Warsztaty Skills

Skill Workshop to kontrolowana ścieżka OpenClaw służąca do tworzenia i aktualizowania Skills w przestrzeni roboczej. Agenci i operatorzy nigdy nie zapisują SKILL.md bezpośrednio za pośrednictwem tej ścieżki — tworzą propozycję (oczekujący szkic z treścią, powiązaniem docelowym, stanem skanera, skrótami i metadanymi wycofania), która staje się aktywnym Skill dopiero po zastosowaniu.

Skill Workshop zapisuje wyłącznie Skills przestrzeni roboczej. Nigdy nie modyfikuje Skills wbudowanych, należących do pluginów, ClawHub, dodatkowych katalogów głównych, zarządzanych, osobistych agentów ani systemowych.

Jak to działa

• Najpierw propozycja: wygenerowana treść jest przechowywana jako PROPOSAL.md, a nie SKILL.md.
• Zastosowanie jest jedynym zapisem do wersji aktywnej: utworzenie, aktualizacja i poprawienie nigdy nie zmieniają aktywnych Skills.
• Zakres przestrzeni roboczej: operacje tworzenia są kierowane do katalogu głównego skills/ przestrzeni roboczej; aktualizacje są dozwolone tylko dla zapisywalnych Skills przestrzeni roboczej.
• Bez nadpisywania: tworzenie kończy się niepowodzeniem, jeśli docelowy Skill już istnieje.
• Powiązanie skrótem: propozycje aktualizacji są powiązane z bieżącym skrótem obiektu docelowego i przechodzą w stan stale, jeśli aktywny Skill zmieni się przed zastosowaniem.
• Kontrola skanerem: przed zapisem zastosowanie ponownie uruchamia skaner zabezpieczeń.
• Możliwość przywrócenia: przed modyfikacją aktywnych plików zastosowanie zapisuje metadane wycofania.
• Spójne interfejsy: czat, CLI i Gateway wywołują tę samą usługę.

Cykl życia

utworzenie/aktualizacja -> oczekującapoprawienie             -> oczekującazastosowanie            -> zastosowanaodrzucenie              -> odrzuconakwarantanna             -> poddana kwarantanniezmiana obiektu docelowego -> nieaktualna

Tylko propozycję pending można poprawić, zastosować, odrzucić lub poddać kwarantannie.

Zarządzanie cyklem życia

Gateway śledzi zagregowane użycie Skills we współdzielonej bazie danych stanu. Raz dziennie sprawdza Skills utworzone i zastosowane przez Skill Workshop. Skills nieużywane przez ponad 30 dni przechodzą w stan stale; po 90 dniach przechodzą w stan archived i są pomijane w nowych migawkach Skills agentów. Pliki zarchiwizowanych Skills pozostają na dysku bez zmian. Ręcznie utworzone Skills nigdy nie podlegają temu zarządzaniu; do zarządzania cyklem życia trafiają wyłącznie Skills utworzone z propozycji Skill Workshop.

Przypięte Skills pomijają przejścia cyklu życia. Nieaktualny Skill wraca do stanu active po użyciu i wykonaniu kolejnego przeglądu. Zarchiwizowane Skills wracają wyłącznie poprzez jawne przywrócenie:

Przejścia cyklu życia i przywrócenia dotyczą nowych sesji; trwające sesje zachowują bieżącą migawkę Skills.

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

Wszystkie polecenia zarządzania akceptują --json. Stan zgłasza także deterministycznie wykryte potencjalne nakładanie się wyłącznie jako sugestie; nigdy nie scala Skills ani nie wywołuje modelu.

Czat

Należy poprosić agenta o potrzebny Skill; agent wywoła skill_workshop i zwróci identyfikator propozycji.

Uczenie na podstawie ostatniej pracy

Polecenie /learn pozwala przekształcić bieżącą rozmowę lub wskazane źródła w jedną propozycję Skill opartą na standardach:

/learn/learn docs/runbook.md i https://example.com/guide; skup się na odzyskiwaniu

Bez żądania /learn prosi agenta o wyodrębnienie z bieżącej rozmowy przepływu pracy nadającego się do ponownego użycia. Jeśli podano żądanie, agent traktuje ścieżki, adresy URL, wklejone notatki i odwołania do rozmów jako źródła, jednocześnie przestrzegając wymagań dotyczących zakresu, ukierunkowania i nazewnictwa. Zbiera źródła za pomocą istniejących narzędzi, a następnie wywołuje skill_workshop z action: "create".

