OpenClaw 在 8 月 2 日发布了 v3.5 版本，这是自 v3.0 以来最大的一次更新。两个核心能力：原生的多 Agent 协作框架和内置的多模态视觉理解。再加上调度引擎重构和 Marketplace 生态的爆发，v3.5 标志着 OpenClaw 从单一 Agent 框架正式迈入多 Agent 协作平台时代。
如果说之前的 OpenClaw 是在帮单个 Agent 变得更强大，那 v3.5 解决的是另一个问题：多个 Agent 怎么协同工作。这和站内最近持续写的 证据包、回放对照 和 质量门禁 可以放在同一套治理框架里理解——多 Agent 并行之后，出问题的排查和回放只会更复杂。
Agent Orchestration Layer：从单兵到军团
v3.5 最大的变化是引入了 Agent Orchestration Layer（AOL）——一个声明式的多 Agent 协作层。开发者不需要写复杂的调度代码，只需声明每个子 Agent 的角色、任务边界和协作关系，AOL 自动处理任务拆分、依赖管理和结果聚合。
这和 需求变更影响评审 里讲的思路一致——多个模块之间的依赖关系要显式声明，而不是靠”感觉没问题”。AOL 让多 Agent 之间的调用路径、数据传递和失败传播都变成可追踪的，而不是藏在一大段自动生成的 prompt 里面。
内置视觉理解：Agent 能”看”屏幕了
v3.5 首次内置了多模态视觉理解能力，包括截图识别、OCR 文字提取和图表解析。这意味着 OpenClaw Agent 可以直接”看懂”一张 UI 截图、一份扫描件表格或一张架构图，而不需要外部 OCR 插件或手动描述图片内容。
在实操场景里，这个能力很适合接 人工复核抽检——Agent 可以先自动识别截图里的关键信息（数字、状态、异常标记），再决定是否需要升级到人工确认。
性能重构：提速 40%，长链路成功率提升 35%
v3.5 对任务调度引擎做了底层重构。官方数据：任务平均完成速度提升 40%，长链路任务（多步骤、多工具调用）成功率提升 35%。这意味着之前容易出现超时或中间步骤断裂的复杂任务，在 v3.5 上会更稳。
还上线了一个可视化调试器，可以逐步骤查看每个 Agent 的决策链路、工具调用结果和失败点。这对 变更后验证清单 的场景很有用——部署新版本后，通过调试器快速确认 Agent 行为是否符合预期。
生态爆发：Marketplace 模板超 1500 个
OpenClaw Marketplace（ClawHub）的模板数量已超过 1500 个，覆盖电商客服、代码审查、文档生成、数据分析等常见场景。结合 Extended-Stable 频道和成熟度记分卡，生产团队可以选择经过验证的模板作为起点，而不是从零配置。
老达点评
v3.5 的 Agent Orchestration Layer 是一个信号：多 Agent 协作正在从”高级玩法”变成”默认能力”。但多 Agent 并行带来的治理复杂度是乘数级的——两个 Agent 各 95% 的准确率，并行之后整体可靠性不是 95%，而是可能大幅下降。AOL 能不能在编排层就把失败传播、回滚和审计做好，决定了 v3.5 是企业级还是玩具级。
总结
OpenClaw v3.5 用 Agent Orchestration Layer 和视觉理解两项能力，把多 Agent 协作的门槛降了一档。40% 提速和 35% 长链路提升让复杂任务更稳，但多 Agent 治理的挑战也从今天正式开始。
