--- read_when: - Chcesz, aby OpenClaw uczył się procedur wielokrotnego użytku na podstawie zakończonych rozmów - Podejmowana jest decyzja, czy włączyć autonomiczne propozycje umiejętności - Trzeba zrozumieć bezpieczeństwo samouczenia, koszty, kryteria kwalifikacji lub rozwiązywanie problemów sidebarTitle: Self-learning summary: Pozwól OpenClaw proponować wielokrotnego użytku Skills na podstawie poprawek i istotnych ukończonych prac title: Samouczenie się x-i18n: generated_at: "2026-07-16T19:13:53Z" model: gpt-5.6 postprocess_version: locale-links-v1 prompt_version: 32 provider: openai source_hash: b10618c1a64441bdf0ba58f03e02972bdf2b1d59643a78358910594f8139ccb8 source_path: tools/self-learning.md workflow: 16 --- Samouczenie pozwala OpenClaw przekształcać przydatne informacje z rozmów w oczekujące propozycje [Skill Workshop](/pl/tools/skill-workshop). Nie trenuje ono wag modelu, nie edytuje aktywnych umiejętności ani nie zmienia po cichu zachowania agenta. Każda wyuczona procedura pozostaje oczekująca, dopóki operator jej nie przejrzy i nie zastosuje. Samouczenie jest **domyślnie wyłączone**. Należy je włączać tylko wtedy, gdy dodatkowe uruchomienie modelu w tle i przegląd transkrypcji są odpowiednie dla danego obszaru roboczego. ## Włączanie samouczenia W interfejsie Control UI otwórz **Plugins → Workshop** i włącz **Self-learning**. Zmiana zaczyna obowiązywać natychmiast; gdy inny proces zapisujący konfigurację zaktualizował plik, Control UI odświeża migawkę konfiguracji i ponawia próbę przełączenia bez ponownego ładowania strony ani Gateway. Użycie CLI: ```bash openclaw config set skills.workshop.autonomous.enabled true --strict-json ``` Można też edytować `~/.openclaw/openclaw.json`: ```json5 { skills: { workshop: { autonomous: { enabled: true, }, }, }, } ``` Ponowne wyłączenie: ```bash openclaw config set skills.workshop.autonomous.enabled false --strict-json ``` Tworzenie umiejętności na żądanie użytkownika, `/learn` oraz ręczne operacje Skill Workshop działają nadal, gdy samouczenie jest wyłączone. ## Ręczne przeglądanie wcześniejszych sesji Ręczny przegląd historii jest zachowawczą alternatywą dla autonomicznego przechwytywania. W interfejsie Control UI otwórz **Plugins → Workshop** i wybierz **Find skill ideas**. Nie zmienia to `skills.workshop.autonomous.enabled`. Każde skanowanie: - zaczyna od najnowszych nieprzejrzanych sesji i cofa się; - przegląda maksymalnie 20 istotnych sesji obejmujących co najmniej sześć tur modelu; - pomija sesje cron, heartbeat, hook, subagent, ACP, należące do pluginów oraz wewnętrzne sesje przeglądu; - redaguje rozpoznane sekrety i ogranicza pakiet transkrypcji przed wysłaniem go do skonfigurowanego modelu wybranego agenta; - stosuje ten sam wysoki próg co autonomiczny przegląd doświadczeń; oraz - może utworzyć lub zmienić najwyżej trzy oczekujące propozycje, nigdy aktywne umiejętności. Workshop raportuje łączną liczbę sesji, zakres dat i liczbę znalezionych pomysłów. Wybierz **Scan earlier work**, aby przejść do następnego starszego zakresu. Gdy kursor dotrze do początku kwalifikującej się historii, działanie zmieni się na **Scan new work**. OpenClaw zapisuje we współdzielonej bazie danych stanu tylko kursor i metadane zakresu; nie tworzy drugiego archiwum transkrypcji. Sesje są skanowane tylko wtedy, gdy OpenClaw może potwierdzić ich