Skip to main content
L’autoapprendimento consente a OpenClaw di trasformare le evidenze utili ricavate dalle conversazioni in proposte in sospeso di Skill Workshop. Non addestra i pesi del modello, non modifica le skill attive né cambia silenziosamente il comportamento dell’agente. Ogni procedura appresa rimane in sospeso finché un operatore non la esamina e la applica. L’autoapprendimento è disabilitato per impostazione predefinita. Abilitarlo solo quando un’ulteriore esecuzione del modello in background e la revisione della trascrizione sono appropriate per lo spazio di lavoro.

​
Abilitare l’autoapprendimento

Nella Control UI, aprire Plugin → Workshop e attivare Autoapprendimento. La modifica ha effetto immediato; quando un altro processo di scrittura della configurazione ha aggiornato il file, la Control UI aggiorna l’istantanea della configurazione e ritenta l’attivazione senza ricaricare la pagina o il Gateway. Usare la CLI:
Oppure modificare ~/.openclaw/openclaw.json:
Disabilitarlo nuovamente con:
La creazione di skill richiesta dall’utente, /learn e le operazioni manuali di Skill Workshop continuano a funzionare mentre l’autoapprendimento è disabilitato.

​
Esaminare manualmente le sessioni precedenti

La revisione manuale della cronologia è l’alternativa più prudente all’acquisizione autonoma. Aprire Plugin → Workshop nella Control UI e selezionare Trova idee per le skill. Questa operazione non modifica skills.workshop.autonomous.enabled. Ogni scansione:
  • inizia dalle sessioni non ancora esaminate più recenti e procede a ritroso;
  • esamina fino a 20 sessioni sostanziali con almeno sei turni del modello;
  • ignora le sessioni Cron, Heartbeat, hook, subagente, ACP, di proprietà dei Plugin e di revisione interna;
  • oscura i segreti riconosciuti e limita il pacchetto della trascrizione prima di inviarlo al modello configurato dell’agente selezionato;
  • applica gli stessi criteri rigorosi della revisione autonoma dell’esperienza; e
  • può creare o rivedere al massimo tre proposte in sospeso, mai skill attive.
Il Workshop segnala il numero cumulativo di sessioni, l’intervallo di date coperto e le idee trovate. Selezionare Scansiona attività precedenti per la finestra successiva più vecchia. Quando il cursore raggiunge l’inizio della cronologia idonea, l’azione diventa Scansiona nuova attività. OpenClaw conserva nel database di stato condiviso solo il cursore e i metadati di copertura; non crea un secondo archivio delle trascrizioni. Le sessioni vengono scansionate solo quando OpenClaw può dimostrarne la titolarità ed escludere il contenuto proveniente da hook esterni. Dopo un aggiornamento, la trascrizione corrente precedente all’aggiornamento può essere classificata localmente, ma le trascrizioni ruotate precedenti all’aggiornamento senza provenienza per singola esecuzione vengono ignorate. Le nuove trascrizioni mantengono questa provenienza anche dopo la rotazione. Le scansioni manuali comportano comunque costi del provider del modello e inviano il contenuto idoneo delle conversazioni al provider configurato. Utilizzarle solo quando tale revisione è conforme ai requisiti di privacy e trattamento dei dati dello spazio di lavoro.

​
Che cosa può apprendere OpenClaw

L’autoapprendimento segue due percorsi prudenti:
  1. Istruzioni dirette e correzioni. OpenClaw rileva formulazioni persistenti come «d’ora in poi», «la prossima volta» e le correzioni a un approccio non riuscito. Con l’autoapprendimento abilitato, può trasformare questi segnali in proposte in sospeso senza attendere un altro prompt. Questo percorso deterministico può raggruppare istruzioni correlate in un massimo di tre proposte, indirizzarle a una skill scrivibile dello spazio di lavoro o rivedere una propria proposta correlata in sospeso. Viene eseguito anche dopo turni non riusciti, perché acquisisce le istruzioni dell’utente anziché valutare il completamento.
  2. Revisione dell’esperienza. Dopo un turno in primo piano riuscito e sostanziale, OpenClaw può esaminare il lavoro completato per individuare una tecnica di ripristino riutilizzabile o una procedura stabile che elimini almeno due futuri cicli di interazione con il modello o gli strumenti.
Tra i candidati validi rientrano:
  • un ripristino affidabile dopo ripetuti errori degli strumenti o del modello;
  • un vincolo di ordinamento non ovvio che ha impedito un errore ricorrente;
  • un flusso di lavoro stabile in più passaggi che ha richiesto esplorazioni ripetute; oppure
  • un controllo preliminare riutilizzabile che eviterebbe più chiamate future.
Il revisore dovrebbe astenersi per attività ordinarie riuscite, richieste una tantum, dati personali, preferenze semplici, errori temporanei dell’ambiente, consigli generici, affermazioni negative non supportate e segreti.

