Skills-Workshop

Skill Workshop ist der kontrollierte Weg von OpenClaw zum Erstellen und Aktualisieren von Skills im Workspace. Agenten und Operatoren schreiben über diesen Weg niemals SKILL.md direkt – sie erstellen einen Vorschlag (einen ausstehenden Entwurf mit Inhalt, Zielbindung, Scannerstatus, Hashes und Metadaten für die Wiederherstellung), der erst beim Anwenden zu einem aktiven Skill wird.

Skill Workshop schreibt ausschließlich Skills im Workspace. Gebündelte, Plugin-, ClawHub-, Extra-Root-, verwaltete, persönliche Agenten- oder System-Skills werden niemals verändert.

Funktionsweise

• Zuerst der Vorschlag: Generierte Inhalte werden als PROPOSAL.md gespeichert, nicht als SKILL.md.
• Nur das Anwenden schreibt aktive Daten: Erstellen, Aktualisieren und Überarbeiten ändern niemals aktive Skills.
• Auf den Workspace beschränkt: Erstellungen zielen auf das Workspace-Stammverzeichnis skills/; Aktualisierungen sind nur für beschreibbare Workspace-Skills zulässig.
• Kein Überschreiben: Die Erstellung schlägt fehl, wenn der Ziel-Skill bereits vorhanden ist.
• An den Hash gebunden: Aktualisierungsvorschläge werden an den aktuellen Ziel-Hash gebunden und erhalten den Status stale, wenn sich der aktive Skill vor dem Anwenden ändert.
• Vom Scanner freigegeben: Vor dem Schreiben führt das Anwenden den Sicherheitsscanner erneut aus.
• Wiederherstellbar: Vor jeder Änderung aktiver Dateien schreibt das Anwenden Metadaten für die Wiederherstellung.
• Einheitliche Oberflächen: Chat, CLI und Gateway verwenden denselben Dienst.

Lebenszyklus

erstellen/aktualisieren -> ausstehendüberarbeiten            -> ausstehendanwenden                 -> angewendetablehnen                 -> abgelehntunter Quarantäne stellen -> unter QuarantäneZieländerung             -> veraltet

Nur ein Vorschlag mit dem Status pending kann überarbeitet, angewendet, abgelehnt oder unter Quarantäne gestellt werden.

Lebenszyklus-Kuratierung

Das Gateway erfasst die aggregierte Skill-Nutzung in der gemeinsamen Statusdatenbank. Einmal täglich überprüft es Skills, die von Skill Workshop erstellt und angewendet wurden. Skills, die länger als 30 Tage nicht verwendet wurden, erhalten den Status stale; nach 90 Tagen erhalten sie den Status archived und werden nicht in neue Skill-Snapshots von Agenten aufgenommen. Archivierte Skill-Dateien bleiben auf dem Datenträger unverändert. Manuell erstellte Skills werden niemals kuratiert; nur durch Skill-Workshop-Vorschläge erstellte Skills werden in die Lebenszyklus-Kuratierung aufgenommen.

Angeheftete Skills umgehen Lebenszyklusübergänge. Ein veralteter Skill kehrt zu active zurück, nachdem er verwendet wurde und der nächste Durchlauf erfolgt ist. Archivierte Skills kehren nur durch eine explizite Wiederherstellung zurück:

Lebenszyklusübergänge und Wiederherstellungen gelten für neue Sitzungen; laufende Sitzungen behalten ihren aktuellen Skill-Snapshot.

openclaw skills curator statusopenclaw skills curator pin <skill>openclaw skills curator unpin <skill>openclaw skills curator restore <skill>

Alle Kuratorbefehle akzeptieren --json. Der Status meldet außerdem deterministische Überschneidungskandidaten ausschließlich als Vorschläge; er führt niemals Skills zusammen und ruft kein Modell auf.

Chat

Bitten Sie den Agenten um den gewünschten Skill; er ruft skill_workshop auf und gibt eine Vorschlags-ID zurück.

Aus kürzlich ausgeführten Arbeiten lernen

Verwenden Sie /learn, um die aktuelle Unterhaltung oder benannte Quellen in einen von Standards geleiteten Skill-Vorschlag umzuwandeln:

/learn/learn docs/runbook.md und https://example.com/guide; Schwerpunkt auf Wiederherstellung

Ohne Anfrage weist /learn den Agenten an, den wiederverwendbaren Arbeitsablauf aus der aktuellen Unterhaltung herauszuarbeiten. Mit einer Anfrage behandelt der Agent Pfade, URLs, eingefügte Notizen und Verweise auf Unterhaltungen als Quellen und berücksichtigt dabei Anforderungen an Schwerpunkt, Umfang und Benennung. Er sammelt die Quellen mit seinen vorhandenen Tools und ruft anschließend skill_workshop mit action: "create" auf.

