feat(halo): 添加图片自动上传功能

- 新增图片处理工具模块 `src/utils/image.ts`，包含图片引用提取、绝对路径解析和路径替换功能
- 新增图片上传服务 `src/service/image-uploader.ts`，支持调用 Halo 媒体 API 上传图片并实现缓存机制
- 在设置界面添加图片上传开关和上传路径配置项
- 更新发布流程，在提交到 Halo 前自动检测并上传本地图片，替换为远程 URL
- 添加英文、简体中文和繁体中文的国际化文案
- 更新插件版本至 1.1.1 并完善相关配置文件

博客/OpenClaw介绍.md

@@ -0,0 +1,325 @@
+# OpenClaw 开源智能体框架全面介绍
+
+> 📝 注：OpenClaw 的安装与配置教程，LHY 已编写了详细的 Windows 平台安装指南，详见：[OpenClaw Windows 安装教程](https://blog.metarl.cc.cd/archives/openclaw-windows-an-zhuang-jiao-cheng)
+
+## 一、项目概述与背景
+
+### 1.1 什么是OpenClaw
+
+OpenClaw是一个开源的个人AI智能体（AI Agent）框架，中文名称为“龙虾”。它不仅仅是一个普通的聊天机器人，而是一个能够在用户自有设备上持续运行、主动执行复杂任务的自主式智能助手。与传统的对话式AI不同，OpenClaw将大型语言模型（LLM）直接连接到用户的操作系统、文件系统、网页浏览器等核心组件，真正实现了“替用户做事”而非“仅回答问题”的目标。
+
+从技术定位来看，OpenClaw采用了“本地优先、隐私可控”的设计理念。用户可以将AI部署在自己的Mac Mini、个人电脑或私有服务器上，让AI拥有执行shell命令、管理文件、协调多步骤工作流程的能力。这种架构设计使得OpenClaw成为了一种真正意义上的“主权个人AI”——智能部分来自云端（Anthropic、OpenAI或本地模型），但执行Agent完全由用户拥有和控制。
+
+### 1.2 发展历程
+
+OpenClaw的发展历程充满了戏剧性。它最初于2025年11月作为一个周末项目诞生，名为"Clawdbot"，开发者是奥地利程序员彼得·斯坦伯格（Peter Steinberger）。斯坦伯格是PSPDFKit的创始人，于2021年出售了该公司，随后在2025年6月创立了新公司Amantus Machina，致力于研发下一代超个性化AI智能体。
+
+项目上线后短短两个月内经历了两次更名：2026年1月27日，由于Anthropic的商标投诉，项目更名为"Moltbot"（继续沿用龙虾主题）；三天后，又因为觉得"Moltbot"读起来不够顺口，最终更名为"OpenClaw"。与此同时，企业家Matt Schlicht推出了Moltbook——一个面向AI智能体的社交网络服务。
+
+截至2026年2月4日，OpenClaw在GitHub上已累计获得超过16万颗星标（160K+ stars），拥有378位贡献者，催生了一个由8900多名开发者组成的活跃社区。这一惊人的增长速度使其成为2026年最受关注的开源AI项目之一。
+
+### 1.3 应用案例与影响力
+
+OpenClaw的出现引发了科技行业的广泛关注。2026年3月，在香港科技大学上海中心举办的“AI for Discovery：从范式革命到产业重构”学术峰会上，复旦大学浩清特聘教授、上海科学智能研究院院长漆远在演讲中指出，OpenClaw智能体的出现标志着具备高能动性和自主学习能力的AI Agent时代的到来。
+
+商业应用方面，2026年3月18日，联想百应率先携手美团推出独家OpenClaw远程部署服务，通过“专业工程师代操作+全流程透明化”的创新模式，让用户足不出户即可完成一键配置。此外，基于OpenClaw，国星宇航-上海交通大学太空计算联合实验室成功完成了一项技术试验：通过自然语言指令远程调用太空算力，实现对地面人形机器人的操控。
+
+---
+