​
Quando viene eseguita la revisione dell’esperienza

La revisione dell’esperienza viene deliberatamente ritardata e limitata:
  • Il turno in primo piano deve terminare correttamente.
  • Il turno corrente deve contenere almeno dieci iterazioni del modello.
  • Sono escluse le sessioni Cron, Heartbeat, di memoria, overflow, hook, subagente e revisione.
  • L’esecuzione in primo piano deve aver risolto un provider e un modello e deve avere effettivamente avuto accesso a skill_workshop.
  • OpenClaw attende 30 secondi dopo il completamento. Un successivo completamento in primo piano nella stessa sessione riavvia tale periodo di inattività.
  • Se un’esecuzione dell’agente o di risposta è ancora attiva, la revisione attende altri 30 secondi.
  • Viene eseguita una sola revisione dell’esperienza alla volta.
  • La revisione ritardata è un’attività del Gateway locale al processo. Il Gateway deve rimanere in esecuzione durante la finestra di inattività; i runtime locali monouso e quelli basati sulla CLI non conservano un contesto sufficiente della traiettoria e della disponibilità degli strumenti per pianificarla.
La risposta in primo piano non viene mai ritardata per l’apprendimento. Un turno non riuscito o non idoneo non avvia la revisione dell’esperienza, sebbene le correzioni dirette dell’utente possano comunque essere proposte come suggerimento quando l’autonomia è disabilitata.

​
Che cosa riceve il revisore

Il revisore in background riceve solo il turno corrente, a partire dal suo messaggio utente più recente. La traiettoria renderizzata è limitata a 60,000 caratteri; quando necessario, OpenClaw conserva il primo messaggio e le evidenze più recenti e contrassegna la parte centrale omessa. Il revisore riutilizza il provider e il modello risolti. Riutilizza il profilo di autenticazione dell’esecuzione in primo piano quando tale identità è disponibile e disabilita i fallback del modello. La revisione avvia quindi un’ulteriore esecuzione del modello sul provider configurato. Tale esecuzione può effettuare più di una richiesta al provider quando esamina o redige una proposta. Si applicano i prezzi e le condizioni di trattamento dei dati del provider, come per il turno in primo piano. Prima dell’avvio, OpenClaw ricarica la configurazione corrente del runtime e ricontrolla la sandbox effettiva e la policy degli strumenti della conversazione originale. Se l’esecuzione è in sandbox, la policy non consente più skill_workshop oppure mancano dati obbligatori del runtime, la revisione si interrompe in modo sicuro e non crea nulla.
L’abilitazione dell’autoapprendimento consente di inviare al provider del modello selezionato il contenuto idoneo delle conversazioni, inclusi gli input e i risultati degli strumenti del turno corrente, per un’ulteriore revisione. Non abilitarlo in uno spazio di lavoro in cui tale revisione violerebbe i requisiti di trattamento dei dati.

​
Sicurezza delle proposte

Il revisore viene eseguito in una sessione isolata con una superficie degli strumenti deliberatamente limitata:
  • Può solo elencare o esaminare le proposte del Workshop e creare o rivedere una proposta in sospeso.
  • Non può aggiornare una skill attiva, applicare una proposta, rifiutare una proposta, mettere in quarantena una proposta, inviare un messaggio o utilizzare strumenti generici dell’agente.
  • Un unico budget di modifica viene condiviso tra i tentativi del modello, pertanto una revisione può creare o rivedere al massimo una proposta.
  • La traiettoria esaminata viene trattata come evidenza non attendibile, non come istruzioni per l’agente in background.
  • Skill Workshop analizza il contenuto delle proposte e rifiuta le credenziali letterali riconosciute prima che lo stato della proposta venga scritto.
Continuano ad applicarsi i normali limiti del Workshop, inclusi maxPending, maxSkillBytes, le restrizioni sui file di supporto, i controlli dello scanner e le scritture limitate allo spazio di lavoro. L’impostazione approvalPolicy: "auto" non concede al revisore in background l’accesso alle azioni del ciclo di vita.

​
Esaminare le proposte apprese

L’autoapprendimento produce le stesse proposte in sospeso dell’uso manuale del Workshop. Esaminarle prima di applicarle:
Rivedere, rifiutare o mettere in quarantena le proposte utili ma non ancora pronte:
L’applicazione è l’unica operazione che scrive una SKILL.md attiva. Consultare Skill Workshop per il ciclo di vita completo e il modello di archiviazione.

​
Configurazione

Per lo schema completo, gli intervalli e le relative impostazioni delle skill, consultare Configurazione delle skill.

​
Risoluzione dei problemi

​
Non appare alcuna proposta dopo un turno lungo

Verificare quanto segue:
  1. skills.workshop.autonomous.enabled è true nella configurazione attiva del Gateway.
  2. Il turno è riuscito e ha incluso almeno dieci iterazioni del modello dopo il messaggio utente più recente.
  3. La conversazione era una normale esecuzione in primo piano, non un’esecuzione pianificata, di memoria, hook o subagente.
  4. L’esecuzione originale aveva accesso a skill_workshop e non era in sandbox.
  5. Il sistema è rimasto inattivo abbastanza a lungo per la revisione ritardata.
  6. Il processo Gateway di lunga durata è rimasto attivo per tutta la finestra di inattività; un comando locale monouso non attende la revisione ritardata.
Una revisione idonea potrebbe comunque non produrre alcuna proposta. L’astensione è il risultato previsto quando le evidenze non superano i criteri richiesti per una procedura riutilizzabile.

​
Doctor segnala che lo strumento Workshop è nascosto

Quando l’autoapprendimento è abilitato, openclaw doctor verifica se la policy effettiva degli strumenti dell’agente predefinito consente skill_workshop. Applicare la modifica tools.allow o tools.alsoAllow segnalata oppure disabilitare l’autoapprendimento.

​
Appaiono troppe proposte di scarso valore

Disabilitare l’autoapprendimento e continuare a utilizzare /learn o richieste esplicite al Workshop:
Le proposte in sospeso rimangono esaminabili dopo la disabilitazione della funzionalità. La disabilitazione dell’autoapprendimento non le applica, rifiuta o elimina.

​
Contenuti correlati