Der resultierende Vorschlag bleibt pending; /learn wendet ihn niemals an. Prüfen und wenden Sie ihn über den normalen Genehmigungsablauf oder mit openclaw skills workshop an.

Erstellen:

Erstellen Sie einen Skill namens morning-catchup, der meine montägliche Posteingangsroutine ausführt.

Einen vorhandenen Workspace-Skill aktualisieren:

Aktualisieren Sie trip-planning, sodass vor der Buchung auch Sitzpläne geprüft werden.

Einen ausstehenden Vorschlag iterativ bearbeiten:

Zeigen Sie mir den Vorschlag morning-catchup.Überarbeiten Sie ihn so, dass auch alles als dringend Markierte hervorgehoben wird.Wenden Sie den Vorschlag morning-catchup an.

Vom Agenten initiierte Aktionen apply, reject und quarantine werden standardmäßig ohne zusätzliche Genehmigungsaufforderung ausgeführt. Setzen Sie skills.workshop.approvalPolicy auf "pending", damit vor diesen Aktionen eine Genehmigung durch den Operator erforderlich ist.

Wenn eine Genehmigung erforderlich ist, nennt die Aufforderung die Vorschlags-ID und den Ziel-Skill und zeigt die Vorschlagsbeschreibung, die Anzahl der Unterstützungsdateien und die Größe des Haupttexts. Genehmigungsanfragen sind so begrenzt, dass sie vor dem Watchdog des Agenten-Tools abgeschlossen werden. Wenn vor Ablauf der Aufforderung keine Entscheidung eingeht, wird die Lebenszyklusaktion nicht ausgeführt: Der Vorschlag bleibt ausstehend und unverändert. Entscheiden Sie später in der Skill-Workshop-Benutzeroberfläche oder führen Sie openclaw skills workshop apply|reject|quarantine <proposal-id> aus. Agenten sollten eine abgelaufene Lebenszyklusaktion nicht in einer Schleife erneut versuchen.

CLI

# Erstellenopenclaw skills workshop propose-create \  --name morning-catchup \  --description "Tägliche Posteingangsaufarbeitung: sichten, archivieren, hervorheben, entwerfen, planen" \  --proposal ./PROPOSAL.md # Einen vorhandenen Workspace-Skill aktualisierenopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Auflisten und prüfenopenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Vor der Genehmigung überarbeitenopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Abschließenopenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplikat"openclaw skills workshop quarantine <proposal-id> --reason "Sicherheitsüberprüfung erforderlich"

Jeder Unterbefehl akzeptiert --agent <id> (Ziel-Workspace; standardmäßig aus dem aktuellen Arbeitsverzeichnis abgeleitet, anschließend der Standardagent) und --json (strukturierte Ausgabe). propose-create, propose-update und revise akzeptieren außerdem --goal <text> und --evidence <text>, um den Vorschlagskontext zusammen mit --proposal zu erfassen.

Vorschlagsinhalt

Solange der Vorschlag aussteht, wird er als PROPOSAL.md mit ausschließlich für Vorschläge vorgesehenem Frontmatter gespeichert:

---name: "morning-catchup"description: "Tägliche Posteingangsaufarbeitung: sichten, archivieren, hervorheben, entwerfen, planen"status: proposalversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Beim Anwenden schreibt Skill Workshop die aktive Datei SKILL.md und entfernt die ausschließlich für Vorschläge vorgesehenen Felder: status, Vorschlags-version und Vorschlags-date.

Unterstützungsdateien

Verwenden Sie --proposal-dir, wenn der vorgeschlagene Skill Dateien neben PROPOSAL.md benötigt:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Freitagsabschluss: Statistiken, Höhepunkte, die drei wichtigsten Punkte der nächsten Woche" \  --proposal-dir ./weekly-update-proposal

Das Verzeichnis muss PROPOSAL.md enthalten. Unterstützungsdateien müssen unter assets/, examples/, references/, scripts/ oder templates/ liegen. Skill Workshop scannt, hasht und speichert sie mit dem Vorschlag und schreibt sie erst beim Anwenden neben die aktive Datei SKILL.md.

