور هستند، حفظ شود.
نیازمندی‌های سخت‌افزاری بر اساس کاربرد:
- حداقلی (مبتنی بر API): ۲ هسته vCPU و ۲ گیگابایت رم. این مقدار برای کاربرانی که از طریق API به GPT-5.6 یا Qwen (مثلاً از طریق Alibaba Cloud Model Studio / Bailian) متصل می‌شوند، کافی است.
- پیشنهادی: ۲ هسته vCPU و ۴ گیگابایت رم. این پیکربندی فضای کافی برای Control UI مرورگر، SQLite تحت فشار و مدل‌های محلی کوچک از طریق llama-server فراهم می‌کند.
- کاربران حرفه‌ای: ۴ هسته vCPU و ۸ گیگابایت رم یا بیشتر. این مقدار برای استنتاج محلی مدل‌هایی مثل Gemma 4 یا استقرار Swarm چند-عاملی ضروری است، زیرا استنتاج محلی محدود به مقدار رم است.
نصب پروژه نیازمند Node.js 24 (یا ۲۲.۱۶ به بالا) است. در یک میزبان لینوکس تازه، کاربران می‌توانند از طریق npm install -g openclaw@latest استقرار را انجام دهند و دستور openclaw onboard --install-daemon را برای قابلیت‌های شروع خودکار اجرا کنند. این فرآیند شامل یک پروب (Probe) است که مدل انتخاب شده را با یک درخواست زنده پیش از ذخیره کردن تأیید می‌کند.
چک‌لیست سخت‌سازی
پیش از اتصال یک کانال، کاربران باید این مراحل را دنبال کنند:
- گروه امنیتی (Security Group): پورت ۱۸۷۸۹ را برای 0.0.0.0 باز نکنید. از Tailscale یا تونل SSH برای دسترسی راه دور به Control UI استفاده کنید.
- ممیزی: پس از هر ارتقا و هر نصب پلاگین جدید، دستور
openclaw security auditرا اجرا کنید. - جفت‌سازی: چالش جفت‌سازی برای فرستندگانه ناشناس را برای تمام کانال‌های چت فعال نگه دارید.
- تأییدیه‌ها: تاییدات اجرای میزبان (Host-execution approvals) را برای هر چیزی فراتر از یک اپراتور مورد اعتماد فعال نگه دارید.
- بک‌آپ: به دلیل مهاجرت یک‌طرفه به SQLite، پیش از ارتقای ۲.۰، از VM اسنپ‌شات بگیرید یا پوشه
~/.openclawرا پشتیبان‌گیری کنید. - سطح سیستم‌عامل: ECS را به‌روز نگه دارید، SSH با رمز عبور را به نفع کلیدها غیرفعال کنید و ترافیک خروجی را محدود کنید.
هزینه حاکمیت
OpenClaw رایگان و متن‌باز است، اما زیرساخت و توکن‌ها هزینه دارند. برای کسانی که از حساب‌های Alibaba Cloud China استفاده می‌کنند، نمونه‌های burstable برای کاربران جدید می‌تواند تا ۳۸ یوان در سال (برای 2C2G3M)، برای کاربران قدیمی حدود ۹۹ یوان و برای طرح‌های تجاری 2C4G5M حدود ۱۹۹ یوان هزینه داشته باشد.
برای حساب‌های بین‌المللی، Alibaba Cloud International کمپین‌های کوپنی SMB ارائه می‌دهد، از جمله اعتبار رایگان ۲۰۰ دلاری که از طریق درخواست قابل دریافت است (مشمول بررسی حدود ۳ روز کاری).
برای کاهش هزینه‌های ماهانه API، تیم توسعه پیشنهاد می‌کند از مدل‌های Qwen از طریق Model Studio (Bailian) استفاده کنید که می‌تواند هزینه‌ها را در مقایسه با مدل‌های بسته پیشرو، برای اتوماسیون‌های روتین تا یک مرتبه بزرگی کاهش دهد. این بهینه‌سازی هزینه‌ای یادآور مدل‌های Smaug است که توانستند هزینه‌های عملیاتی عامل‌های هوش مصنوعی را تا ۱۰۰ برابر کاهش دهند.
این حرکت به سمت میزبانی شخصی (Self-hosting)، بازتاب‌دهنده یک روند گسترده‌تر در جامعه AI است. کاربران از دستیارهای «جعبه سیاه» به سمت محیط‌های اجرای شفاف حرکت می‌کنند که در آن کنترل پرامپت، حافظه و دسترسی به ابزارها در دست خودشان است. برای کسانی که امروز استقرار را انجام می‌دهند، حیاتی‌ترین گام، پیکربندی گروه امنیتی است. هرگز پورت گیت‌وی را به روی جهان باز نکنید؛ در عوض، از VPN یا تونل SSH برای دسترسی به Control UI استفاده کنید.
منتظر تکامل اکوسیستم ClawHub باشید، جایی که پلاگین‌های ممیزی‌شده توسط جامعه، در حال گسترش توانایی عامل‌ها برای تعامل با نرم‌افزارهای قدیمی سازمانی هستند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو