Taller de Skills

Skill Workshop es la vía gobernada de OpenClaw para crear y actualizar Skills del espacio de trabajo. Los agentes y operadores nunca escriben SKILL.md directamente mediante esta vía: crean una propuesta (un borrador pendiente con contenido, vinculación de destino, estado del escáner, hashes y metadatos de reversión) que solo se convierte en una Skill activa cuando se aplica.

Skill Workshop solo escribe Skills del espacio de trabajo. Nunca modifica Skills incluidas, de plugins, de ClawHub, de raíces adicionales, administradas, de agentes personales ni del sistema.

Cómo funciona

• Primero la propuesta: el contenido generado se almacena como PROPOSAL.md, no como SKILL.md.
• Aplicar es la única escritura activa: crear, actualizar y revisar nunca cambian las Skills activas.
• Limitado al espacio de trabajo: las creaciones se dirigen a la raíz skills/ del espacio de trabajo; las actualizaciones solo se permiten para Skills editables del espacio de trabajo.
• Sin sobrescritura: la creación falla si la Skill de destino ya existe.
• Vinculación mediante hash: las propuestas de actualización se vinculan al hash actual del destino y pasan a stale si la Skill activa cambia antes de aplicarlas.
• Sujeto al escáner: antes de escribir, la aplicación vuelve a ejecutar el escáner de seguridad.
• Recuperable: la aplicación escribe los metadatos de reversión antes de modificar los archivos activos.
• Superficies coherentes: el chat, la CLI y el Gateway llaman al mismo servicio.

Ciclo de vida

crear/actualizar -> pendienterevisar          -> pendienteaplicar          -> aplicadarechazar         -> rechazadaponer en cuarentena -> en cuarentenacambio del destino -> obsoleta

Solo se puede revisar, aplicar, rechazar o poner en cuarentena una propuesta pending.

Conservación del ciclo de vida

El Gateway registra el uso agregado de las Skills en la base de datos de estado compartida. Una vez al día, revisa las Skills creadas y aplicadas mediante Skill Workshop. Las Skills que no se hayan utilizado durante más de 30 días pasan a stale; después de 90 días pasan a archived y se excluyen de las nuevas instantáneas de Skills de los agentes. Los archivos de las Skills archivadas permanecen intactos en el disco. Las Skills creadas manualmente nunca se someten a conservación; solo las Skills creadas mediante propuestas de Skill Workshop entran en la conservación del ciclo de vida.

Las Skills fijadas omiten las transiciones del ciclo de vida. Una Skill obsoleta vuelve a active después de utilizarse y cuando se ejecuta el siguiente barrido. Las Skills archivadas solo vuelven mediante una restauración explícita:

Las transiciones y restauraciones del ciclo de vida se aplican a las sesiones nuevas; las sesiones en ejecución conservan su instantánea actual de Skills.

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

Todos los comandos del conservador aceptan --json. El estado también informa de candidatos de solapamiento deterministas únicamente como sugerencias; nunca fusiona Skills ni llama a un modelo.

Chat

Solicite al agente la Skill que desea; este llama a skill_workshop y devuelve un identificador de propuesta.

Aprender del trabajo reciente

Use /learn para convertir la conversación actual o las fuentes indicadas en una propuesta de Skill guiada por estándares:

/learn/learn docs/runbook.md and https://example.com/guide; centrarse en la recuperación

Sin una solicitud, /learn pide al agente que extraiga el flujo de trabajo reutilizable de la conversación actual. Con una solicitud, el agente trata las rutas, las URL, las notas pegadas y las referencias a la conversación como fuentes, respetando los requisitos de enfoque, alcance y nomenclatura. Recopila las fuentes con sus herramientas existentes y después llama a skill_workshop con action: "create".

La propuesta resultante permanece pending; /learn nunca la aplica. Revísela y aplíquela mediante el flujo de aprobación normal o con openclaw skills workshop.

Crear:

Crea una Skill llamada morning-catchup que ejecute mi rutina de los lunes para la bandeja de entrada.

Actualizar una Skill existente del espacio de trabajo:

Actualiza trip-planning para que también compruebe los mapas de asientos antes de reservar.

Iterar sobre una propuesta pendiente:

Muéstrame la propuesta morning-catchup.Revísala para que también marque todo lo que se haya señalado como urgente.Aplica la propuesta morning-catchup.

Las acciones apply, reject y quarantine iniciadas por el agente se ejecutan sin una solicitud de aprobación adicional de forma predeterminada. Establezca skills.workshop.approvalPolicy en "pending" para exigir la aprobación del operador antes de esas acciones.