Abgelehnte Pfade für Unterstützungsdateien: absolute Pfade, ausgeblendete Pfadsegmente, Pfadtraversierung, sich überschneidende Pfade, ausführbare Dateien, Text ohne UTF-8-Kodierung, Nullbytes und Pfade außerhalb der Standard-Unterstützungsordner.

Agenten-Tool

Das Modell verwendet skill_workshop mit einer erforderlichen Angabe action: create | update | revise | list | inspect | apply | reject | quarantine. Weitere Parameter gelten abhängig von der Aktion:

Agenten müssen skill_workshop für generierte Skill-Arbeiten verwenden. Sie dürfen Vorschlagsdateien nicht über write, edit, exec, Shell-Befehle oder direkte Dateisystemoperationen erstellen oder ändern.

Vorgeschlagene Skills

OpenClaw erkennt dauerhafte Anweisungen wie „beim nächsten Mal“, „merken Sie sich“ und reaktive Korrekturen, wenn eine interaktive Runde endet, einschließlich fehlgeschlagener Runden. In der nächsten Runde bietet der Agent an, den zuletzt erkannten Arbeitsablauf über skill_workshop zu speichern; der Benutzer entscheidet, ob ein Vorschlag erstellt werden soll. Dieser integrierte Vorschlag erstellt oder ändert nicht selbstständig einen Skill. Aktivieren Sie skills.workshop.autonomous.enabled, um stattdessen direkt ausstehende Vorschläge zu erstellen. In der Control UI bietet die Registerkarte „Workshop“ dieselbe Einstellung als Umschalter Selbstlernen in der Kopfzeile der Seite und als Aktivierungsschaltfläche auf der leeren Vorschlagstafel an.

Frühere Sitzungen durchsuchen

Die Control UI kann ältere Arbeiten überprüfen, ohne autonomes Selbstlernen zu aktivieren. Öffnen Sie Plugins → Workshop und wählen Sie Skill-Ideen finden. Der Scan beginnt mit den neuesten geeigneten Sitzungen und überprüft ein begrenztes Zeitfenster umfangreicher Arbeiten. Cron-, Heartbeat-, Hook-, Subagenten-, ACP-, Plugin-eigene und interne Überprüfungssitzungen sowie Unterhaltungen mit weniger als sechs Modellrunden werden übersprungen.

Der Prüfer verwendet das konfigurierte Modell des ausgewählten Agenten und erhält ein um Geheimnisse bereinigtes und größenbegrenztes Transkriptpaket. Er wendet denselben konservativen Maßstab wie die Erfahrungsprüfung an: ein konkretes Wiederherstellungsmuster oder ein stabiles Verfahren, das mindestens zwei zukünftige Modell- oder Tool-Aufrufe einsparen würde. Routinearbeiten und einmalige Fakten sollten keinen Vorschlag hervorbringen.

Ein Scan kann höchstens drei ausstehende Vorschläge erstellen oder überarbeiten. Er kann keinen aktiven Skill anwenden, ablehnen, unter Quarantäne stellen oder bearbeiten. Der Workshop zeigt die kumulative Abdeckung an, beispielsweise 20 Sitzungen überprüft · 18. Juni–heute · 2 Ideen gefunden. Wählen Sie Frühere Arbeiten scannen, um ab dem gespeicherten Cursor der ältesten Sitzung fortzufahren. Nachdem der verfügbare Verlauf vollständig durchsucht wurde, wird die Aktion zu Neue Arbeiten scannen.

Historische Überprüfungen erfolgen manuell, selbst wenn skills.workshop.autonomous.enabled den Wert false hat. Jeder Klick startet einen Modelldurchlauf, daher gelten die Preisgestaltung und die Datenverarbeitungsbedingungen des Providers. Der Cursor und die Abdeckungszahlen werden in der gemeinsam genutzten OpenClaw-Zustandsdatenbank gespeichert; Transkriptinhalte werden nicht in den Scanstatus kopiert.

Wenn die autonome Erfassung aktiviert ist, kann OpenClaw außerdem nach erfolgreicher, umfangreicher Arbeit und nachdem das gesamte Agentensystem inaktiv geworden ist, eine konservative Überprüfung durchführen. Diese isolierte Überprüfung kann höchstens einen ausstehenden Vorschlag erstellen oder überarbeiten. Sie kann weder ein aktives Skill aktualisieren noch einen Vorschlag anwenden, ablehnen oder unter Quarantäne stellen, selbst wenn approvalPolicy den Wert "auto" hat.

Details zur Aktivierung, Eignung, zum Datenschutz und zu den Kosten, zum Schwellenwert für Vorschläge sowie zur Fehlerbehebung finden Sie unter Selbstlernen.

