Zelflerend

Door zelfleren kan OpenClaw bruikbaar bewijs uit gesprekken omzetten in openstaande Skill Workshop-voorstellen. Het traint geen modelgewichten, bewerkt geen actieve skills en wijzigt het gedrag van agents niet stilzwijgend. Elke geleerde procedure blijft openstaan totdat een beheerder deze beoordeelt en toepast.

Zelfleren is standaard uitgeschakeld. Schakel het alleen in wanneer een extra modeluitvoering op de achtergrond en beoordeling van transcripten geschikt zijn voor jouw werkruimte.

Zelfleren inschakelen

Open in de Control UI Plugins → Workshop en schakel Zelfleren in. De wijziging wordt onmiddellijk van kracht; wanneer een andere configuratieschrijver het bestand heeft bijgewerkt, vernieuwt de Control UI de configuratiemomentopname en probeert deze de schakelaar opnieuw in te stellen zonder de pagina of Gateway opnieuw te laden.

Gebruik de CLI:

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

Of bewerk ~/.openclaw/openclaw.json:

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

Schakel het weer uit met:

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

Door gebruikers aangevraagde creatie van skills, /learn en handmatige Skill Workshop-bewerkingen blijven werken terwijl zelfleren is uitgeschakeld.

Eerdere sessies handmatig beoordelen

Handmatige beoordeling van de geschiedenis is het conservatieve alternatief voor autonome vastlegging. Open Plugins → Workshop in de Control UI en selecteer Skillideeën zoeken. Hierdoor wordt skills.workshop.autonomous.enabled niet gewijzigd.

Elke scan:

• begint met de nieuwste nog niet beoordeelde sessies en gaat achteruit;
• beoordeelt maximaal 20 substantiële sessies met ten minste zes modelbeurten;
• slaat Cron-, Heartbeat-, hook-, subagent-, ACP-, Plugin-eigen en interne beoordelingssessies over;
• redigeert herkende geheimen en begrenst de transcriptbundel voordat deze naar het geconfigureerde model van de geselecteerde agent wordt verzonden;
• hanteert dezelfde hoge drempel als autonome ervaringsbeoordeling; en
• kan maximaal drie openstaande voorstellen maken of herzien, maar nooit actieve skills.

De Workshop rapporteert het cumulatieve aantal sessies, het datumbereik en de gevonden ideeën. Selecteer Eerder werk scannen voor het volgende oudere venster. Wanneer de cursor het begin van de in aanmerking komende geschiedenis bereikt, verandert de actie in Nieuw werk scannen. OpenClaw bewaart alleen cursor- en dekkingsmetadata in de gedeelde statusdatabase; het maakt geen tweede transcriptarchief.

Sessies worden alleen gescand wanneer OpenClaw het eigenaarschap ervan kan aantonen en inhoud van externe hooks kan uitsluiten. Na een upgrade kan het huidige transcript van vóór de upgrade lokaal worden geclassificeerd, maar geroteerde transcripten van vóór de upgrade zonder herkomstgegevens per uitvoering worden overgeslagen. Nieuwe transcripten behouden deze herkomstgegevens na rotatie.

Handmatige scans brengen nog steeds kosten van de modelprovider met zich mee en verzenden in aanmerking komende gespreksinhoud naar de geconfigureerde provider. Gebruik ze alleen wanneer die beoordeling past bij de privacy- en gegevensverwerkingsvereisten van de werkruimte.

Wat OpenClaw kan leren

Zelfleren kent twee conservatieve paden:

1. Directe instructies en correcties. OpenClaw detecteert duurzame formuleringen zoals ‘vanaf nu’, ‘de volgende keer’ en correcties op een mislukte aanpak. Wanneer zelfleren is ingeschakeld, kan het die signalen omzetten in openstaande voorstellen zonder op een andere prompt te wachten. Dit deterministische pad kan verwante instructies groeperen in maximaal drie voorstellen, zich richten op een beschrijfbare werkruimteskill of een eigen gerelateerd openstaand voorstel herzien. Het wordt ook uitgevoerd na mislukte beurten, omdat het de instructies van de gebruiker vastlegt in plaats van de voltooiing te beoordelen.
2. Ervaringsbeoordeling. Na een succesvolle, substantiële voorgrondbeurt kan OpenClaw het voltooide werk beoordelen op een herbruikbare hersteltechniek of een stabiele procedure die ten minste twee toekomstige model- of toolrondgangen zou voorkomen.

