Skills-Workshop

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

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

Funktionsweise

• Vorschlag zuerst: Generierte Inhalte werden als PROPOSAL.md gespeichert, nicht als SKILL.md.
• Anwenden ist der einzige aktive Schreibvorgang: Erstellen, Aktualisieren und Überarbeiten ändern niemals aktive Skills.
• Auf den Workspace beschränkt: Beim Erstellen ist das Workspace-Stammverzeichnis skills/ das Ziel; Aktualisierungen sind nur für beschreibbare Workspace-Skills zulässig.
• Kein Überschreiben: Das Erstellen schlägt fehl, wenn der Ziel-Skill bereits vorhanden ist.
• An Hash gebunden: Aktualisierungsvorschläge werden an den aktuellen Ziel-Hash gebunden und werden zu stale, wenn sich der aktive Skill vor dem Anwenden ändert.
• Durch Scanner abgesichert: Vor dem Schreiben führt das Anwenden den Sicherheitsscanner erneut aus.
• Wiederherstellbar: Vor der Änderung aktiver Dateien schreibt das Anwenden Rollback-Metadaten.
• Einheitliche Oberflächen: Chat, CLI und Gateway rufen denselben Dienst auf.

Lebenszyklus

create/update -> ausstehendrevise        -> ausstehendapply         -> angewendetreject        -> abgelehntquarantine    -> unter Quarantänetarget change -> 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 Zustandsdatenbank. Einmal täglich überprüft es Skills, die von Skill Workshop erstellt und angewendet wurden. Skills, die länger als 30 Tage nicht verwendet wurden, werden zu stale; nach 90 Tagen werden sie zu archived und nicht mehr in neue Skill-Snapshots von Agenten aufgenommen. Archivierte Skill-Dateien bleiben auf dem Datenträger unverändert. Manuell erstellte Skills werden niemals kuratiert; nur Skills, die durch Skill- Workshop-Vorschläge erstellt wurden, werden in die Lebenszyklus-Kuratierung aufgenommen.

Angeheftete Skills umgehen Lebenszyklusübergänge. Ein veralteter Skill kehrt zu active zurück, nachdem er verwendet und der nächste Durchlauf ausgeführt wurde. 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 Überschneidungs- kandidaten ausschließlich als Vorschläge; Skills werden niemals zusammengeführt und kein Modell wird aufgerufen.

Chat

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

Aus der letzten Arbeit lernen

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

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

Ohne Anforderung weist /learn den Agenten an, den wiederverwendbaren Arbeitsablauf aus der aktuellen Unterhaltung zu extrahieren. Mit einer Anforderung 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 Werkzeugen 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 Posteingangsroutine am Montag ausführt.

Einen vorhandenen Workspace-Skill aktualisieren:

Aktualisieren Sie trip-planning so, dass 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 alle als dringend markierten Elemente hervorgehoben werden.Wenden Sie den Vorschlag morning-catchup an.

Vom Agenten initiierte Vorgänge für apply, reject und quarantine werden standardmäßig ohne eine zusätzliche Genehmigungsaufforderung ausgeführt. Setzen Sie skills.workshop.approvalPolicy auf "pending", um vor diesen Aktionen die Genehmigung eines Operators anzufordern.

Wenn eine Genehmigung erforderlich ist, nennt die Aufforderung die Vorschlags-ID und den Ziel- Skill und zeigt die Vorschlagsbeschreibung, die Anzahl der unterstützenden Dateien und die Größe des Haupttexts. Genehmigungsanfragen sind zeitlich so begrenzt, dass sie vor dem Watchdog des Agentenwerkzeugs 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 Benutzeroberfläche von Skill Workshop oder führen Sie openclaw skills workshop apply|reject|quarantine <proposal-id> aus. Agenten sollten eine abgelaufene Lebenszyklusaktion nicht in einer Schleife wiederholen.

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 "Sicherheitsprüfung erforderlich"

Jeder Unterbefehl akzeptiert --agent <id> (Ziel-Workspace; standardmäßig aus dem aktuellen Arbeitsverzeichnis abgeleitet, danach 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 aufzuzeichnen.

Vorschlagsinhalt

Solange der Vorschlag ausstehend ist, 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.