Cuando se requiere aprobación, la solicitud identifica el id. de la propuesta y la Skill de destino, y muestra la descripción de la propuesta, la cantidad de archivos auxiliares y el tamaño del cuerpo. Las solicitudes de aprobación están limitadas para finalizar antes del mecanismo de vigilancia de la herramienta del agente. Si no se recibe una decisión antes de que caduque la solicitud, la acción del ciclo de vida no se ejecuta: la propuesta permanece pendiente y sin cambios. Decida más adelante en la interfaz de Skill Workshop o ejecute openclaw skills workshop apply|reject|quarantine <proposal-id>. Los agentes no deben reintentar en bucle una acción del ciclo de vida caducada.

CLI

# Crearopenclaw skills workshop propose-create \  --name morning-catchup \  --description "Puesta al día diaria de la bandeja de entrada: clasificar, archivar, destacar, redactar, planificar" \  --proposal ./PROPOSAL.md # Actualizar una Skill existente del espacio de trabajoopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Enumerar e inspeccionaropenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Revisar antes de la aprobaciónopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Cerraropenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplicada"openclaw skills workshop quarantine <proposal-id> --reason "Requiere una revisión de seguridad"

Cada subcomando acepta --agent <id> (espacio de trabajo de destino; de forma predeterminada, primero el inferido a partir del directorio de trabajo actual y después el agente predeterminado) y --json (salida estructurada). propose-create, propose-update y revise también aceptan --goal <text> y --evidence <text> para registrar el contexto de la propuesta junto con --proposal.

Contenido de la propuesta

Mientras está pendiente, la propuesta se almacena como PROPOSAL.md con frontmatter exclusivo de la propuesta:

---name: "morning-catchup"description: "Puesta al día diaria de la bandeja de entrada: clasificar, archivar, destacar, redactar, planificar"status: proposalversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Al aplicarla, Skill Workshop escribe el SKILL.md activo y elimina los campos exclusivos de la propuesta: status, version de la propuesta y date de la propuesta.

Archivos auxiliares

Use --proposal-dir cuando la Skill propuesta necesite archivos junto a PROPOSAL.md:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Resumen del viernes: estadísticas, aspectos destacados y los tres puntos principales de la próxima semana" \  --proposal-dir ./weekly-update-proposal

El directorio debe contener PROPOSAL.md. Los archivos auxiliares deben encontrarse en assets/, examples/, references/, scripts/ o templates/. Skill Workshop los analiza, calcula sus hashes y los almacena con la propuesta; después los escribe junto al SKILL.md activo únicamente al aplicar la propuesta.

Rutas de archivos auxiliares rechazadas: rutas absolutas, segmentos de ruta ocultos, recorrido de rutas, rutas solapadas, archivos ejecutables, texto que no sea UTF-8, bytes nulos y rutas fuera de las carpetas auxiliares estándar.

Herramienta del agente

El modelo usa skill_workshop con un action obligatorio: create | update | revise | list | inspect | apply | reject | quarantine. Los demás parámetros se aplican según la acción:

Los agentes deben usar skill_workshop para el trabajo de Skills generado. No deben crear ni modificar archivos de propuestas mediante write, edit, exec, comandos del shell ni operaciones directas del sistema de archivos.

Skills sugeridas

OpenClaw detecta instrucciones duraderas como «la próxima vez», «recuerda» y correcciones reactivas cuando finaliza un turno interactivo, incluidos los turnos fallidos. En el siguiente turno, el agente ofrece guardar el flujo de trabajo detectado más reciente mediante skill_workshop; el usuario decide si crea una propuesta. Esta sugerencia integrada no crea ni modifica por sí sola una Skill. Active skills.workshop.autonomous.enabled para crear directamente propuestas pendientes. En la interfaz de Control, la pestaña Workshop ofrece la misma opción como un interruptor Autoaprendizaje en el encabezado de la página y como un botón de activación en el tablero de propuestas vacío.

Analizar sesiones anteriores

La interfaz de Control puede revisar trabajos anteriores sin activar el autoaprendizaje autónomo. Abra Plugins → Workshop y seleccione Buscar ideas para Skills. El análisis comienza con las sesiones aptas más recientes y revisa una ventana limitada de trabajo sustancial. Omite las sesiones de cron, Heartbeat, hooks, subagentes, ACP, propiedad de plugins y revisión interna, además de las conversaciones con menos de seis turnos del modelo.

El revisor utiliza el modelo configurado del agente seleccionado y recibe un paquete de transcripciones con los secretos censurados y el tamaño limitado. Aplica el mismo criterio conservador que la revisión de experiencias: un patrón de recuperación concreto o un procedimiento estable que eliminaría al menos dos llamadas futuras al modelo o a herramientas. El trabajo rutinario y los hechos aislados no deben generar ninguna propuesta.