Goede kandidaten zijn onder andere:

• een betrouwbaar herstel na herhaalde tool- of modelfouten;
• een niet voor de hand liggende volgordevoorwaarde die een terugkerende fout voorkwam;
• een stabiele workflow met meerdere stappen waarvoor herhaalde verkenning nodig was; of
• een herbruikbare preflight die meerdere toekomstige aanroepen zou voorkomen.

De beoordelaar moet zich onthouden bij routinematig succesvol werk, eenmalige verzoeken, persoonlijke feiten, eenvoudige voorkeuren, tijdelijke omgevingsfouten, algemeen advies, niet-onderbouwde negatieve beweringen en geheimen.

Wanneer ervaringsbeoordeling wordt uitgevoerd

Ervaringsbeoordeling wordt opzettelijk uitgesteld en begrensd:

• De voorgrondbeurt moet succesvol worden voltooid.
• De huidige beurt moet ten minste tien modeliteraties bevatten.
• Cron-, Heartbeat-, geheugen-, overloop-, hook-, subagent- en beoordelingssessies zijn uitgesloten.
• De voorgronduitvoering moet een provider en model hebben bepaald en daadwerkelijk toegang hebben gehad tot skill_workshop.
• OpenClaw wacht na voltooiing 30 seconden. Een latere voorgrondvoltooiing in dezelfde sessie start die stille periode opnieuw.
• Als een agent- of antwoorduitvoering nog actief is, wacht de beoordeling nog eens 30 seconden.
• Er wordt slechts één ervaringsbeoordeling tegelijk uitgevoerd.
• Uitgestelde beoordeling is proceslokaal Gateway-werk. De Gateway moet actief blijven tijdens het inactiviteitsvenster; eenmalige lokale en CLI-ondersteunde runtimes bewaren onvoldoende context over het traject en de beschikbaarheid van tools om dit in te plannen.

Het antwoord op de voorgrond wordt nooit vertraagd om te leren. Een mislukte of niet in aanmerking komende beurt start geen ervaringsbeoordeling, hoewel directe gebruikerscorrecties nog steeds als suggestie kunnen worden aangeboden wanneer autonomie is uitgeschakeld.

Wat de beoordelaar ontvangt

De achtergrondbeoordelaar ontvangt alleen de huidige beurt, vanaf het meest recente gebruikersbericht. Het weergegeven traject is beperkt tot 60,000 tekens; indien nodig bewaart OpenClaw het eerste bericht en het nieuwste bewijs en markeert het weggelaten middendeel.

De beoordelaar hergebruikt de bepaalde provider en het bepaalde model. Deze hergebruikt het authenticatieprofiel van de voorgrond wanneer die identiteit beschikbaar is en schakelt model-fallbacks uit. De beoordeling start daarom een extra modeluitvoering bij de geconfigureerde provider. Die uitvoering kan meer dan één providerverzoek doen wanneer deze een voorstel inspecteert of opstelt. De prijsstelling en gegevensverwerkingsvoorwaarden van de provider zijn op dezelfde manier van toepassing als op de voorgrondbeurt.

Voordat OpenClaw begint, laadt het de huidige runtimeconfiguratie opnieuw en controleert het opnieuw het effectieve sandbox- en toolbeleid voor het oorspronkelijke gesprek. Als de uitvoering in een sandbox plaatsvindt, het beleid skill_workshop niet meer toestaat of vereiste runtimefeiten ontbreken, wordt de beoordeling veilig afgebroken en wordt er niets gemaakt.

