Skillworkshop

Skill Workshop is het beheerde traject van OpenClaw voor het maken en bijwerken van workspace- skills. Agents en operators schrijven via dit traject nooit rechtstreeks naar SKILL.md — ze maken een voorstel (concept in afwachting met inhoud, doelbinding, scannerstatus, hashes en rollbackmetadata) dat pas een actieve skill wordt wanneer het wordt toegepast.

Skill Workshop schrijft uitsluitend workspace-skills. Het wijzigt nooit gebundelde, Plugin-, ClawHub-, extra-root-, beheerde, persoonlijke-agent- of systeemskills.

Hoe het werkt

• Eerst een voorstel: gegenereerde inhoud wordt opgeslagen als PROPOSAL.md, niet als SKILL.md.
• Toepassen is de enige actieve schrijfbewerking: maken, bijwerken en herzien wijzigen actieve skills nooit.
• Beperkt tot de workspace: nieuwe skills richten zich op de skills/-root van de workspace; updates zijn alleen toegestaan voor beschrijfbare workspace-skills.
• Niet overschrijven: maken mislukt als de doelskill al bestaat.
• Aan hash gebonden: updatevoorstellen worden aan de huidige doelhash gebonden en worden stale als de actieve skill vóór het toepassen verandert.
• Afgeschermd door scanner: vóór het schrijven voert toepassen de beveiligingsscanner opnieuw uit.
• Herstelbaar: toepassen schrijft rollbackmetadata voordat actieve bestanden worden gewijzigd.
• Consistente interfaces: chat, CLI en Gateway roepen allemaal dezelfde service aan.

Levenscyclus

maken/bijwerken -> in afwachtingherzien          -> in afwachtingtoepassen        -> toegepastafwijzen         -> afgewezenin quarantaine   -> in quarantainedoelwijziging    -> verouderd

Alleen een pending voorstel kan worden herzien, toegepast, afgewezen of in quarantaine geplaatst.

Beheer van de levenscyclus

De Gateway houdt het totale skillgebruik bij in de gedeelde statusdatabase. Eén keer per dag beoordeelt deze skills die door Skill Workshop zijn gemaakt en toegepast. Skills die langer dan 30 dagen niet zijn gebruikt, worden stale; na 90 dagen worden ze archived en worden ze niet opgenomen in nieuwe skillsnapshots van agents. Gearchiveerde skillbestanden blijven ongewijzigd op schijf staan. Handmatig gemaakte skills worden nooit beheerd; alleen skills die via voorstellen van Skill Workshop zijn gemaakt, vallen onder levenscyclusbeheer.

Vastgezette skills omzeilen levenscyclusovergangen. Een verouderde skill keert terug naar active nadat deze is gebruikt en de volgende controle wordt uitgevoerd. Gearchiveerde skills keren alleen terug via expliciet herstel:

Levenscyclusovergangen en herstelbewerkingen gelden voor nieuwe sessies; actieve sessies behouden hun huidige skillsnapshot.

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

Alle curatoropdrachten accepteren --json. De status meldt ook deterministische overlapkandidaten, uitsluitend als suggesties; deze voegt nooit skills samen en roept geen model aan.

Chat

Vraag de agent om de gewenste skill; deze roept skill_workshop aan en retourneert een voorstel-id.

Leren van recent werk

Gebruik /learn om de huidige conversatie of genoemde bronnen om te zetten in één door standaarden geleid skillvoorstel:

/learn/learn docs/runbook.md en https://example.com/guide; richt je op herstel

Zonder verzoek vraagt /learn de agent om de herbruikbare workflow uit de huidige conversatie te destilleren. Met een verzoek behandelt de agent paden, URL's, geplakte notities en verwijzingen naar conversaties als bronnen, met inachtneming van vereisten voor focus, bereik en naamgeving. De agent verzamelt de bronnen met zijn bestaande tools en roept vervolgens skill_workshop aan met action: "create".

Het resulterende voorstel blijft pending; /learn past het nooit toe. Beoordeel en pas het toe via de normale goedkeuringsstroom of met openclaw skills workshop.

Maken:

Maak een skill met de naam morning-catchup die mijn inboxroutine op maandag uitvoert.

Een bestaande workspace-skill bijwerken:

Werk trip-planning bij zodat ook stoelplattegronden worden gecontroleerd vóór het boeken.

Een voorstel in afwachting verder uitwerken:

Toon me het voorstel morning-catchup.Herzie het zodat ook alles wordt gemarkeerd dat als urgent is aangeduid.Pas het voorstel morning-catchup toe.

Door agents geïnitieerde apply, reject en quarantine worden standaard zonder een aanvullende goedkeuringsvraag uitgevoerd. Stel skills.workshop.approvalPolicy in op "pending" om goedkeuring door een operator te vereisen vóór deze acties.