Unterstützende Dateien

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

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

Das Verzeichnis muss PROPOSAL.md enthalten. Unterstützende Dateien 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 unterstützende Dateien: absolute Pfade, verborgene Pfadsegmente, Pfad- traversierung, sich überschneidende Pfade, ausführbare Dateien, Nicht-UTF-8-Text, Nullbytes und Pfade außerhalb der standardmäßigen Unterstützungsordner.

Agentenwerkzeug

Das Modell verwendet skill_workshop mit einem erforderlichen Parameter 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 ein interaktiver Durchlauf endet, einschließlich fehlgeschlagener Durchläufe. Beim nächsten Durchlauf bietet der Agent an, den zuletzt erkannten Arbeitsablauf über skill_workshop zu speichern; der Benutzer entscheidet, ob ein Vorschlag erstellt wird. Dieser integrierte Vorschlag erstellt oder ändert selbst keinen Skill. Aktivieren Sie skills.workshop.autonomous.enabled, um stattdessen direkt ausstehende Vorschläge zu erstellen. In der Control- UI bietet der Tab „Workshop“ dieselbe Einstellung als Umschalter Selbstlernend im Seitenkopf und als Schaltfläche zum Aktivieren auf der leeren Vorschlagstafel.

Frühere Sitzungen durchsuchen

Die Control UI kann ältere Arbeiten prüfen, ohne autonomes Selbstlernen zu aktivieren. Öffnen Sie Plugins → Workshop und wählen Sie Skill-Ideen suchen. Der Scan beginnt mit den neuesten geeigneten Sitzungen und prüft ein begrenztes Fenster substanzieller Arbeiten. Cron-, Heartbeat-, Hook-, Subagenten-, ACP-, Plugin-eigene und interne Prüf- sitzungen sowie Unterhaltungen mit weniger als sechs Modelldurchläufen werden übersprungen.

Der Prüfer verwendet das konfigurierte Modell des ausgewählten Agenten und erhält ein von Geheimnissen bereinigtes, größenbegrenztes Transkriptpaket. Dabei gilt derselbe konservative Maßstab wie bei der Erfahrungsprüfung: ein konkretes Wiederherstellungsmuster oder ein stabiles Verfahren, das mindestens zwei zukünftige Modell- oder Werkzeugaufrufe einsparen würde. Routinearbeiten und einmalige Fakten sollten keinen Vorschlag erzeugen.

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

Die historische Überprüfung erfolgt manuell, selbst wenn skills.workshop.autonomous.enabled auf false gesetzt ist. 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 einen aktiven Skill aktualisieren noch einen Vorschlag anwenden, ablehnen oder unter Quarantäne stellen, selbst wenn approvalPolicy auf "auto" gesetzt ist.

Einzelheiten zu Aktivierung, Eignung, Datenschutz und Kosten, zum Vorschlagsschwellenwert und 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 prospektive Regeln (beispielsweise „von nun an“) und reaktive Korrekturen (beispielsweise „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 Skills im Arbeitsbereich weiter und überarbeitet ihren eigenen ausstehenden Vorschlag, wenn eine weitere Korrektur denselben 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 nicht zum Lernen aufgefordert, bevor es antwortet. Die Hintergrundüberprüfung bewahrt den Vordergrunddurchlauf als Herkunftsnachweis des Vorschlags, 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 sicher 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 das Gateway verfügbar (ohne Entsprechung in der CLI oder den Agentenwerkzeugen): Die Methode leitet frei formulierte Überarbeitungsanweisungen an die Chatsitzung des zuständigen Agenten weiter, anstatt PROPOSAL.md direkt zu ersetzen. Dies ist für Benutzeroberflächen vorgesehen, die den Agenten zur Überarbeitung auffordern, statt wortwörtlich neue Inhalte zu übermitteln.

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 den 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 genaue erforderliche Änderung an allow oder alsoAllow. Ältere Betriebsanleitungen verwenden möglicherweise weiterhin openclaw plugins inspect skill-workshop; dieser Befehl erläutert 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 Grundlagen zu manuell erstellten SKILL.md
• Skills-Konfiguration für das vollständige skills.workshop-Schema
• Skills-CLI für openclaw skills-Befehle