Powstała propozycja pozostaje pending; /learn nigdy jej nie stosuje. Należy ją sprawdzić i zastosować w zwykłym procesie zatwierdzania lub za pomocą openclaw skills workshop.

Tworzenie:

Utwórz Skill o nazwie morning-catchup, który wykonuje mój poniedziałkowy schemat obsługi skrzynki odbiorczej.

Aktualizacja istniejącego Skill przestrzeni roboczej:

Zaktualizuj trip-planning, aby przed rezerwacją sprawdzał także mapy miejsc.

Iteracyjne poprawianie oczekującej propozycji:

Pokaż propozycję morning-catchup.Popraw ją, aby oznaczała także wszystko, co ma status pilne.Zastosuj propozycję morning-catchup.

Inicjowane przez agenta operacje apply, reject i quarantine są domyślnie wykonywane bez dodatkowego monitu o zatwierdzenie. Ustawienie skills.workshop.approvalPolicy na "pending" wymusza zatwierdzenie przez operatora przed wykonaniem tych działań.

Gdy zatwierdzenie jest wymagane, monit wskazuje identyfikator propozycji i docelowy Skill oraz wyświetla opis propozycji, liczbę plików pomocniczych i rozmiar treści. Żądania zatwierdzenia mają ograniczony czas, aby zakończyć się przed upływem limitu narzędzia agenta. Jeśli przed wygaśnięciem monitu nie zostanie podjęta decyzja, działanie cyklu życia nie zostanie wykonane: propozycja pozostanie oczekująca i niezmieniona. Decyzję można podjąć później w interfejsie Skill Workshop lub uruchomić openclaw skills workshop apply|reject|quarantine <proposal-id>. Agenci nie powinni ponawiać wygasłego działania cyklu życia w pętli.

CLI

# Utworzenieopenclaw skills workshop propose-create \  --name morning-catchup \  --description "Codzienne porządkowanie skrzynki odbiorczej: selekcja, archiwizacja, wyróżnianie, tworzenie wersji roboczych, planowanie" \  --proposal ./PROPOSAL.md # Aktualizacja istniejącego Skill przestrzeni roboczejopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Wyświetlenie listy i szczegółówopenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Poprawienie przed zatwierdzeniemopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Zakończenieopenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplikat"openclaw skills workshop quarantine <proposal-id> --reason "Wymaga przeglądu zabezpieczeń"

Każde podpolecenie przyjmuje --agent <id> (docelową przestrzeń roboczą; domyślnie wnioskowaną z bieżącego katalogu, a następnie domyślnego agenta) oraz --json (ustrukturyzowane dane wyjściowe). propose-create, propose-update i revise przyjmują również --goal <text> oraz --evidence <text>, aby zapisać kontekst propozycji obok --proposal.

Treść propozycji

W stanie oczekującym propozycja jest przechowywana jako PROPOSAL.md z frontmatter przeznaczonym wyłącznie dla propozycji:

---name: "morning-catchup"description: "Codzienne porządkowanie skrzynki odbiorczej: selekcja, archiwizacja, wyróżnianie, tworzenie wersji roboczych, planowanie"status: proposalversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Po zastosowaniu Skill Workshop zapisuje aktywny SKILL.md i usuwa pola przeznaczone wyłącznie dla propozycji: status, version propozycji i date propozycji.

Pliki pomocnicze

Opcji --proposal-dir należy użyć, gdy proponowany Skill wymaga plików obok PROPOSAL.md:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Piątkowe podsumowanie: statystyki, najważniejsze informacje, trzy najważniejsze sprawy na następny tydzień" \  --proposal-dir ./weekly-update-proposal

Katalog musi zawierać PROPOSAL.md. Pliki pomocnicze muszą znajdować się w assets/, examples/, references/, scripts/ lub templates/. Skill Workshop skanuje je, oblicza ich skróty i przechowuje je wraz z propozycją, a następnie zapisuje obok aktywnego SKILL.md dopiero podczas zastosowania.