+## 二、核心架构解析
+
+### 2.1 整体架构概述
+
+OpenClaw的整体架构可以从两个视角理解。首先是从核心组件视角，它由四大支柱构成：Gateway（网关）、Agent（智能体）、Skills（技能）和Memory（记忆）。其次是从系统分层视角，OpenClaw采用了五层运行时网关架构，从用户接口到基础设施，职责清晰，边界明确。
+
+从工程实现的角度来看，OpenClaw更像是一个围绕Agent构建的运行时网关系统（Agent Runtime）。它不是简单地把用户输入丢给大模型，然后把输出发回来，而是把整个过程拆成了一条清晰的执行链路，并在每个关键节点上做了工程治理。这种设计使得OpenClaw能够处理复杂的、多步骤的任务，同时保证系统的稳定性和可追溯性。
+
+### 2.2 Gateway（网关）——系统的神经中枢
+
+Gateway是OpenClaw最核心的组件，可以类比为家庭中的总控台，所有功能都围绕它展开。它不仅仅是一个简单的API转发器，而是一个协议无关的编排层（Protocol-Agnostic Orchestrator）。其核心在于维护一个持久的WebSocket连接，构建出实时、双向的通信通道。
+
+Gateway的主要职责包括：会话生命周期管理、通道路由、工具调度、状态同步等。它作为“单一事实源”，确保所有操作都有明确的来源和目的地。无论指令来自终端命令行、Web控制面板，还是通过WhatsApp、Telegram、iMessage等通讯工具远程发送，网关都能将这些异构的输入信号即时标准化，并统一维护会话状态。
+
+从网络模型来看，Gateway采用了全双工通信模式，这意味着用户可以随时发送指令，AI也可以主动推送信息。这种设计特别适合需要长时间运行的任务，比如邮件处理、文件同步等。
+
+### 2.3 Agent（智能体）——任务执行的核心
+
+Agent是OpenClaw的任务执行单元，它将LLM的智能与本地执行能力结合在一起。每个Agent可以配置不同的模型（Claude、OpenAI、国产大模型等），拥有不同的技能集，服务于不同的用途。
+
+Agent的执行流程可以概括为：接收用户请求 → 理解任务意图 → 规划执行步骤 → 调用Skills执行 → 返回结果。这一流程中，Agent需要处理多种情况，包括任务分解、错误恢复、条件分支等。
+
+在Agent运行时（Agent Runtime）中，有几个关键设计值得注意：
+
+- **超时处理**：当任务执行超过timeoutSeconds时触发abort，避免无限等待。
+- **外部取消**：支持AbortSignal，可以从外部终止正在执行的任务。
+- **连接管理**：当Gateway断开或RPC超时时，Agent会自动停止。
+- **等待机制**：agent.wait timeout仅停止等待，不停止Agent本身。
+
+### 2.4 Skills（技能）——功能扩展的基石
+
+Skills是OpenClaw实现功能扩展的核心机制。每个Skill就像一个插件，可以为Agent添加新的能力。OpenClaw的Skill系统设计精良，支持多种类型的扩展：
+
+- **文件操作Skill**：读写、复制、移动、删除文件
+- **Shell命令Skill**：执行终端命令
+- **浏览器控制Skill**：自动化网页操作
+- **邮件管理Skill**：收发邮件、日历管理
+- **日历Skill**：日程安排、会议管理
+- **搜索Skill**：网络搜索、文档检索
+- **代码开发Skill**：代码编写、调试、版本控制
+
+Skills的设计遵循"极简核心+弹性扩展"的原则。用户可以根据自己的需求选择安装哪些Skill，定制出完全符合个人工作流程的智能助手。社区已经贡献了大量实用的Skills，涵盖了从日常办公到专业开发的各个领域。
+
+### 2.5 Memory（记忆）——长期学习的保障
+
+Memory是OpenClaw实现长期记忆的关键组件。传统的AI聊天在会话结束后就会“忘记”一切，而OpenClaw通过多层记忆架构，实现了类似人类的学习和记忆能力。
