Skill-Workshop-Plugin

Skill Workshop ist experimentell. Es ist standardmäßig deaktiviert, seine Erfassungs- Heuristiken und Reviewer-Prompts können sich zwischen Releases ändern, und automatische Schreibvorgänge sollten nur in vertrauenswürdigen Workspaces verwendet werden, nachdem zuerst die Ausgabe im Pending-Modus geprüft wurde. Skill Workshop ist prozedurales Memory für Workspace-Skills. Es ermöglicht einem Agenten, wiederverwendbare Workflows, Benutzerkorrekturen, hart erarbeitete Fixes und wiederkehrende Stolperfallen in SKILL.md-Dateien unter folgendem Pfad umzuwandeln:

<workspace>/skills/<skill-name>/SKILL.md

Das unterscheidet sich von Langzeit-Memory:

Memory speichert Fakten, Präferenzen, Entitäten und vergangenen Kontext.
Skills speichern wiederverwendbare Verfahren, denen der Agent bei zukünftigen Aufgaben folgen soll.
Skill Workshop ist die Brücke von einem nützlichen Turn zu einem dauerhaften Workspace- Skill, mit Sicherheitsprüfungen und optionaler Genehmigung.

Skill Workshop ist nützlich, wenn der Agent ein Verfahren lernt, etwa:

wie extern bezogene animierte GIF-Assets validiert werden
wie Screenshot-Assets ersetzt und Abmessungen verifiziert werden
wie ein repositoryspezifisches QA-Szenario ausgeführt wird
wie ein wiederkehrender Provider-Fehler debuggt wird
wie eine veraltete lokale Workflow-Notiz repariert wird

Es ist nicht gedacht für:

Fakten wie „der Benutzer mag Blau“
breites autobiografisches Memory
Archivierung roher Transkripte
Secrets, Credentials oder verborgenen Prompt-Text
einmalige Anweisungen, die sich nicht wiederholen

Standardzustand

Das gebündelte Plugin ist experimentell und standardmäßig deaktiviert, es sei denn, es wird explizit in plugins.entries.skill-workshop aktiviert. Das Plugin-Manifest setzt nicht enabledByDefault: true. Der Standardwert enabled: true innerhalb des Plugin-Konfigurationsschemas gilt nur, nachdem der Plugin-Eintrag bereits ausgewählt und geladen wurde. Experimentell bedeutet:

Das Plugin wird ausreichend unterstützt für Opt-in-Tests und Dogfooding
Vorschlagsspeicherung, Reviewer-Schwellenwerte und Erfassungsheuristiken können sich weiterentwickeln
Ausstehende Genehmigung ist der empfohlene Startmodus
automatisches Anwenden ist für vertrauenswürdige persönliche/Workspace-Setups gedacht, nicht für gemeinsam genutzte oder feindselige Umgebungen mit vielen Eingaben

Aktivieren

Minimale sichere Konfiguration:

{
  plugins: {
    entries: {
      "skill-workshop": {
        enabled: true,
        config: {
          autoCapture: true,
          approvalPolicy: "pending",
          reviewMode: "hybrid",
        },
      },
    },
  },
}

Mit dieser Konfiguration:

das Tool skill_workshop ist verfügbar
explizite wiederverwendbare Korrekturen werden als ausstehende Vorschläge in die Warteschlange gestellt
schwellenwertbasierte Reviewer-Durchläufe können Skill-Updates vorschlagen
keine Skill-Datei wird geschrieben, bis ein ausstehender Vorschlag angewendet wird

Verwenden Sie automatische Schreibvorgänge nur in vertrauenswürdigen Workspaces:

{
  plugins: {
    entries: {
      "skill-workshop": {
        enabled: true,
        config: {
          autoCapture: true,
          approvalPolicy: "auto",
          reviewMode: "hybrid",
        },
      },
    },
  },
}

approvalPolicy: "auto" verwendet weiterhin denselben Scanner- und Quarantänepfad. Es wendet Vorschläge mit kritischen Befunden nicht an.

Konfiguration

Key	Default	Bereich / Werte	Bedeutung
`enabled`	`true`	boolean	Aktiviert das Plugin, nachdem der Plugin-Eintrag geladen wurde.
`autoCapture`	`true`	boolean	Aktiviert Erfassung/Review nach einem erfolgreichen Agent-Turn.
`approvalPolicy`	`"pending"`	`"pending"`, `"auto"`	Vorschläge in die Warteschlange stellen oder sichere Vorschläge automatisch schreiben.
`reviewMode`	`"hybrid"`	`"off"`, `"heuristic"`, `"llm"`, `"hybrid"`	Wählt explizite Korrekturerfassung, LLM-Reviewer, beides oder keines.
`reviewInterval`	`15`	`1..200`	Reviewer nach so vielen erfolgreichen Turns ausführen.
`reviewMinToolCalls`	`8`	`1..500`	Reviewer nach so vielen beobachteten Tool-Aufrufen ausführen.
`reviewTimeoutMs`	`45000`	`5000..180000`	Timeout für den eingebetteten Reviewer-Lauf.
`maxPending`	`50`	`1..200`	Maximale Anzahl ausstehender/quarantänierter Vorschläge pro Workspace.
`maxSkillBytes`	`40000`	`1024..200000`	Maximale Größe generierter Skill-/Support-Dateien.

Empfohlene Profile:

// Konservativ: nur explizite Tool-Nutzung, keine automatische Erfassung.
{
  autoCapture: false,
  approvalPolicy: "pending",
  reviewMode: "off",
}

// Review zuerst: automatisch erfassen, aber Genehmigung verlangen.
{
  autoCapture: true,
  approvalPolicy: "pending",
  reviewMode: "hybrid",
}

// Vertrauenswürdige Automatisierung: sichere Vorschläge sofort schreiben.
{
  autoCapture: true,
  approvalPolicy: "auto",
  reviewMode: "hybrid",
}

// Kostengünstig: kein Reviewer-LLM-Aufruf, nur explizite Korrekturformulierungen.
{
  autoCapture: true,
  approvalPolicy: "pending",
  reviewMode: "heuristic",
}

Erfassungspfade

Skill Workshop hat drei Erfassungspfade.

Tool-Vorschläge

Das Modell kann skill_workshop direkt aufrufen, wenn es ein wiederverwendbares Verfahren erkennt oder wenn der Benutzer es auffordert, einen Skill zu speichern/zu aktualisieren. Dies ist der expliziteste Pfad und funktioniert auch mit autoCapture: false.

Heuristische Erfassung

Wenn autoCapture aktiviert ist und reviewMode heuristic oder hybrid ist, scannt das Plugin erfolgreiche Turns auf explizite Formulierungen von Benutzerkorrekturen:

next time
from now on
remember to
make sure to
always ... use/check/verify/record/save/prefer
prefer ... when/for/instead/use
when asked

Die Heuristik erstellt aus der letzten passenden Benutzeranweisung einen Vorschlag. Sie verwendet Themenhinweise, um Skill-Namen für häufige Workflows auszuwählen:

Aufgaben zu animierten GIFs -> animated-gif-workflow
Aufgaben zu Screenshots oder Assets -> screenshot-asset-workflow
QA- oder Szenarioaufgaben -> qa-scenario-workflow
GitHub-PR-Aufgaben -> github-pr-workflow
Fallback -> learned-workflows

Die heuristische Erfassung ist absichtlich eng gefasst. Sie ist für klare Korrekturen und wiederholbare Prozessnotizen gedacht, nicht für allgemeine Zusammenfassung von Transkripten.

LLM-Reviewer

Wenn autoCapture aktiviert ist und reviewMode llm oder hybrid ist, führt das Plugin einen kompakten eingebetteten Reviewer aus, sobald Schwellenwerte erreicht werden. Der Reviewer erhält:

den jüngsten Transkripttext, begrenzt auf die letzten 12.000 Zeichen
bis zu 12 bestehende Workspace-Skills
bis zu 2.000 Zeichen aus jedem bestehenden Skill
reine JSON-Anweisungen

Der Reviewer hat keine Tools:

disableTools: true
toolsAllow: []
disableMessageTool: true

Der Reviewer gibt entweder { "action": "none" } oder einen Vorschlag zurück. Das Feld action ist create, append oder replace — bevorzugen Sie append/replace, wenn bereits ein relevanter Skill existiert; verwenden Sie create nur dann, wenn kein bestehender Skill passt. Beispiel für create:

{
  "action": "create",
  "skillName": "media-asset-qa",
  "title": "Media Asset QA",
  "reason": "Reusable animated media acceptance workflow",
  "description": "Validate externally sourced animated media before product use.",
  "body": "## Workflow\n\n- Verify true animation.\n- Record attribution.\n- Store a local approved copy.\n- Verify in product UI before final reply."
}

append fügt section + body hinzu. replace tauscht oldText gegen newText im benannten Skill aus.

Lebenszyklus von Vorschlägen

Jedes generierte Update wird zu einem Vorschlag mit:

id
createdAt
updatedAt
workspaceDir
optional agentId
optional sessionId
skillName
title
reason
source: tool, agent_end oder reviewer
status
change
optional scanFindings
optional quarantineReason

Status von Vorschlägen:

pending - wartet auf Genehmigung
applied - geschrieben nach <workspace>/skills
rejected - vom Operator/Modell abgelehnt
quarantined - durch kritische Scanner-Befunde blockiert

Der Zustand wird pro Workspace unter dem Gateway-State-Verzeichnis gespeichert:

<stateDir>/skill-workshop/<workspace-hash>.json

Ausstehende und quarantänisierte Vorschläge werden nach Skill-Name und Change- Payload dedupliziert. Der Store behält die neuesten ausstehenden/quarantänisierten Vorschläge bis maxPending.

Tool-Referenz

Das Plugin registriert ein Agent-Tool:

skill_workshop

`status`

Zählt Vorschläge nach Status für den aktiven Workspace.

{ "action": "status" }

Ergebnisform:

{
  "workspaceDir": "/path/to/workspace",
  "pending": 1,
  "quarantined": 0,
  "applied": 3,
  "rejected": 0
}

`list_pending`

Listet ausstehende Vorschläge auf.

{ "action": "list_pending" }

Um einen anderen Status aufzulisten:

{ "action": "list_pending", "status": "applied" }

Gültige Werte für status:

pending
applied
rejected
quarantined

`list_quarantine`

Listet quarantänisierte Vorschläge auf.

{ "action": "list_quarantine" }

Verwenden Sie dies, wenn die automatische Erfassung scheinbar nichts tut und die Logs skill-workshop: quarantined <skill> erwähnen.

`inspect`

Ruft einen Vorschlag anhand seiner ID ab.

{
  "action": "inspect",
  "id": "proposal-id"
}

`suggest`

Erstellt einen Vorschlag. Mit approvalPolicy: "pending" (Standard) wird dieser in die Warteschlange gestellt statt geschrieben.

{
  "action": "suggest",
  "skillName": "animated-gif-workflow",
  "title": "Animated GIF Workflow",
  "reason": "User established reusable GIF validation rules.",
  "description": "Validate animated GIF assets before using them.",
  "body": "## Workflow\n\n- Verify the URL resolves to image/gif.\n- Confirm it has multiple frames.\n- Record attribution and license.\n- Avoid hotlinking when a local asset is needed."
}

Sicheres Schreiben erzwingen (apply: true)

{
  "action": "suggest",
  "apply": true,
  "skillName": "animated-gif-workflow",
  "description": "Validate animated GIF assets before using them.",
  "body": "## Workflow\n\n- Verify true animation.\n- Record attribution."
}

Unter Auto-Richtlinie Pending erzwingen (apply: false)

{
  "action": "suggest",
  "apply": false,
  "skillName": "screenshot-asset-workflow",
  "description": "Screenshot replacement workflow.",
  "body": "## Workflow\n\n- Verify dimensions.\n- Optimize the PNG.\n- Run the relevant gate."
}

An einen benannten Abschnitt anhängen

{
  "action": "suggest",
  "skillName": "qa-scenario-workflow",
  "section": "Workflow",
  "description": "QA scenario workflow.",
  "body": "- For media QA, verify generated assets render and pass final assertions."
}

Exakten Text ersetzen

{
  "action": "suggest",
  "skillName": "github-pr-workflow",
  "oldText": "- Check the PR.",
  "newText": "- Check unresolved review threads, CI status, linked issues, and changed files before deciding."
}

`apply`

Wendet einen ausstehenden Vorschlag an.