własność i wykluczyć treść z zewnętrznych hooków. Po aktualizacji bieżąca transkrypcja sprzed aktualizacji może zostać sklasyfikowana lokalnie, ale rotowane transkrypcje sprzed aktualizacji bez danych o pochodzeniu poszczególnych uruchomień są pomijane. Nowe transkrypcje zachowują te dane pochodzenia podczas rotacji. Ręczne skanowania nadal generują koszty dostawcy modelu i wysyłają kwalifikującą się treść rozmów do skonfigurowanego dostawcy. Należy ich używać tylko wtedy, gdy taki przegląd jest zgodny z wymaganiami obszaru roboczego dotyczącymi prywatności i przetwarzania danych. ## Czego OpenClaw może się nauczyć Samouczenie ma dwie zachowawcze ścieżki: 1. **Bezpośrednie instrukcje i korekty.** OpenClaw wykrywa trwałe sformułowania, takie jak „od teraz”, „następnym razem”, oraz korekty nieskutecznego podejścia. Gdy samouczenie jest włączone, może przekształcić te sygnały w oczekujące propozycje bez czekania na kolejny monit. Ta deterministyczna ścieżka może grupować powiązane instrukcje w maksymalnie trzy propozycje, kierować je do zapisywalnej umiejętności obszaru roboczego lub zmieniać własną powiązaną oczekującą propozycję. Uruchamia się również po nieudanych turach, ponieważ przechwytuje instrukcje użytkownika, zamiast oceniać ukończenie. 2. **Przegląd doświadczeń.** Po pomyślnej, istotnej turze pierwszoplanowej OpenClaw może przejrzeć ukończoną pracę pod kątem techniki odzyskiwania nadającej się do ponownego użycia lub stabilnej procedury, która wyeliminowałaby co najmniej dwie przyszłe rundy modelu lub narzędzi. Dobrymi kandydatami są: - niezawodny sposób odzyskiwania po powtarzających się awariach narzędzia lub modelu; - nieoczywiste ograniczenie kolejności, które zapobiegło powtarzającemu się błędowi; - stabilny wieloetapowy przepływ pracy, który wymagał wielokrotnego rozpoznania; lub - wielokrotnego użytku kontrola wstępna, która pozwoliłaby uniknąć wielu przyszłych wywołań. Recenzent powinien powstrzymać się od działania w przypadku rutynowej udanej pracy, jednorazowych próśb, faktów osobistych, prostych preferencji, przejściowych awarii środowiska, ogólnych porad, niepopartych twierdzeń negatywnych oraz sekretów. ## Kiedy uruchamia się przegląd doświadczeń Przegląd doświadczeń jest celowo opóźniony i ograniczony: - Tura pierwszoplanowa musi zakończyć się powodzeniem. - Bieżąca tura musi zawierać co najmniej dziesięć iteracji modelu. - Sesje cron, heartbeat, pamięci, przepełnienia, hooków, subagentów i przeglądu są wykluczone. - Uruchomienie pierwszoplanowe musi mieć rozpoznanego dostawcę i model oraz rzeczywiście mieć dostęp do `skill_workshop`. - OpenClaw czeka 30 sekund po ukończeniu. Późniejsze ukończenie zadania pierwszoplanowego w tej samej sesji rozpoczyna ten okres ciszy od nowa. - Jeśli jakiekolwiek uruchomienie agenta lub odpowiedzi jest nadal aktywne, przegląd czeka kolejne 30 sekund. - Jednocześnie działa tylko jeden przegląd doświadczeń. - Opóźniony przegląd jest lokalną dla procesu pracą Gateway. Gateway musi działać przez cały okres bezczynności; jednorazowe środowiska lokalne i oparte na CLI nie zachowują wystarczającego kontekstu trajektorii ani dostępności narzędzi, aby go zaplanować. Odpowiedź pierwszoplanowa nigdy nie jest opóźniana na potrzeby uczenia. Nieudana lub niekwalifikująca się tura nie rozpoczyna przeglądu doświadczeń, chociaż bezpośrednie