خودآموزی

خودآموزی به OpenClaw امکان می‌دهد شواهد مفید حاصل از گفت‌وگوها را به پیشنهادهای در انتظار کارگاه Skills تبدیل کند. این قابلیت وزن‌های مدل را آموزش نمی‌دهد، Skills فعال را ویرایش نمی‌کند و رفتار عامل را بی‌سروصدا تغییر نمی‌دهد. هر رویه آموخته‌شده تا زمانی که یک اپراتور آن را بررسی و اعمال کند، در انتظار باقی می‌ماند.

خودآموزی به‌طور پیش‌فرض غیرفعال است. آن را فقط زمانی فعال کنید که اجرای یک مدل پس‌زمینه اضافی و بررسی رونوشت برای فضای کاری شما مناسب باشد.

فعال‌کردن خودآموزی

در رابط کنترل، Plugins → Workshop را باز کنید و Self-learning را روشن کنید. این تغییر بلافاصله اعمال می‌شود؛ اگر نویسنده پیکربندی دیگری فایل را به‌روزرسانی کرده باشد، رابط کنترل عکس فوری پیکربندی را تازه می‌کند و بدون بارگذاری مجدد صفحه یا Gateway، تغییر وضعیت را دوباره امتحان می‌کند.

از CLI استفاده کنید:

openclaw config set skills.workshop.autonomous.enabled true --strict-json

یا ~/.openclaw/openclaw.json را ویرایش کنید:

{  skills: {    workshop: {      autonomous: {        enabled: true,      },    },  },}

برای غیرفعال‌کردن دوباره آن:

openclaw config set skills.workshop.autonomous.enabled false --strict-json

ایجاد Skill به درخواست کاربر، /learn و عملیات دستی کارگاه Skills هنگام غیرفعال‌بودن خودآموزی همچنان کار می‌کنند.

بررسی دستی نشست‌های گذشته

بررسی دستی تاریخچه، جایگزین محافظه‌کارانه‌ای برای ثبت خودکار است. در رابط کنترل، Plugins → Workshop را باز و Find skill ideas را انتخاب کنید. این کار skills.workshop.autonomous.enabled را تغییر نمی‌دهد.

هر اسکن:

• از جدیدترین نشست‌های بررسی‌نشده شروع می‌کند و به عقب می‌رود؛
• حداکثر 20 نشست قابل‌توجه با دست‌کم شش نوبت مدل را بررسی می‌کند؛
• نشست‌های cron، heartbeat، هوک، زیرعامل، ACP، متعلق به Plugin و بررسی داخلی را نادیده می‌گیرد؛
• اسرار شناسایی‌شده را حذف می‌کند و پیش از ارسال بسته رونوشت به مدل پیکربندی‌شده عامل انتخابی، اندازه آن را محدود می‌کند؛
• از همان معیار سخت‌گیرانه بررسی خودکار تجربه استفاده می‌کند؛ و
• می‌تواند حداکثر سه پیشنهاد در انتظار ایجاد یا بازبینی کند، اما هرگز Skills فعال را تغییر نمی‌دهد.

Workshop تعداد تجمعی نشست‌ها، پوشش تاریخی و ایده‌های یافت‌شده را گزارش می‌کند. برای پنجره قدیمی‌تر بعدی، Scan earlier work را انتخاب کنید. وقتی مکان‌نما به ابتدای تاریخچه واجد شرایط برسد، کنش به Scan new work تغییر می‌کند. OpenClaw فقط فراداده مکان‌نما و پوشش را در پایگاه داده وضعیت مشترک نگه می‌دارد؛ آرشیو رونوشت دومی ایجاد نمی‌کند.