Veiligheid van voorstellen

De beoordelaar wordt uitgevoerd in een geïsoleerde sessie met een bewust beperkt tooloppervlak:

• Deze kan alleen Workshop-voorstellen vermelden of inspecteren en één openstaand voorstel maken of herzien.
• Deze kan geen actieve skill bijwerken, een voorstel toepassen, afwijzen of in quarantaine plaatsen, een bericht verzenden of algemene agenttools gebruiken.
• Eén mutatiebudget wordt gedeeld tussen modelpogingen, zodat een beoordeling maximaal één voorstel kan maken of herzien.
• Het beoordeelde traject wordt behandeld als niet-vertrouwd bewijs, niet als instructies voor de achtergrondagent.
• Skill Workshop scant de inhoud van voorstellen en weigert herkende letterlijke aanmeldgegevens voordat de voorstelstatus wordt opgeslagen.

De normale Workshop-limieten blijven van toepassing, waaronder maxPending, maxSkillBytes, beperkingen voor ondersteuningsbestanden, scannercontroles en uitsluitend schrijven naar de werkruimte. De instelling approvalPolicy: "auto" geeft de achtergrondbeoordelaar geen toegang tot levenscyclusacties.

Geleerde voorstellen beoordelen

Zelfleren produceert dezelfde openstaande voorstellen als handmatig Workshop-gebruik. Inspecteer ze voordat je ze toepast:

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

Herzie voorstellen die nuttig maar nog niet gereed zijn, wijs ze af of plaats ze in quarantaine:

openclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.mdopenclaw skills workshop reject <proposal-id> --reason "Te specifiek"openclaw skills workshop quarantine <proposal-id> --reason "Beveiligingsbeoordeling vereist"

Toepassen is de enige bewerking die een actieve SKILL.md schrijft. Zie Skill Workshop voor het volledige levenscyclus- en opslagmodel.

Configuratie

Zie voor het volledige schema, de bereiken en gerelateerde skillinstellingen Skills-configuratie.

Probleemoplossing

Er verschijnt geen voorstel na een lange beurt

Controleer al het volgende:

1. skills.workshop.autonomous.enabled is true in de actieve Gateway-configuratie.
2. De beurt is geslaagd en bevatte ten minste tien modeliteraties na het meest recente gebruikersbericht.
3. Het gesprek was een normale voorgronduitvoering, geen geplande, geheugen-, hook- of subagentuitvoering.
4. De oorspronkelijke uitvoering had toegang tot skill_workshop en vond niet plaats in een sandbox.
5. Het systeem bleef lang genoeg inactief voor de uitgestelde beoordeling.
6. Het langlopende Gateway-proces bleef actief tijdens het inactiviteitsvenster; een eenmalige lokale opdracht wacht niet op uitgestelde beoordeling.

Een kwalificerende beoordeling levert mogelijk nog steeds geen voorstel op. Onthouding is het verwachte resultaat wanneer het bewijs de drempel voor een herbruikbare procedure niet haalt.

Doctor meldt dat de Workshop-tool verborgen is

Wanneer zelfleren is ingeschakeld, controleert openclaw doctor of het effectieve toolbeleid van de standaardagent skill_workshop toestaat. Volg de gemelde wijziging voor tools.allow of tools.alsoAllow, of schakel zelfleren uit.

Er verschijnen te veel voorstellen met weinig waarde

Schakel zelfleren uit en blijf /learn of expliciete Workshop-verzoeken gebruiken:

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

Openstaande voorstellen blijven beoordeelbaar nadat de functie is uitgeschakeld. Het uitschakelen van zelfleren past ze niet toe, wijst ze niet af en verwijdert ze niet.

Gerelateerd

• Skill Workshop voor beoordeling, goedkeuring en opslag van voorstellen
• Skills maken voor handmatig gemaakte skills en de structuur van SKILL.md
• Skills-configuratie voor alle instellingen van skills.*
• Skills-CLI voor Workshop- en curatoropdrachten