korekty użytkownika mogą nadal zostać zaproponowane jako sugestia, gdy autonomia jest wyłączona. ## Co otrzymuje recenzent Recenzent działający w tle otrzymuje tylko bieżącą turę, począwszy od jej najnowszej wiadomości użytkownika. Wyrenderowana trajektoria jest ograniczona do 60,000 znaków; w razie potrzeby OpenClaw zachowuje pierwszą wiadomość i najnowsze dowody oraz oznacza pominiętą środkową część. Recenzent ponownie wykorzystuje rozpoznanego dostawcę i model. Ponownie wykorzystuje profil uwierzytelniania zadania pierwszoplanowego, gdy ta tożsamość jest dostępna, i wyłącza rozwiązania awaryjne modelu. Przegląd rozpoczyna zatem dodatkowe uruchomienie modelu u skonfigurowanego dostawcy. To uruchomienie może wysłać więcej niż jedno żądanie do dostawcy podczas sprawdzania lub tworzenia propozycji. Obowiązują ceny i warunki przetwarzania danych dostawcy, tak samo jak w przypadku tury pierwszoplanowej. Przed rozpoczęciem OpenClaw ponownie wczytuje bieżącą konfigurację środowiska uruchomieniowego i ponownie sprawdza obowiązujące zasady piaskownicy i narzędzi dla pierwotnej rozmowy. Jeśli uruchomienie odbywa się w piaskownicy, zasady nie zezwalają już na `skill_workshop` albo brakuje wymaganych danych środowiska uruchomieniowego, przegląd kończy się bezpiecznym niepowodzeniem i niczego nie tworzy. Włączenie samouczenia pozwala wysyłać kwalifikującą się treść rozmowy, w tym dane wejściowe i wyniki narzędzi z bieżącej tury, do wybranego dostawcy modelu w celu wykonania jednego dodatkowego przeglądu. Nie należy go włączać w obszarze roboczym, w którym taki przegląd naruszałby wymagania dotyczące przetwarzania danych. ## Bezpieczeństwo propozycji Recenzent działa w odizolowanej sesji z celowo ograniczonym zestawem narzędzi: - Może tylko wyświetlać lub sprawdzać propozycje Workshop oraz utworzyć albo zmienić jedną oczekującą propozycję. - Nie może aktualizować aktywnej umiejętności, stosować propozycji, odrzucać propozycji, poddawać propozycji kwarantannie, wysyłać wiadomości ani używać ogólnych narzędzi agenta. - Jeden budżet modyfikacji jest współdzielony między ponownymi próbami modelu, dlatego przegląd może utworzyć lub zmienić najwyżej jedną propozycję. - Przeglądana trajektoria jest traktowana jako niezaufany materiał dowodowy, a nie jako instrukcje dla agenta działającego w tle. - Skill Workshop skanuje treść propozycji i odrzuca rozpoznane dosłowne dane uwierzytelniające, zanim stan propozycji zostanie zapisany. Nadal obowiązują standardowe limity Workshop, w tym `maxPending`, `maxSkillBytes`, ograniczenia plików pomocniczych, kontrole skanera oraz zapisy wyłącznie w obszarze roboczym. Ustawienie `approvalPolicy: "auto"` nie przyznaje recenzentowi działającemu w tle dostępu do działań cyklu życia. ## Przeglądanie wyuczonych propozycji Samouczenie tworzy takie same oczekujące propozycje jak ręczne użycie Workshop. Należy je sprawdzić przed zastosowaniem: ```bash openclaw skills workshop list openclaw skills workshop inspect openclaw skills workshop apply ``` Propozycje, które są przydatne, ale jeszcze niegotowe, można zmienić, odrzucić lub poddać kwarantannie: ```bash openclaw skills workshop revise --proposal ./PROPOSAL.md openclaw skills workshop reject --reason "Zbyt szczegółowe" openclaw skills workshop quarantine --reason "Wymaga przeglądu bezpieczeństwa" ``` Zastosowanie