Genehmigung und Autonomie

{  skills: {    workshop: {      autonomous: {        enabled: false,      },      allowSymlinkTargetWrites: false,      approvalPolicy: "auto",      maxPending: 50,      maxSkillBytes: 40000,    },  },}

Die autonome Erfassung erkennt vorausschauende Regeln (zum Beispiel „von nun an“) und reaktive Korrekturen (zum Beispiel „das ist nicht das, worum ich gebeten habe“). Sie gruppiert neue Anweisungen nach Thema in bis zu drei Vorschläge pro Durchlauf, leitet Übereinstimmungen im Vokabular an vorhandene beschreibbare Workspace-Skills weiter und überarbeitet ihren eigenen ausstehenden Vorschlag, wenn eine weitere Korrektur dasselbe Skill betrifft.

Bei erfolgreicher umfangreicher Arbeit ohne ausdrückliche Korrektur entscheidet ein isolierter Durchlauf des ausgewählten Modells, ob der abgeschlossene Verlauf die konservative Schwelle für Vorschläge überschreitet. Das Vordergrundmodell wird vor seiner Antwort nicht zum Lernen aufgefordert. Der Hintergrundprüfer bewahrt den Vordergrunddurchlauf als Herkunftsnachweis des Vorschlags auf, kann nicht auf allgemeine Agentenwerkzeuge zugreifen und keine Entscheidungen über den Lebenszyklus treffen. Die Überprüfung beginnt erst, wenn die Vordergrundlaufzeit sowohl ihr exakt aufgelöstes Modell meldet als auch bestätigt, dass skill_workshop tatsächlich verfügbar war. Eine restriktive oder unbekannte Werkzeugrichtlinie schlägt daher sicherheitsgerichtet fehl und erstellt keinen Vorschlag.

Das vollständige autonome Überprüfungsverhalten und Sicherheitsmodell finden Sie unter Selbstlernen.

Vorschlagsbeschreibungen sind unabhängig von maxSkillBytes stets auf 160 Byte begrenzt.

Gateway-Methoden

requestRevision ist ausschließlich über den Gateway verfügbar (ohne entsprechendes CLI- oder Agentenwerkzeug): Die Methode leitet Freitextanweisungen zur Überarbeitung an die Chatsitzung des zuständigen Agenten weiter, anstatt PROPOSAL.md direkt zu ersetzen. Dies ist für Benutzeroberflächen vorgesehen, die den Agenten zu einer Überarbeitung auffordern, statt wörtlich neue Inhalte einzureichen.

historyStatus und historyScan sind Unterstützungsmethoden für die Control UI. historyScan akzeptiert direction: "older" | "newer"; die Ergebnisse bleiben dabei immer als ausstehende Vorschläge erhalten.

Speicherung

&lt;OPENCLAW_STATE_DIR&gt;/skill-workshop/  proposals.json  proposals/<proposal-id>/    proposal.json    PROPOSAL.md    rollback.json    assets/    examples/    references/    scripts/    templates/

Standardmäßiges Zustandsverzeichnis: ~/.openclaw.

• proposal.json: kanonischer Vorschlagsdatensatz.
• proposals.json: schneller Auflistungsindex, der aus Vorschlagsordnern neu erstellt werden kann.
• PROPOSAL.md: ausstehender Skill-Vorschlag.
• rollback.json: Wiederherstellungsmetadaten, die geschrieben werden, bevor die Anwendung aktive Dateien ändert.

Grenzwerte

Fehlerbehebung

Diagnose der Werkzeugrichtlinie

Wenn die autonome Erfassung aktiviert ist, führt openclaw doctor die Prüfung core/doctor/skill-workshop-tool-policy für den Standardagenten aus. Wenn die Richtlinie skill_workshop ausblendet, nennt die Warnung die erste ausschließende Konfigurationsebene und die exakte erforderliche Änderung an allow oder alsoAllow. Ältere Betriebsanleitungen verwenden möglicherweise noch openclaw plugins inspect skill-workshop; dieser Befehl erklärt nun, dass Skill Workshop integriert ist, und gibt gegebenenfalls denselben Richtlinienhinweis aus.

Verwandte Themen

• Skills für Ladereihenfolge, Vorrang und Sichtbarkeit
• Selbstlernen für konservative Skill-Vorschläge nach einem Durchlauf
• Skills erstellen für die Grundlagen handgeschriebener SKILL.md
• Skills-Konfiguration für das vollständige skills.workshop-Schema
• Skills-CLI für openclaw skills-Befehle