{
  "action": "apply",
  "id": "proposal-id"
}

apply verweigert quarantänisierte Vorschläge:

quarantined proposal cannot be applied

`reject`

Markiert einen Vorschlag als abgelehnt.

{
  "action": "reject",
  "id": "proposal-id"
}

`write_support_file`

Schreibt eine unterstützende Datei innerhalb eines bestehenden oder vorgeschlagenen Skill-Verzeichnisses. Erlaubte Support-Verzeichnisse auf oberster Ebene:

references/
templates/
scripts/
assets/

Beispiel:

{
  "action": "write_support_file",
  "skillName": "release-workflow",
  "relativePath": "references/checklist.md",
  "body": "# Release Checklist\n\n- Run release docs.\n- Verify changelog.\n"
}

Support-Dateien sind auf den Workspace begrenzt, pfadgeprüft, durch maxSkillBytes bytebegrenzt, werden gescannt und atomar geschrieben.

Skill-Schreibvorgänge

Skill Workshop schreibt nur unter:

<workspace>/skills/<normalized-skill-name>/

Skill-Namen werden normalisiert:

in Kleinbuchstaben
Folgen von nicht [a-z0-9_-] werden zu -
führende/nachgestellte nicht alphanumerische Zeichen werden entfernt
maximale Länge ist 80 Zeichen
der endgültige Name muss [a-z0-9][a-z0-9_-]{1,79} entsprechen

Für create:

wenn der Skill nicht existiert, schreibt Skill Workshop eine neue SKILL.md
wenn er bereits existiert, hängt Skill Workshop den Body an ## Workflow an

Für append:

wenn der Skill existiert, hängt Skill Workshop an den angeforderten Abschnitt an
wenn er nicht existiert, erstellt Skill Workshop einen minimalen Skill und hängt dann an

Für replace:

der Skill muss bereits existieren
oldText muss exakt vorhanden sein
nur die erste exakte Übereinstimmung wird ersetzt

Alle Schreibvorgänge sind atomar und aktualisieren den In-Memory-Snapshot der Skills sofort, sodass der neue oder aktualisierte Skill ohne Gateway-Neustart sichtbar werden kann.

Sicherheitsmodell

Skill Workshop hat einen Sicherheitsscanner für generierte SKILL.md-Inhalte und Support- Dateien. Kritische Befunde setzen Vorschläge unter Quarantäne:

Regel-ID	Blockiert Inhalte, die…
`prompt-injection-ignore-instructions`	dem Agenten sagen, frühere/höhere Anweisungen zu ignorieren
`prompt-injection-system`	auf System-Prompts, Entwicklernachrichten oder versteckte Anweisungen verweisen
`prompt-injection-tool`	dazu ermutigen, Tool-Berechtigung/Genehmigung zu umgehen
`shell-pipe-to-shell`	`curl`/`wget` enthalten, die in `sh`, `bash` oder `zsh` gepiped werden
`secret-exfiltration`	scheinbar Env-/Prozess-Env-Daten über das Netzwerk senden

Warn-Befunde bleiben erhalten, blockieren aber für sich genommen nicht:

Regel-ID	Warnt bei…
`destructive-delete`	breiten Befehlen im Stil von `rm -rf`
`unsafe-permissions`	Berechtigungsnutzung im Stil von `chmod 777`

Quarantänisierte Vorschläge:

behalten scanFindings
behalten quarantineReason
erscheinen in list_quarantine
können nicht über apply angewendet werden

Um sich von einem quarantänisierten Vorschlag zu erholen, erstellen Sie einen neuen sicheren Vorschlag mit entferntem unsicheren Inhalt. Bearbeiten Sie das Store-JSON nicht von Hand.