+
+OpenClaw的记忆系统包含以下几个层次：
+
+**第一层：工作记忆（Working Memory）**。这是Agent在执行当前任务时的短期记忆，存储在内存中，包含当前会话的上下文信息。
+
+**第二层：会话记忆（Session Memory）**。每个会话结束后，相关的重要信息会被保存下来，供下次会话时参考。
+
+**第三层：长期记忆（Long-term Memory）**。经过提炼的重要信息会被存储在长期记忆中，包括用户的偏好、习惯、重要事件等。
+
+**第四层：向量记忆（Vector Memory）**。为了支持语义检索，OpenClaw将重要文档和对话转换为向量存储，支持相似性搜索。
+
+这种多层记忆架构使得OpenClaw能够“记住”用户的偏好、之前讨论过的项目、常用的工作流程等，从而提供更加个性化和连贯的服务。
+
+---
+
+## 三、技术原理深度解析
+
+### 3.1 消息处理流程
+
+一条消息在OpenClaw中的完整执行路径遵循“消息源→协议适配→路由分发→会话构建→Agent执行→响应投递→状态持久化”的清晰流程。这一流程的每一步都经过精心设计，确保系统的稳定性和可靠性。
+
+**协议适配阶段**：OpenClaw支持多种消息协议，包括WhatsApp、Telegram、Slack、飞书、微信等。协议适配器将这些异构平台的消息清洗为标准的`MsgContext`对象，隔离平台差异，提供统一的消息处理接口。
+
+**路由分发阶段**：消息经过`dispatchInboundMessage`统一入口，进行多重处理。首先是去重处理，基于`idempotencyKey`（默认TTL 20分钟）避免重复处理。然后是拦截器处理，执行安全检查、权限验证等。最后是控制命令处理，处理系统级别的指令。
+
+**Agent执行阶段**：这是消息处理的核心。Agent会分析用户意图，分解任务，选择合适的Skills执行，处理执行过程中的各种情况，最后生成响应。
+
+**响应投递阶段**：Agent的响应通过Gateway发送回原始消息渠道。根据用户配置，响应可能是即时推送，也可能累积后批量发送。
+
+**状态持久化阶段**：执行完成后，相关状态会被持久化，包括会话状态、记忆更新、执行日志等。
+
+### 3.2 路由与会话隔离
+
+OpenClaw的路由系统设计精妙，能够根据通道类型决定消息由哪个Agent处理。对于Web内部通道，可以直接指定`sessionKey`（格式如`web:uuid`）；对于外部通道，则需要基于通道的会话标识来实现。
+
+会话隔离是OpenClaw的另一个重要特性。每个会话都有独立的上下文，确保不同会话之间的信息不会混淆。这一设计支持两种典型的使用场景：
+
+**主会话（Main Session）**：用户与AI的一对一对话，可以共享完整的上下文和记忆。
+
+**共享上下文（Shared Context）**：在群聊或多用户环境中，AI可以参与但不会泄露私密信息给其他人。
+
+会话隔离通过以下机制实现：每个会话拥有独立的内存空间、会话历史、状态变量；跨会话的信息共享需要显式配置；敏感信息默认不跨会话传播。
+
+### 3.3 多Agent协作
+
+OpenClaw支持多Agent协作，这是一个强大的特性，允许用户创建多个专业化的Agent，协同完成复杂任务。
+
+多Agent系统的常见架构模式包括：
+
+**Supervisor模式**：中央调度器分配任务给Worker Agents，适合任务明确、流程固定的场景。
+
+**Peer-to-peer模式**：Agent之间平等协作，通过消息传递协调工作，适合去中心化的场景。
+
+**Hierarchical模式**：多层级的Supervisor树，适合大规模、复杂分工的场景。
+
+**Swarm模式**：动态组队，按需加入和退出，适合需要灵活调度的场景。
+