Wanneer goedkeuring vereist is, vermeldt de vraag het voorstel-id en de doelskill en toont deze de beschrijving van het voorstel, het aantal ondersteuningsbestanden en de omvang van de hoofdtekst. Goedkeuringsverzoeken zijn begrensd zodat ze worden afgerond voordat de watchdog van de agenttool ingrijpt. Als er geen beslissing binnenkomt voordat de vraag verloopt, wordt de levenscyclusactie niet uitgevoerd: het voorstel blijft in afwachting en ongewijzigd. Beslis later in de Skill Workshop-UI of voer openclaw skills workshop apply|reject|quarantine <proposal-id> uit. Agents mogen een verlopen levenscyclusactie niet herhaaldelijk opnieuw proberen.

CLI

# Makenopenclaw skills workshop propose-create \  --name morning-catchup \  --description "Dagelijks de inbox bijwerken: triëren, archiveren, uitlichten, concepten maken, plannen" \  --proposal ./PROPOSAL.md # Een bestaande workspace-skill bijwerkenopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Weergeven en inspecterenopenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Herzien vóór goedkeuringopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Afrondenopenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplicaat"openclaw skills workshop quarantine <proposal-id> --reason "Beveiligingscontrole vereist"

Elke subopdracht accepteert --agent <id> (doelworkspace; standaard afgeleid van de huidige werkmap en daarna van de standaardagent) en --json (gestructureerde uitvoer). propose-create, propose-update en revise accepteren ook --goal <text> en --evidence <text> om de context van het voorstel naast --proposal vast te leggen.

Inhoud van voorstellen

Zolang het voorstel in afwachting is, wordt het opgeslagen als PROPOSAL.md met uitsluitend voor voorstellen bestemde frontmatter:

---name: "morning-catchup"description: "Dagelijks de inbox bijwerken: triëren, archiveren, uitlichten, concepten maken, plannen"status: voorstelversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Bij het toepassen schrijft Skill Workshop de actieve SKILL.md en verwijdert het de uitsluitend voor voorstellen bestemde velden: status, voorstel-version en voorstel-date.

Ondersteuningsbestanden

Gebruik --proposal-dir wanneer de voorgestelde skill bestanden naast PROPOSAL.md nodig heeft:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Vrijdagse afsluiting: statistieken, hoogtepunten, de drie belangrijkste punten van volgende week" \  --proposal-dir ./weekly-update-proposal

De map moet PROPOSAL.md bevatten. Ondersteuningsbestanden moeten zich bevinden onder assets/, examples/, references/, scripts/ of templates/. Skill Workshop scant, hasht en bewaart ze samen met het voorstel en schrijft ze pas bij het toepassen naast de actieve SKILL.md.

Geweigerde paden van ondersteuningsbestanden: absolute paden, verborgen padsegmenten, padtraversal, overlappende paden, uitvoerbare bestanden, tekst die niet UTF-8 is, nullbytes en paden buiten de standaardmappen voor ondersteuningsbestanden.

Agenttool

Het model gebruikt skill_workshop met één verplichte action: create | update | revise | list | inspect | apply | reject | quarantine. Andere parameters zijn afhankelijk van de actie:

Agents moeten skill_workshop gebruiken voor gegenereerd skillwerk. Ze mogen geen voorstelbestanden maken of wijzigen via write, edit, exec, shell- opdrachten of rechtstreekse bestandssysteembewerkingen.

Voorgestelde skills

OpenClaw detecteert duurzame instructies zoals „de volgende keer”, „onthoud dat” en reactieve correcties wanneer een interactieve beurt eindigt, ook bij mislukte beurten. Tijdens de volgende beurt biedt de agent aan om de meest recent gedetecteerde workflow via skill_workshop op te slaan; de gebruiker beslist of er een voorstel wordt gemaakt. Deze ingebouwde suggestie maakt of wijzigt zelf geen skill. Schakel skills.workshop.autonomous.enabled in om in plaats daarvan rechtstreeks voorstellen in afwachting te maken. In de Control UI biedt het tabblad Workshop dezelfde instelling als de schakelaar Zelflerend in de paginakop en als inschakelknop op het lege voorstelbord.

Eerdere sessies scannen

De Control UI kan ouder werk beoordelen zonder autonoom zelfleren in te schakelen. Open Plugins → Workshop en selecteer Skillideeën zoeken. De scan begint met de nieuwste geschikte sessies en beoordeelt een begrensd venster met substantieel werk. Cron-, Heartbeat-, hook-, subagent-, ACP-, Plugin-eigen en interne beoordelingssessies worden overgeslagen, evenals conversaties met minder dan zes modelbeurten.

De beoordelaar gebruikt het geconfigureerde model van de geselecteerde agent en ontvangt een op geheimen geschoonde transcriptbundel met begrensde omvang. Dezelfde voorzichtige maatstaf als bij ervaringsbeoordeling wordt toegepast: een concreet herstelpatroon of een stabiele procedure die minstens twee toekomstige model- of toolaanroepen zou voorkomen. Routinematig werk en eenmalige feiten horen geen voorstel op te leveren.