Prompt-Leitlinien

Wenn aktiviert, injiziert Skill Workshop einen kurzen Prompt-Abschnitt, der dem Agenten sagt, skill_workshop für dauerhaftes prozedurales Memory zu verwenden. Die Leitlinien betonen:

Verfahren, nicht Fakten/Präferenzen
Benutzerkorrekturen
nicht offensichtliche erfolgreiche Verfahren
wiederkehrende Stolperfallen
Reparatur veralteter/dünner/falscher Skills durch append/replace
Speichern wiederverwendbarer Verfahren nach langen Tool-Schleifen oder schwierigen Fixes
kurzen imperativen Skill-Text
keine Transkript-Dumps

Der Text des Schreibmodus ändert sich mit approvalPolicy:

Pending-Modus: Vorschläge in die Warteschlange stellen; nur nach expliziter Genehmigung anwenden
Auto-Modus: sichere Updates von Workspace-Skills anwenden, wenn sie eindeutig wiederverwendbar sind

Kosten und Runtime-Verhalten

Die heuristische Erfassung ruft kein Modell auf. LLM-Review verwendet einen eingebetteten Lauf auf dem aktiven/Standard-Agentenmodell. Es ist schwellenwertbasiert und läuft daher standardmäßig nicht bei jedem Turn. Der Reviewer:

verwendet den gleich konfigurierten Provider-/Modellkontext, wenn verfügbar
fällt auf Runtime-Agenten-Standards zurück
hat reviewTimeoutMs
verwendet einen leichtgewichtigen Bootstrap-Kontext
hat keine Tools
schreibt nichts direkt
kann nur einen Vorschlag ausgeben, der den normalen Scanner und den Genehmigungs-/Quarantänepfad durchläuft

Wenn der Reviewer fehlschlägt, ein Timeout hat oder ungültiges JSON zurückgibt, protokolliert das Plugin eine Warn-/Debug-Meldung und überspringt diesen Review-Durchlauf.

Betriebsmuster

Verwenden Sie Skill Workshop, wenn der Benutzer sagt:

„next time, do X“
„from now on, prefer Y“
„make sure to verify Z“
„save this as a workflow“
„this took a while; remember the process“
„update the local skill for this“

Guter Skill-Text:

## Workflow

- Verify the GIF URL resolves to `image/gif`.
- Confirm the file has multiple frames.
- Record source URL, license, and attribution.
- Store a local copy when the asset will ship with the product.
- Verify the local asset renders in the target UI before final reply.

Schlechter Skill-Text:

The user asked about a GIF and I searched two websites. Then one was blocked by
Cloudflare. The final answer said to check attribution.

Gründe, warum die schlechte Version nicht gespeichert werden sollte:

transkriptförmig
nicht imperativ
enthält verrauschte einmalige Details
sagt dem nächsten Agenten nicht, was zu tun ist

Fehleranalyse

Prüfen Sie, ob das Plugin geladen ist:

openclaw plugins list --enabled

Prüfen Sie Vorschlagszähler aus einem Agent-/Tool-Kontext:

{ "action": "status" }

Prüfen Sie ausstehende Vorschläge:

{ "action": "list_pending" }

Prüfen Sie quarantänisierte Vorschläge:

{ "action": "list_quarantine" }

Häufige Symptome:

Symptom	Wahrscheinliche Ursache	Prüfen
Tool ist nicht verfügbar	Plugin-Eintrag ist nicht aktiviert	`plugins.entries.skill-workshop.enabled` und `openclaw plugins list`
Kein automatischer Vorschlag erscheint	`autoCapture: false`, `reviewMode: "off"` oder Schwellenwerte nicht erreicht	Konfiguration, Vorschlagsstatus, Gateway-Logs
Heuristik hat nichts erfasst	Wortlaut des Benutzers passte nicht zu Korrekturmustern	Explizit `skill_workshop.suggest` verwenden oder LLM-Reviewer aktivieren
Reviewer hat keinen Vorschlag erstellt	Reviewer gab `none`, ungültiges JSON zurück oder hatte Timeout	Gateway-Logs, `reviewTimeoutMs`, Schwellenwerte
Vorschlag wird nicht angewendet	`approvalPolicy: "pending"`	`list_pending`, dann `apply`
Vorschlag verschwand aus Pending	Duplikat-Vorschlag wurde wiederverwendet, Max-Pending-Bereinigung oder wurde angewendet/abgelehnt/quarantänisiert	`status`, `list_pending` mit Statusfiltern, `list_quarantine`
Skill-Datei existiert, aber das Modell übersieht sie	Skill-Snapshot wurde nicht aktualisiert oder Skill-Gating schließt ihn aus	`openclaw skills`-Status und Workspace-Skill-Berechtigung