+在OpenClaw中，bindings配置定义了入站消息的路由规则——匹配条件（channel、account、peer等）映射到agentId。用户可以使用`openclaw agents add`创建新Agent，使用`openclaw agents list --bindings`查看路由表。
+
+### 3.4 工具调用机制
+
+OpenClaw的工具调用机制是其执行能力的核心。与传统的Function Calling不同，OpenClaw的工具调用更加灵活和强大。
+
+**动态工具发现**：Agent可以在执行过程中根据需要动态发现和调用工具，而非预先定义好所有可能用到的工具。
+
+**工具链编排**：多个工具可以串联使用，形成工具链。例如：搜索文件 → 读取内容 → 分析处理 → 写入结果。
+
+**错误恢复**：工具执行失败时，Agent可以自动尝试替代方案或进行错误恢复。
+
+**状态管理**：工具调用过程中的状态会被完整记录，支持回溯和调试。
+
+---
+
+## 四、应用场景与实践
+
+### 4.1 邮件与日历管理
+
+这是OpenClaw最受欢迎的应用场景之一。通过配置Gmail API或其他邮件服务，OpenClaw可以：
+
+- 自动检查邮箱，识别重要邮件并摘要
+- 根据用户指令发送邮件
+- 管理日历事件，创建、修改、删除日程
+- 会议前提醒，准备会议资料
+- 自动归类和归档邮件
+
+用户可以使用Himalaya等邮件客户端与OpenClaw集成，实现更加定制化的邮件管理体验。
+
+### 4.2 个人助理与日常事务
+
+OpenClaw可以作为全能的个人助理，处理各种日常事务：
+
+- **信息查询**：天气、新闻、股票、交通等实时信息
+- **日程管理**：创建提醒、管理待办事项
+- **文件处理**：整理文件、批量重命名、归档
+- **数据整理**：表格处理、数据清洗、格式转换
+
+### 4.3 开发工作辅助
+
+对于开发者来说，OpenClaw是强大的编程助手：
+
+- **代码编写**：根据描述生成代码、修复bug
+- **版本控制**：执行Git操作、代码审查
+- **文档生成**：自动生成API文档、注释
+- **测试辅助**：编写测试用例、分析测试覆盖率
+- **项目维护**：依赖更新、安全扫描
+
+### 4.4 自动化工作流
+
+OpenClaw支持创建复杂的自动化工作流：
+
+- **定时任务**：使用Cron配置定时执行的任务
+- **条件触发**：根据特定条件自动执行相应操作
+- **多步骤流程**：编排一系列操作形成完整流程
+- **跨系统集成**：连接多个系统，实现数据流转
+
+### 4.5 研究与学术应用
+
+作为学生用户，LHY可以将OpenClaw应用于学术研究：
+
+- **文献综述**：搜索相关论文、总结要点
+- **数据收集**：批量获取网络数据
+- **实验自动化**：运行实验脚本、整理结果
+- **论文写作**：协助撰写、检查格式
+
+---
+
+## 五、安全考量
+
+### 5.1 权限与隐私
+
+OpenClaw拥有较高的系统权限，可以访问文件、执行命令、管理邮件等敏感操作。因此，使用时需要注意：
+
+**最小权限原则**：只授予完成任务所需的最小权限。
+
+**数据隔离**：敏感信息应该与OpenClaw的工作目录隔离。
+
+**访问审计**：定期检查OpenClaw的操作日志，确保无异常行为。
+
+**本地优先**：尽量使用本地部署而非云端服务，保护数据隐私。
+
+### 5.2 安全事件回顾
+
+2026年2月，Cisco的AI安全研究团队测试了一个第三方OpenClaw技能，发现该技能在用户不知情的情况下执行了数据外传和提示注入攻击。这一事件提醒我们：
+
+**技能来源需谨慎**：只安装来自可信来源的Skills。
+
+**权限审查**：安装新Skill时仔细审查其请求的权限。
+
+**持续监控**：关注社区的安全公告，及时更新。
+
+### 5.3 安全最佳实践
+
+为了安全使用OpenClaw，建议遵循以下实践：
+