Eén scan kan maximaal drie voorstellen in afwachting maken of herzien. De scan kan geen actieve skill toepassen, afwijzen, in quarantaine plaatsen of bewerken. Workshop toont de cumulatieve dekking, bijvoorbeeld 20 sessies beoordeeld · 18 juni–vandaag · 2 ideeën gevonden. Selecteer Eerder werk scannen om verder te gaan vanaf de opgeslagen cursor van de oudste sessie. Nadat de beschikbare geschiedenis is uitgeput, wordt de actie Nieuw werk scannen.

Historische beoordeling gebeurt handmatig, zelfs wanneer skills.workshop.autonomous.enabled false is. Elke klik start een modeluitvoering, dus de prijzen en voorwaarden voor gegevensverwerking van de provider zijn van toepassing. De cursor en dekkingsaantallen worden opgeslagen in de gedeelde OpenClaw-statusdatabase; transcriptinhoud wordt niet naar de scanstatus gekopieerd.

Als autonoom vastleggen is ingeschakeld, kan OpenClaw ook een conservatieve beoordeling uitvoeren na succesvol, omvangrijk werk en nadat het volledige agentsysteem inactief is geworden. Die geïsoleerde beoordeling kan maximaal één voorstel in behandeling maken of herzien. Deze kan geen live skill bijwerken of een voorstel toepassen, afwijzen of in quarantaine plaatsen, zelfs niet wanneer approvalPolicy "auto" is.

Zie Zelflerend vermogen voor details over inschakeling, geschiktheid, privacy en kosten, de voorsteldrempel en probleemoplossing.

Goedkeuring en autonomie

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

Autonoom vastleggen herkent toekomstige regels (bijvoorbeeld: „vanaf nu”) en reactieve correcties (bijvoorbeeld: „dat is niet wat ik vroeg”). Het groepeert nieuwe instructies per onderwerp in maximaal drie voorstellen per beurt, routeert overeenkomsten in woordgebruik naar bestaande beschrijfbare workspace-skills en herziet zijn eigen voorstel in behandeling wanneer een andere correctie op dezelfde skill is gericht.

Voor succesvol omvangrijk werk zonder expliciete correctie bepaalt een geïsoleerde uitvoering van het geselecteerde model of het voltooide traject aan de conservatieve voorsteldrempel voldoet. Het voorgrondmodel krijgt vóór het antwoorden geen opdracht om te leren. De achtergrondbeoordelaar behoudt de voorgronduitvoering als herkomst van het voorstel, heeft geen toegang tot algemene agenttools en kan geen levenscyclusbeslissingen nemen. De beoordeling start alleen wanneer de voorgrondruntime zowel het exact bepaalde model rapporteert als dat skill_workshop daadwerkelijk beschikbaar was. Een restrictief of onbekend toolbeleid sluit daarom bij twijfel af en maakt geen voorstel.

Zie Zelflerend vermogen voor het volledige autonome beoordelingsgedrag en veiligheidsmodel.

Voorstelbeschrijvingen zijn altijd beperkt tot 160 bytes, onafhankelijk van maxSkillBytes.

Gateway-methoden

requestRevision is alleen voor de Gateway (zonder equivalent in de CLI of agenttool): deze stuurt revisie-instructies in vrije tekst door naar de chatsessie van de verantwoordelijke agent in plaats van PROPOSAL.md rechtstreeks te vervangen, voor UI's die de agent vragen om te herzien in plaats van letterlijk nieuwe inhoud in te dienen.

historyStatus en historyScan zijn ondersteuningsmethoden voor de Control UI. historyScan accepteert direction: "older" | "newer"; resultaten blijven altijd voorstellen in behandeling.

Opslag

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

Standaardstatusmap: ~/.openclaw.

• proposal.json: canonieke voorstelrecord.
• proposals.json: snelle lijstindex, opnieuw op te bouwen vanuit voorstelmappen.
• PROPOSAL.md: skillvoorstel in behandeling.
• rollback.json: herstelmetadata die wordt geschreven voordat toepassen live bestanden wijzigt.

Limieten

Probleemoplossing

Diagnose van toolbeleid

Wanneer autonoom vastleggen is ingeschakeld, voert openclaw doctor de core/doctor/skill-workshop-tool-policy-controle uit voor de standaardagent. Als het beleid skill_workshop verbergt, noemt de waarschuwing de eerste uitsluitende configuratielaag en de exacte wijziging in allow of alsoAllow die moet worden aangebracht. Oudere runbooks gebruiken mogelijk nog openclaw plugins inspect skill-workshop; die opdracht legt nu uit dat Skill Workshop is ingebouwd en geeft dezelfde beleidshint weer wanneer die van toepassing is.

Gerelateerd

• Skills voor laadvolgorde, prioriteit en zichtbaarheid
• Zelflerend vermogen voor conservatieve skillvoorstellen na een uitvoering
• Skills maken voor de basisbeginselen van handmatig geschreven SKILL.md
• Skills-configuratie voor het volledige skills.workshop-schema
• Skills-CLI voor openclaw skills-opdrachten