نشست‌ها فقط زمانی اسکن می‌شوند که OpenClaw بتواند مالکیت آن‌ها را اثبات و محتوای هوک خارجی را حذف کند. پس از ارتقا، رونوشت فعلی پیش از ارتقا را می‌توان به‌صورت محلی دسته‌بندی کرد، اما رونوشت‌های چرخش‌یافته پیش از ارتقا که منشأ هر اجرا را ندارند، نادیده گرفته می‌شوند. رونوشت‌های جدید این منشأ را پس از چرخش نیز حفظ می‌کنند.

اسکن‌های دستی همچنان هزینه ارائه‌دهنده مدل دارند و محتوای واجد شرایط گفت‌وگو را به ارائه‌دهنده پیکربندی‌شده می‌فرستند. فقط زمانی از آن‌ها استفاده کنید که چنین بررسی‌ای با الزامات حریم خصوصی و مدیریت داده فضای کاری سازگار باشد.

OpenClaw چه چیزهایی می‌تواند بیاموزد

خودآموزی دو مسیر محافظه‌کارانه دارد:

1. دستورالعمل‌ها و اصلاحات مستقیم. OpenClaw عبارت‌های ماندگار مانند «از این به بعد»، «دفعه بعد» و اصلاحات یک رویکرد ناموفق را تشخیص می‌دهد. با فعال‌بودن خودآموزی، می‌تواند بدون انتظار برای درخواست دیگری، این نشانه‌ها را به پیشنهادهای در انتظار تبدیل کند. این مسیر قطعی می‌تواند دستورالعمل‌های مرتبط را در حداکثر سه پیشنهاد گروه‌بندی کند، یک Skill قابل‌نوشتن فضای کاری را هدف قرار دهد یا پیشنهاد در انتظار مرتبط خود را بازبینی کند. همچنین پس از نوبت‌های ناموفق اجرا می‌شود، زیرا به‌جای قضاوت درباره تکمیل، دستورالعمل‌های کاربر را ثبت می‌کند.
2. بررسی تجربه. پس از یک نوبت پیش‌زمینه موفق و قابل‌توجه، OpenClaw می‌تواند کار تکمیل‌شده را برای یافتن یک روش بازیابی قابل‌استفاده مجدد یا رویه‌ای پایدار بررسی کند که دست‌کم دو رفت‌وبرگشت آینده مدل یا ابزار را حذف کند.

نامزدهای مناسب عبارت‌اند از:

• یک بازیابی قابل‌اعتماد پس از شکست‌های مکرر ابزار یا مدل؛
• یک محدودیت ترتیبی غیربدیهی که از خطایی تکرارشونده جلوگیری کرده است؛
• یک گردش‌کار چندمرحله‌ای پایدار که به کشف مکرر نیاز داشته است؛ یا
• یک پیش‌بررسی قابل‌استفاده مجدد که از چندین فراخوانی آینده جلوگیری می‌کند.

بررسی‌کننده باید برای کارهای موفق معمول، درخواست‌های یک‌باره، حقایق شخصی، ترجیحات ساده، شکست‌های گذرای محیط، توصیه‌های عمومی، ادعاهای منفی بدون پشتوانه و اسرار از ارائه پیشنهاد خودداری کند.

بررسی تجربه چه زمانی اجرا می‌شود

بررسی تجربه عمداً با تأخیر و به‌صورت محدود اجرا می‌شود:

• نوبت پیش‌زمینه باید با موفقیت پایان یابد.
• نوبت فعلی باید دست‌کم ده تکرار مدل داشته باشد.
• نشست‌های Cron، Heartbeat، حافظه، سرریز، هوک، زیرعامل و بررسی مستثنا هستند.
• اجرای پیش‌زمینه باید یک ارائه‌دهنده و مدل را تعیین کرده و واقعاً به skill_workshop دسترسی داشته باشد.
• OpenClaw پس از تکمیل 30 ثانیه صبر می‌کند. تکمیل بعدی پیش‌زمینه در همان نشست، این دوره سکون را از نو آغاز می‌کند.
• اگر اجرای هر عامل یا پاسخی همچنان فعال باشد، بررسی 30 ثانیه دیگر صبر می‌کند.
• در هر لحظه فقط یک بررسی تجربه اجرا می‌شود.
• بررسی با تأخیر، کاری محلی در فرایند Gateway است. Gateway باید در سراسر پنجره بیکاری در حال اجرا باقی بماند؛ زمان‌اجرای محلی یک‌باره و مبتنی بر CLI، زمینه کافی از مسیر اجرا و دسترس‌پذیری ابزار را برای زمان‌بندی آن حفظ نمی‌کنند.