jest jedyną operacją zapisującą aktywną `SKILL.md`. Pełny model cyklu życia i przechowywania opisano w [Skill Workshop](/pl/tools/skill-workshop). ## Konfiguracja | Ustawienie | Domyślnie | Wpływ samouczenia | | ------------------------------------------ | -------- | --------------------------------------------------------------------------------------------------------------------------------- | | `skills.workshop.autonomous.enabled` | `false` | Włącza bezpośrednie przechwytywanie korekt i opóźniony przegląd doświadczeń. | | `skills.workshop.approvalPolicy` | `"auto"` | Steruje monitami o zatwierdzenie dla standardowych działań cyklu życia inicjowanych przez agenta; nie rozszerza uprawnień recenzenta działającego w tle. | | `skills.workshop.maxPending` | `50` | Ogranicza liczbę oczekujących i poddanych kwarantannie propozycji w obszarze roboczym. | | `skills.workshop.maxSkillBytes` | `40000` | Ogranicza rozmiar treści propozycji w bajtach. | | `skills.workshop.allowSymlinkTargetWrites` | `false` | Wpływa tylko na zachowanie podczas stosowania; samo samouczenie zapisuje stan propozycji, a nie aktywne docelowe umiejętności. | Pełny schemat, zakresy i powiązane ustawienia umiejętności opisano w sekcji [Konfiguracja Skills](/pl/tools/skills-config#workshop-skills-workshop). ## Rozwiązywanie problemów ### Po długiej turze nie pojawia się żadna propozycja Należy sprawdzić wszystkie poniższe warunki: 1. `skills.workshop.autonomous.enabled` ma wartość `true` w aktywnej konfiguracji Gateway. 2. Tura zakończyła się powodzeniem i obejmowała co najmniej dziesięć iteracji modelu po najnowszej wiadomości użytkownika. 3. Rozmowa była standardowym uruchomieniem pierwszoplanowym, a nie uruchomieniem zaplanowanym, pamięci, hooka lub subagenta. 4. Pierwotne uruchomienie miało dostęp do `skill_workshop` i nie działało w piaskownicy. 5. System pozostawał bezczynny wystarczająco długo, aby opóźniony przegląd mógł się odbyć. 6. Długotrwały proces Gateway pozostał aktywny przez cały okres bezczynności; jednorazowe polecenie lokalne nie czeka na opóźniony przegląd. Kwalifikujący się przegląd nadal może nie utworzyć żadnej propozycji. Powstrzymanie się od działania jest oczekiwanym wynikiem, gdy materiał dowodowy nie spełnia progu procedury nadającej się do ponownego użycia. ### Doctor zgłasza, że narzędzie Workshop jest ukryte Gdy samouczenie jest włączone, `openclaw doctor` sprawdza, czy obowiązujące zasady narzędzi domyślnego agenta zezwalają na `skill_workshop`. Należy zastosować zgłoszoną zmianę `tools.allow` lub `tools.alsoAllow` albo wyłączyć samouczenie. ### Pojawia się zbyt wiele propozycji o małej wartości Należy wyłączyć samouczenie i nadal używać `/learn` lub jawnych żądań Workshop: ```bash openclaw config set skills.workshop.autonomous.enabled false --strict-json ``` Oczekujące propozycje można nadal przeglądać po wyłączeniu funkcji. Wyłączenie samouczenia nie stosuje, nie odrzuca ani nie usuwa tych propozycji. ## Powiązane - [Skill Workshop](/pl/tools/skill-workshop) do przeglądu propozycji, zatwierdzania i przechowywania - [Tworzenie umiejętności](/pl/tools/creating-skills) dla umiejętności tworzonych ręcznie oraz struktury `SKILL.md` - [Konfiguracja umiejętności](/pl/tools/skills-config) dla wszystkich ustawień `skills.*` - [CLI umiejętności](/pl/cli/skills) dla poleceń Workshop i kuratora