Odrzucane ścieżki plików pomocniczych: ścieżki bezwzględne, ukryte segmenty ścieżek, przechodzenie między katalogami, nakładające się ścieżki, pliki wykonywalne, tekst niezgodny z UTF-8, bajty null oraz ścieżki poza standardowymi folderami pomocniczymi.

Narzędzie agenta

Model używa skill_workshop z jednym wymaganym parametrem action: create | update | revise | list | inspect | apply | reject | quarantine. Pozostałe parametry mają zastosowanie zależnie od działania:

Agenci muszą używać skill_workshop do pracy z wygenerowanymi Skills. Nie wolno im tworzyć ani zmieniać plików propozycji za pomocą write, edit, exec, poleceń powłoki ani bezpośrednich operacji na systemie plików.

Sugerowane Skills

OpenClaw wykrywa trwałe instrukcje, takie jak „następnym razem”, „zapamiętaj, aby”, oraz reaktywne poprawki po zakończeniu interaktywnej tury, w tym tur zakończonych niepowodzeniem. W następnej turze agent proponuje zapisanie ostatnio wykrytego przepływu pracy za pomocą skill_workshop; użytkownik decyduje, czy utworzyć propozycję. Ta wbudowana sugestia sama nie tworzy ani nie zmienia Skill. Włączenie skills.workshop.autonomous.enabled powoduje bezpośrednie tworzenie oczekujących propozycji. W interfejsie Control UI karta Workshop udostępnia to samo ustawienie jako przełącznik Samouczenie w nagłówku strony oraz jako przycisk włączania na pustej tablicy propozycji.

Skanowanie wcześniejszych sesji

Control UI może przeglądać wcześniejszą pracę bez włączania autonomicznego samouczenia. Otwórz Plugins → Workshop i wybierz Znajdź pomysły na Skills. Skanowanie rozpoczyna się od najnowszych kwalifikujących się sesji i obejmuje ograniczony zakres istotnej pracy. Pomija sesje cron, heartbeat, hook, podagentów, ACP, należące do pluginów i wewnętrzne sesje przeglądu, a także rozmowy z mniej niż sześcioma turami modelu.

Mechanizm przeglądający używa skonfigurowanego modelu wybranego agenta i otrzymuje pakiet transkrypcji z usuniętymi sekretami i ograniczonym rozmiarem. Stosuje te same konserwatywne kryteria co przegląd doświadczeń: konkretny wzorzec odzyskiwania lub stabilną procedurę, która wyeliminuje co najmniej dwa przyszłe wywołania modelu lub narzędzia. Rutynowa praca i jednorazowe fakty nie powinny powodować utworzenia propozycji.

Jedno skanowanie może utworzyć lub poprawić najwyżej trzy oczekujące propozycje. Nie może zastosować, odrzucić, poddać kwarantannie ani edytować aktywnego Skill. Workshop pokazuje łączny zakres, na przykład Przejrzano 20 sesji · 18 cze–dzisiaj · Znaleziono 2 pomysły. Wybierz Skanuj wcześniejszą pracę, aby kontynuować od zapisanego kursora najstarszej sesji. Po wyczerpaniu dostępnej historii działanie zmienia się na Skanuj nową pracę.

Przegląd historyczny jest wykonywany ręcznie, nawet gdy skills.workshop.autonomous.enabled ma wartość false. Każde kliknięcie uruchamia model, więc obowiązują warunki dostawcy dotyczące cen i przetwarzania danych. Kursor i liczniki pokrycia są przechowywane we współdzielonej bazie danych stanu OpenClaw; treść transkrypcji nie jest kopiowana do stanu skanowania.

Po włączeniu autonomicznego przechwytywania OpenClaw może również przeprowadzić zachowawczy przegląd po pomyślnym wykonaniu istotnej pracy oraz gdy cały system agentów stanie się bezczynny. Ten odizolowany przegląd może utworzyć lub zmienić najwyżej jedną oczekującą propozycję. Nie może zaktualizować aktywnego skillu ani zastosować, odrzucić lub poddać kwarantannie propozycji, nawet gdy approvalPolicy ma wartość "auto".