پاسخ پیش‌زمینه هرگز برای یادگیری به تأخیر نمی‌افتد. یک نوبت ناموفق یا فاقد شرایط، بررسی تجربه را آغاز نمی‌کند، هرچند وقتی خودکاری غیرفعال است، اصلاحات مستقیم کاربر همچنان می‌توانند به‌صورت پیشنهاد ارائه شوند.

بررسی‌کننده چه چیزی دریافت می‌کند

بررسی‌کننده پس‌زمینه فقط نوبت فعلی را از آخرین پیام کاربر دریافت می‌کند. مسیر اجرای رندرشده به 60,000 نویسه محدود است؛ در صورت نیاز، OpenClaw پیام نخست و جدیدترین شواهد را نگه می‌دارد و بخش میانی حذف‌شده را علامت‌گذاری می‌کند.

بررسی‌کننده از ارائه‌دهنده و مدل تعیین‌شده دوباره استفاده می‌کند. هرگاه آن هویت در دسترس باشد، نمایه احراز هویت پیش‌زمینه را دوباره به‌کار می‌گیرد و مدل‌های جایگزین را غیرفعال می‌کند. بنابراین بررسی، اجرای مدل دیگری را روی ارائه‌دهنده پیکربندی‌شده آغاز می‌کند. وقتی آن اجرا پیشنهادی را بازرسی یا پیش‌نویس می‌کند، ممکن است بیش از یک درخواست به ارائه‌دهنده ارسال کند. قیمت‌گذاری و شرایط مدیریت داده ارائه‌دهنده، درست مانند نوبت پیش‌زمینه اعمال می‌شوند.

پیش از آغاز، OpenClaw پیکربندی فعلی زمان‌اجرا را دوباره بارگذاری و سیاست مؤثر sandbox و ابزار را برای گفت‌وگوی اصلی مجدداً بررسی می‌کند. اگر اجرا در sandbox باشد، سیاست دیگر skill_workshop را مجاز نداند یا حقایق الزامی زمان‌اجرا وجود نداشته باشند، بررسی به‌صورت بسته شکست می‌خورد و چیزی ایجاد نمی‌کند.

ایمنی پیشنهادها

بررسی‌کننده در نشستی ایزوله با سطح ابزار عمداً محدود اجرا می‌شود:

• فقط می‌تواند پیشنهادهای Workshop را فهرست یا بازرسی کند و یک پیشنهاد در انتظار بسازد یا بازبینی کند.
• نمی‌تواند یک Skill فعال را به‌روزرسانی کند، پیشنهادی را اعمال، رد یا قرنطینه کند، پیامی بفرستد یا از ابزارهای عمومی عامل استفاده کند.
• یک بودجه تغییر میان تلاش‌های مجدد مدل مشترک است؛ بنابراین یک بررسی می‌تواند حداکثر یک پیشنهاد ایجاد یا بازبینی کند.
• مسیر اجرای بررسی‌شده به‌عنوان شواهد غیرقابل‌اعتماد تلقی می‌شود، نه دستورالعمل برای عامل پس‌زمینه.
• کارگاه Skills محتوای پیشنهاد را اسکن می‌کند و پیش از نوشتن وضعیت پیشنهاد، اعتبارنامه‌های تحت‌اللفظی شناسایی‌شده را رد می‌کند.

