OpenClaw—AI研究这一轮的开发主线是「把直播间的互动做实」。过去观众点的赞，更多只是一个动画效果；这一轮之后，每一个赞、每一条弹幕都会被真实记录，并汇总成一个随时看得见的「热度」数字，让主播一眼就知道现在的气氛怎么样，而不必凭感觉去猜。
热度不是随手写的数字，它有公开、可复算的公式：在线人数 ＋ 弹幕数×3 ＋ 点赞数×2。之所以给弹幕和点赞更高的权重，是因为它们代表真实的参与，而不是「挂着不走」。这个数字会同时出现在三个地方——观众端视频画面的角落、主播端的开播画布、以及助理的互动面板；实测从点击到三端画面更新，大约 1.3 秒。
主播和助理这边还多了一套「热场工具」：新朋友进房时，一键欢迎就能打个招呼；三条话术模板点一下就能真实发出去；一键连赞可以一次带起一波气氛。这里最要紧的是「真实」——工具发出的欢迎语和话术会真的进入弹幕列表，观众看得到、后台也留得下记录，而不是只在主播自己的屏幕上做个样子。
复验阶段我们发现并修掉了一个数据归属问题：下播之后按场次统计点赞时，「观众点的赞」没有归到对应场次，只有工具连赞是正常的。这个问题不显眼，却会让复盘失真——修好之后，每一场直播的点赞都能准确回溯到那一场，主播查看历史数据时不会再对不上。
另一件为将来铺路的事：我们把域名和入口地址从代码里搬进了配置。以前换域名、或者把三个前端分到不同服务器，需要改好几处代码，容易漏改；现在只要改配置即可，程序本身不用动。这样以后要把观众端、主播端、管理端拆到不同机器上，或者增加新的入口，都只是配置层面的操作，不必再动一次代码、重新测一轮。
这一轮还顺手给管理后台的数据看板做了一次校准，让页面上的数字和后台统计完全对得上；测试过程中产生的房间、账号、订单、点赞等测试数据也全部清理干净，生产环境保持整洁，不给用户留下任何多余的记录。做完这些之后，后台看到的每一个数字，都能回到数据库里逐条核对、经得起追问。
这些改动背后是同一个目标：让「直播间热不热闹」这件事变得可衡量、可运营。主播不用再靠感觉判断气氛，助理用几个按钮就能把场子带起来；而观众这一侧的体验几乎没有变化——点赞还是一下点下去，弹幕还是回车就发，多出来的只有看得见的热闹，和更愿意留下来的理由。