Informacje o włączaniu, kryteriach kwalifikacji, prywatności i kosztach, progu propozycji oraz rozwiązywaniu problemów zawiera sekcja Samouczenie.

Zatwierdzanie i autonomia

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

Autonomiczne przechwytywanie rozpoznaje reguły prospektywne (na przykład „od teraz”) oraz reaktywne poprawki (na przykład „nie o to chodziło”). Grupuje nowe instrukcje według tematów w maksymalnie trzy propozycje na turę, kieruje dopasowania słownictwa do istniejących zapisywalnych skilli obszaru roboczego oraz zmienia własną oczekującą propozycję, gdy kolejna poprawka dotyczy tego samego skillu.

W przypadku pomyślnego wykonania istotnej pracy bez jawnej poprawki odizolowane uruchomienie wybranego modelu ustala, czy ukończony przebieg spełnia zachowawczy próg propozycji. Model pierwszoplanowy nie otrzymuje przed udzieleniem odpowiedzi polecenia uczenia się. Recenzent działający w tle zachowuje pierwszoplanowe uruchomienie jako pochodzenie propozycji, nie ma dostępu do ogólnych narzędzi agenta i nie może podejmować decyzji dotyczących cyklu życia. Przegląd rozpoczyna się tylko wtedy, gdy środowisko wykonawcze pierwszego planu zgłosi zarówno dokładnie rozpoznany model, jak i to, że skill_workshop było faktycznie dostępne. Restrykcyjna lub nieznana polityka narzędzi powoduje zatem bezpieczne przerwanie i nie tworzy propozycji.

Pełny opis działania autonomicznego przeglądu i modelu bezpieczeństwa zawiera sekcja Samouczenie.

Opisy propozycji są zawsze ograniczone do 160 bajtów, niezależnie od maxSkillBytes.

Metody Gateway

requestRevision jest dostępne wyłącznie w Gateway (bez odpowiednika w CLI ani narzędziach agenta): przekazuje swobodne instrukcje dotyczące zmiany do sesji czatu agenta będącego właścicielem zamiast bezpośrednio zastępować PROPOSAL.md; jest przeznaczone dla interfejsów, które proszą agenta o zmianę zamiast przesłania dosłownej nowej treści.

historyStatus i historyScan to metody obsługujące interfejs Control UI. historyScan przyjmuje direction: "older" | "newer"; zawsze pozostawia wyniki jako oczekujące propozycje.

Przechowywanie

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

Domyślny katalog stanu: ~/.openclaw.

• proposal.json: kanoniczny rekord propozycji.
• proposals.json: indeks szybkiego wyświetlania listy, możliwy do odbudowania z folderów propozycji.
• PROPOSAL.md: oczekująca propozycja skillu.
• rollback.json: metadane odzyskiwania zapisywane przed zastosowaniem zmian w aktywnych plikach.

Limity

Rozwiązywanie problemów

Diagnostyka polityki narzędzi

Gdy autonomiczne przechwytywanie jest włączone, openclaw doctor uruchamia sprawdzenie core/doctor/skill-workshop-tool-policy dla domyślnego agenta. Jeśli polityka ukrywa skill_workshop, ostrzeżenie wskazuje pierwszą wykluczającą warstwę konfiguracji oraz dokładną zmianę allow lub alsoAllow, którą należy wprowadzić. Starsze procedury mogą nadal używać openclaw plugins inspect skill-workshop; to polecenie wyjaśnia teraz, że Skill Workshop jest wbudowany, i w odpowiednich przypadkach wyświetla tę samą wskazówkę dotyczącą polityki.

Powiązane

• Skills — kolejność ładowania, pierwszeństwo i widoczność
• Samouczenie — zachowawcze propozycje skilli po zakończeniu uruchomienia
• Tworzenie skilli — podstawy ręcznego tworzenia SKILL.md
• Konfiguracja skilli — pełny schemat skills.workshop
• CLI skilli — polecenia openclaw skills