OpenClaw最新上线的Peekaboo v3，本质上是一套 AI “视觉感知”能力扩展。它由OpenClaw社区开发者与自动化生态贡献者共同推进，核心目标是让 AI Agent 不再只依赖文字，而是能够真正“看见屏幕”“理解界面”“分析截图”。

一、Peekaboo v3是什么？

Peekaboo v3 并不是单独某一个商业产品，而是由 OpenClaw 社区开发者与 AI Agent 自动化方向贡献者持续推进的视觉模块项目。它的核心思路其实很明确：让 AI Agent 拥有“视觉能力”。此前很多 AI Agent 最大的问题在于：

  • 会推理

  • 会聊天

  • 会调用工具

但不会：

  • 看电脑屏幕

  • 理解GUI界面

  • 判断按钮位置

  • 分析应用窗口

而 Peekaboo v3 的目标，就是补齐这一块。

Peekaboo v3是什么

图源：36氪

二、Peekaboo v3 到底是什么？

简单理解：Peekaboo v3 = OpenClaw 的“视觉层”。它可以让 AI：

  • 查看当前屏幕

  • 读取窗口内容

  • 分析截图

  • 判断界面状态

  • 理解软件布局

这也是为什么现在很多开发者开始把 Peekaboo 称为：“AI Agent 的眼睛”。与传统OCR相比，Peekaboo 更偏向：

  • AI视觉理解

  • GUI分析

  • 上下文判断

而不仅仅是简单识别文字。

三、Peekaboo v3有哪些重点能力？

1、屏幕捕获能力

Peekaboo v3 可以直接读取：

  • 当前桌面

  • 指定窗口

  • 软件界面

  • 浏览器页面

然后交给视觉模型进行分析。

2、视觉问答（Vision QA）

这是目前社区热度最高的功能之一。例如：

  • “当前窗口报了什么错？”

  • “网页按钮在哪？”

  • “这个界面应该点击哪里？”

AI 都可以基于截图进行判断。

Peekaboo v3有哪些重点能力

图源：GitHub

3、GUI界面理解

Peekaboo v3 的重点并不是“截图”。而是AI理解GUI。例如：

  • 判断按钮位置

  • 识别菜单栏

  • 理解软件状态

  • 分析窗口层级

这也是 AI 自动操作电脑的重要基础。

4、MCP Server 支持

Peekaboo v3 目前已经支持：

  • CLI

  • MCP Server

这意味着它不仅能单独运行，还能：

  • 接入 OpenClaw

  • 加入 Agent 工作流

  • 结合 Skill 系统使用

四、运用Peekaboo v3

Peekaboo v3本身涉及MCP、Vision模型、Skill依赖和Agent配置，如果完全手动部署，其实对新手并不友好。因此建议大家可以借助“OpenClaw部署助手”来完成配置。尤其是在安装 Peekaboo Skill 的时候，会比传统命令行简单很多。操作步骤：

下载OpenClaw部署助手

1、打开OpenClaw部署助手，完成环境部署。

部署OpenClaw

2、点击左侧“Skill市场”，进入后可以看到海量的Skill。

3、点击搜索Peekaboo，即可找到对应视觉 Skill。

搜索Peekaboo

4、点击后即可进入详情页，再点击“安装”按钮即可。

安装Peekaboo

5、安装完成后，回到首页，点击“打开聊天”，在“技能”一栏可以看到Peekaboo已开启。

开启Peekaboo

6、这时你就可以开始进行视觉问答了。

五、常见问题解答

Q：Peekaboo v3相比v2最明显的变化是什么？

Peekaboo v3最核心的变化是技能系统重构与任务调度优化。相比v2版本，v3在模块化能力、并行执行效率以及扩展接口统一性方面都有明显提升，使整体运行更加稳定且易扩展。

Q：升级到Peekaboo v3是否需要重新部署环境？

一般情况下需要进行环境适配或重新部署依赖，但如果使用OpenClaw部署助手，可以通过“一键部署”功能自动完成大部分配置，无需手动处理复杂依赖关系。

Q：Peekaboo v3是否支持扩展自定义技能？

支持。v3版本强化了扩展接口标准化能力，允许开发者通过统一API结构接入自定义技能模块，实现功能扩展与组合调用。

Peekaboo v3 的上线，其实代表着 OpenClaw 正在从传统 AI 助手，逐渐进化为真正具备视觉理解能力的 AI Agent 平台。未来很多网页操作、软件控制甚至桌面自动化任务，都可能逐渐交给 AI 完成。而对于普通用户来说，如果不想从命令行开始研究复杂环境，通过OpenClaw部署助手安装Peekaboo Skill，会是目前体验视觉 Agent 能力更简单直接的方式。