Un análisis puede crear o revisar como máximo tres propuestas pendientes. No puede aplicar, rechazar, poner en cuarentena ni editar una Skill activa. Workshop muestra la cobertura acumulada; por ejemplo, 20 sesiones revisadas · 18 de jun.–hoy · 2 ideas encontradas. Seleccione Analizar trabajo anterior para continuar desde el cursor persistente de la sesión más antigua. Después de agotar el historial disponible, la acción pasa a ser Analizar trabajo nuevo.

La revisión histórica es manual incluso cuando skills.workshop.autonomous.enabled es false. Cada clic inicia una ejecución del modelo, por lo que se aplican los precios y las condiciones de tratamiento de datos del proveedor. El cursor y los recuentos de cobertura se almacenan en la base de datos de estado compartida de OpenClaw; el contenido de la transcripción no se copia en el estado del análisis.

Con la captura autónoma habilitada, OpenClaw también puede realizar una revisión conservadora después de un trabajo sustancial y satisfactorio y una vez que todo el sistema de agentes queda inactivo. Esa revisión aislada puede crear o revisar como máximo una propuesta pendiente. No puede actualizar una skill activa ni aplicar, rechazar o poner en cuarentena una propuesta, incluso cuando approvalPolicy es "auto".

Consulte Autoaprendizaje para obtener información sobre la habilitación, los requisitos, la privacidad y los costes, el umbral de las propuestas y la solución de problemas.

Aprobación y autonomía

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

La captura autónoma reconoce reglas prospectivas (por ejemplo, «a partir de ahora») y correcciones reactivas (por ejemplo, «eso no es lo que pedí»). Agrupa las instrucciones nuevas por tema en un máximo de tres propuestas por turno, dirige las coincidencias de vocabulario a skills existentes con permisos de escritura en el espacio de trabajo y revisa su propia propuesta pendiente cuando otra corrección se dirige a la misma skill.

Para un trabajo sustancial completado satisfactoriamente sin una corrección explícita, una ejecución aislada del modelo seleccionado decide si la trayectoria completada supera el umbral conservador de propuestas. No se solicita al modelo en primer plano que aprenda antes de responder. El revisor en segundo plano conserva la ejecución en primer plano como procedencia de la propuesta, no puede acceder a las herramientas generales del agente y no puede tomar decisiones sobre el ciclo de vida. La revisión solo comienza cuando el entorno de ejecución en primer plano informa tanto de su modelo resuelto exacto como de que skill_workshop estaba realmente disponible. Por lo tanto, una política de herramientas restrictiva o desconocida impide la operación de forma segura y no crea ninguna propuesta.

Consulte Autoaprendizaje para conocer el comportamiento completo de la revisión autónoma y el modelo de seguridad.

Las descripciones de las propuestas siempre están limitadas a 160 bytes, independientemente de maxSkillBytes.

Métodos del Gateway

requestRevision solo está disponible en el Gateway (no existe un equivalente en la CLI ni en las herramientas del agente): reenvía instrucciones de revisión en texto libre a la sesión de chat del agente propietario en lugar de sustituir directamente PROPOSAL.md, para las interfaces de usuario que piden al agente que revise en vez de enviar contenido nuevo literal.

historyStatus y historyScan son métodos auxiliares de la interfaz de control. historyScan acepta direction: "older" | "newer"; siempre deja los resultados como propuestas pendientes.

Almacenamiento

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

Directorio de estado predeterminado: ~/.openclaw.

• proposal.json: registro canónico de la propuesta.
• proposals.json: índice para listados rápidos, reconstruible a partir de las carpetas de propuestas.
• PROPOSAL.md: propuesta de skill pendiente.
• rollback.json: metadatos de recuperación escritos antes de que la aplicación modifique los archivos activos.

Límites

Solución de problemas

Diagnóstico de la política de herramientas

Cuando la captura autónoma está habilitada, openclaw doctor ejecuta la comprobación core/doctor/skill-workshop-tool-policy para el agente predeterminado. Si la política oculta skill_workshop, la advertencia indica la primera capa de configuración que lo excluye y el cambio exacto que debe realizarse en allow o alsoAllow. Los manuales operativos antiguos todavía pueden usar openclaw plugins inspect skill-workshop; ahora ese comando explica que Skill Workshop está integrado y muestra la misma indicación sobre la política cuando corresponde.

Contenido relacionado

• Skills para conocer el orden de carga, la precedencia y la visibilidad
• Autoaprendizaje para conocer las propuestas conservadoras de skills posteriores a la ejecución
• Creación de skills para conocer los fundamentos de SKILL.md escritas a mano
• Configuración de Skills para consultar el esquema completo de skills.workshop
• CLI de Skills para consultar los comandos de openclaw skills