+1. **定期更新**：保持OpenClaw和Skills到最新版本
+2. **网络隔离**：在安全的网络环境中运行
+3. **日志监控**：定期检查操作日志
+4. **备份重要数据**：防止误操作导致数据丢失
+5. **了解边界**：明确哪些操作不应该交给OpenClaw
+
+---
+
+## 六、社区与生态
+
+### 6.1 开发者社区
+
+OpenClaw拥有一个活跃的开发者社区。截至2026年2月，社区已有：
+
+- **378位贡献者**：来自全球的开发者为项目贡献代码
+- **8900+开发者**：围绕OpenClaw构建应用和技能
+- **GitHub 160K+ stars**：表明项目的高度受欢迎
+
+社区通过GitHub Issues、Discord讨论区、Telegram群组等方式交流。用户可以在这些平台获取帮助、分享经验、贡献代码。
+
+### 6.2 技能市场
+
+OpenClaw的Skills生态是其核心优势之一。社区已经开发了大量实用的Skills：
+
+- ** productivity** 系列：邮件、日历、任务管理
+- ** development** 系列：代码开发、调试、部署
+- ** research** 系列：学术搜索、数据收集
+- ** automation** 系列：工作流自动化
+
+用户可以根据需求选择安装，也可以自己开发新的Skill贡献给社区。
+
+### 6.3 官方资源
+
+OpenClaw提供了丰富的官方资源帮助用户入门：
+
+- **官方文档**：详细的安装、配置、使用指南
+- **示例项目**：展示各种应用场景的实现
+- **视频教程**：直观的操作演示
+- **博客文章**：深度技术解析和应用分享
+
+---
+
+## 七、优势与局限
+
+### 7.1 主要优势
+
+OpenClaw相比其他AI Agent框架具有以下优势：
+
+**本地部署**：数据保留在本地，隐私可控，不依赖云端服务。
+
+**持续运行**：7×24小时待命，随时响应任务。
+
+**长期记忆**：记住用户偏好，提供个性化服务。
+
+**高度可扩展**：通过Skills系统灵活扩展功能。
+
+**多平台支持**：支持各种通讯平台，方便集成到现有工作流。
+
+**开源透明**：代码公开，用户可以审查和定制。
+
+### 7.2 当前局限
+
+与此同时，OpenClaw也存在一些局限性：
+
+**配置复杂度**：对普通用户来说，初始配置仍有一定门槛。
+
+**技能质量不一**：第三方Skills的质量参差不齐，需要用户自行判断。
+
+**安全风险**：高权限意味着高风险，需要用户具备安全意识。
+
+**平台限制**：部分平台（如微信）支持有限。
+
+**性能依赖**：任务执行速度依赖于API响应时间和本地硬件。
+
+### 7.3 未来展望
+
+展望未来，OpenClaw的发展方向可能包括：
+
+- 更智能的Agent决策机制
+- 更丰富的本地模型支持
+- 更完善的安全机制
+- 更丰富的技能市场
+- 更好的多语言支持
+
+---
+
+## 八、总结
+
+OpenClaw代表了AI Agent领域的重要进展。它不仅仅是一个工具，而是一个完整的个人AI基础设施。通过将大模型的智能与本地执行能力结合，OpenClaw实现了从“回答问题”到“解决问题”的跨越。
+
+对于像LHY这样的学生用户来说，OpenClaw可以作为强大的学习和工作助手。无论是学术研究、代码开发，还是日常事务管理，OpenClaw都能提供有力的支持。同时，通过深入了解其架构和原理，也能学习到现代AI系统的设计思路，为未来的职业发展积累宝贵经验。
+
+当然，使用OpenClaw也需要注意安全边界，了解其局限性，合理地将其融入到工作学习中。随着技术的不断进步和社区的持续发展，OpenClaw将会变得更加强大和易用，为更多用户带来AI时代的生产力提升。
+
+---
+
+*本文档基于截至2026年3月的公开信息编写，部分内容可能随项目发展而变化。*