محدودیت‌های عادی Workshop همچنان اعمال می‌شوند، از جمله maxPending، maxSkillBytes، محدودیت‌های فایل پشتیبان، بررسی‌های اسکنر و نوشتن صرفاً در فضای کاری. تنظیم approvalPolicy: "auto" به بررسی‌کننده پس‌زمینه اجازه دسترسی به کنش‌های چرخه‌عمر را نمی‌دهد.

بررسی پیشنهادهای آموخته‌شده

خودآموزی همان پیشنهادهای در انتظاری را تولید می‌کند که استفاده دستی از Workshop می‌سازد. پیش از اعمال، آن‌ها را بازرسی کنید:

openclaw skills workshop listopenclaw skills workshop inspect <proposal-id>openclaw skills workshop apply <proposal-id>

پیشنهادهایی را که مفیدند اما هنوز آماده نیستند، بازبینی، رد یا قرنطینه کنید:

openclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.mdopenclaw skills workshop reject <proposal-id> --reason "Too specific"openclaw skills workshop quarantine <proposal-id> --reason "Needs security review"

اعمال‌کردن تنها عملیاتی است که یک SKILL.md فعال می‌نویسد. برای چرخه‌عمر کامل و مدل ذخیره‌سازی، به کارگاه Skills مراجعه کنید.

پیکربندی

برای طرح‌واره جامع، محدوده‌ها و تنظیمات مرتبط Skills، به پیکربندی Skills مراجعه کنید.

عیب‌یابی

پس از یک نوبت طولانی هیچ پیشنهادی ظاهر نمی‌شود

همه موارد زیر را بررسی کنید:

1. skills.workshop.autonomous.enabled در پیکربندی فعال Gateway برابر true است.
2. نوبت با موفقیت پایان یافته و پس از جدیدترین پیام کاربر، دست‌کم ده تکرار مدل داشته است.
3. گفت‌وگو یک اجرای عادی پیش‌زمینه بوده، نه اجرای زمان‌بندی‌شده، حافظه، هوک یا زیرعامل.
4. اجرای اصلی به skill_workshop دسترسی داشته و در sandbox نبوده است.
5. سیستم به‌اندازه کافی بیکار مانده تا بررسی با تأخیر اجرا شود.
6. فرایند طولانی‌مدت Gateway در سراسر پنجره بیکاری فعال مانده است؛ یک فرمان محلی یک‌باره منتظر بررسی با تأخیر نمی‌ماند.

یک بررسی واجد شرایط ممکن است همچنان هیچ پیشنهادی تولید نکند. وقتی شواهد به معیار رویه قابل‌استفاده مجدد نمی‌رسند، خودداری نتیجه مورد انتظار است.

Doctor گزارش می‌دهد که ابزار Workshop پنهان است

وقتی خودآموزی فعال است، openclaw doctor بررسی می‌کند که آیا سیاست ابزار مؤثر عامل پیش‌فرض، skill_workshop را مجاز می‌داند. تغییر گزارش‌شده tools.allow یا tools.alsoAllow را اعمال کنید، یا خودآموزی را غیرفعال کنید.

پیشنهادهای کم‌ارزش بیش از حد ظاهر می‌شوند

خودآموزی را غیرفعال کنید و استفاده از /learn یا درخواست‌های صریح Workshop را ادامه دهید:

openclaw config set skills.workshop.autonomous.enabled false --strict-json

پیشنهادهای در انتظار پس از غیرفعال‌شدن این قابلیت همچنان قابل‌بررسی می‌مانند. غیرفعال‌کردن خودآموزی آن‌ها را اعمال، رد یا حذف نمی‌کند.

مرتبط

• کارگاه Skills برای بررسی پیشنهاد، تأیید و ذخیره‌سازی
• ایجاد Skills برای Skills دست‌نویس و ساختار SKILL.md
• پیکربندی Skills برای همه تنظیمات skills.*
• CLI مربوط به Skills برای فرمان‌های کارگاه و متصدی گزینش