Relevante Logs:

skill-workshop: queued <skill>
skill-workshop: applied <skill>
skill-workshop: quarantined <skill>
skill-workshop: heuristic capture skipped: ...
skill-workshop: reviewer skipped: ...
skill-workshop: reviewer found no update

QA-Szenarien

Repositorygestützte QA-Szenarien:

qa/scenarios/plugins/skill-workshop-animated-gif-autocreate.md
qa/scenarios/plugins/skill-workshop-pending-approval.md
qa/scenarios/plugins/skill-workshop-reviewer-autonomous.md

Deterministische Abdeckung ausführen:

pnpm openclaw qa suite \
  --scenario skill-workshop-animated-gif-autocreate \
  --scenario skill-workshop-pending-approval \
  --concurrency 1

Reviewer-Abdeckung ausführen:

pnpm openclaw qa suite \
  --scenario skill-workshop-reviewer-autonomous \
  --concurrency 1

Das Reviewer-Szenario ist absichtlich getrennt, weil es reviewMode: "llm" aktiviert und den eingebetteten Reviewer-Durchlauf testet.

Wann Auto-Apply nicht aktiviert werden sollte

Vermeiden Sie approvalPolicy: "auto", wenn:

der Workspace sensible Verfahren enthält
der Agent mit nicht vertrauenswürdiger Eingabe arbeitet
Skills über ein breites Team hinweg geteilt werden
Sie Prompts oder Scanner-Regeln noch abstimmen
das Modell häufig mit feindseligem Web-/E-Mail-Inhalt arbeitet

Verwenden Sie zuerst den Pending-Modus. Wechseln Sie erst dann in den Auto-Modus, wenn Sie die Art von Skills geprüft haben, die der Agent in diesem Workspace vorschlägt.

Overview

Plugins

Skills

Automation and tasks

Tools

Agent coordination

Skill-Workshop-Plugin

Standardzustand

Aktivieren

Konfiguration

Erfassungspfade

Tool-Vorschläge

Heuristische Erfassung

LLM-Reviewer

Lebenszyklus von Vorschlägen

Tool-Referenz

`status`

`list_pending`

`list_quarantine`

`inspect`

`suggest`

`apply`

`reject`

`write_support_file`

Skill-Schreibvorgänge

Sicherheitsmodell

Prompt-Leitlinien

Kosten und Runtime-Verhalten

Betriebsmuster

Fehleranalyse

QA-Szenarien

Wann Auto-Apply nicht aktiviert werden sollte

Verwandte Dokumente

Overview

Plugins

Skills

Automation and tasks

Tools

Agent coordination

​Standardzustand

​Aktivieren

​Konfiguration

​Erfassungspfade

​Tool-Vorschläge

​Heuristische Erfassung

​LLM-Reviewer

​Lebenszyklus von Vorschlägen

​Tool-Referenz

​status

​list_pending

​list_quarantine

​inspect

​suggest

​apply

​reject

​write_support_file

​Skill-Schreibvorgänge

​Sicherheitsmodell

​Prompt-Leitlinien

​Kosten und Runtime-Verhalten

​Betriebsmuster

​Fehleranalyse

​QA-Szenarien

​Wann Auto-Apply nicht aktiviert werden sollte

​Verwandte Dokumente

Standardzustand

Aktivieren

Konfiguration

Erfassungspfade

Tool-Vorschläge

Heuristische Erfassung

LLM-Reviewer

Lebenszyklus von Vorschlägen

Tool-Referenz

`status`

`list_pending`

`list_quarantine`

`inspect`

`suggest`

`apply`

`reject`

`write_support_file`

Skill-Schreibvorgänge

Sicherheitsmodell

Prompt-Leitlinien

Kosten und Runtime-Verhalten

Betriebsmuster

Fehleranalyse

QA-Szenarien

Wann Auto-Apply nicht aktiviert werden sollte

Verwandte Dokumente