Skip to main content
自己学習により、OpenClaw は会話から得られた有用な証拠を保留中の Skill Workshop 提案に変換できます。モデルの 重みを学習したり、アクティブな Skills を編集したり、エージェントの動作を暗黙に変更したりすることはありません。学習されたすべての 手順は、オペレーターがレビューして適用するまで保留状態のままです。 自己学習はデフォルトで無効です。追加の バックグラウンドモデル実行とトランスクリプトのレビューがワークスペースに適している場合にのみ有効にしてください。

​
自己学習を有効にする

Control UI で Plugins → Workshop を開き、Self-learning をオンにします。この 変更は直ちに反映されます。別の設定書き込み処理がファイルを更新していた場合、Control UI は設定スナップショットを更新し、ページや Gateway を再読み込みせずに切り替えを再試行します。 CLI を使用します。
または ~/.openclaw/openclaw.json を編集します。
再び無効にするには、次を実行します。
ユーザーが要求した Skill の作成、/learn、および手動の Skill Workshop 操作は、 自己学習が無効な間も引き続き機能します。

​
過去のセッションを手動でレビューする

手動の履歴レビューは、自律的な取得に代わる保守的な方法です。 Control UI で Plugins → Workshop を開き、Find skill ideas を選択します。 これによって skills.workshop.autonomous.enabled が変更されることはありません。 各スキャンは次のように動作します。
  • レビューされていない最新のセッションから始め、過去へ遡ります。
  • モデルのターンが少なくとも 6 回ある実質的なセッションを最大 20 件レビューします。
  • Cron、Heartbeat、フック、サブエージェント、ACP、Plugin 所有、および内部レビューの セッションをスキップします。
  • 認識されたシークレットを秘匿化し、選択したエージェントに設定されたモデルへ送信する前にトランスクリプトバンドルの サイズを制限します。
  • 自律的な経験レビューと同じ厳格な基準を使用します。
  • 保留中の提案を最大 3 件作成または改訂できますが、稼働中の Skills は変更しません。
Workshop は、累計セッション数、対象期間、見つかったアイデアを報告します。 次に古い範囲を対象にするには Scan earlier work を選択します。カーソルが 対象履歴の先頭に達すると、アクションは Scan new work に変わります。 OpenClaw が共有状態データベースに保存するのはカーソルと対象範囲のメタデータのみであり、 2 つ目のトランスクリプトアーカイブは作成しません。 セッションがスキャンされるのは、OpenClaw がその所有権を証明し、 外部フックの内容を除外できる場合のみです。アップグレード後、現在のアップグレード前トランスクリプトは ローカルで分類できますが、実行ごとの来歴がないローテーション済みのアップグレード前トランスクリプトは スキップされます。新しいトランスクリプトは、ローテーション後もこの来歴を保持します。 手動スキャンでもモデルプロバイダーのコストが発生し、対象となる会話内容が 設定済みプロバイダーに送信されます。そのレビューがワークスペースの プライバシーおよびデータ処理要件に適合する場合にのみ使用してください。

​
OpenClaw が学習できる内容

自己学習には、保守的な 2 つの経路があります。
  1. 直接的な指示と訂正。 OpenClaw は「今後は」「次回は」といった永続性を示す表現や、 失敗したアプローチへの訂正を検出します。 自己学習が有効な場合、別のプロンプトを待たずに、これらのシグナルを保留中の提案へ変換できます。 この決定論的な経路では、関連する指示を最大 3 件の提案にまとめたり、書き込み可能なワークスペースの Skill を対象にしたり、 自身が作成した関連する保留中の提案を改訂したりできます。また、完了を判定するのではなくユーザーの指示を取得するため、 失敗したターンの後にも実行されます。
  2. 経験レビュー。 フォアグラウンドの実質的なターンが正常に完了した後、 OpenClaw は、再利用可能な復旧手法、または将来のモデルやツールとの往復を少なくとも 2 回削減できる 安定した手順が完了済み作業に含まれているかをレビューできます。
適切な候補には次のものがあります。
  • ツールまたはモデルの繰り返し発生する障害から確実に復旧する方法。
  • 繰り返し発生するエラーを防いだ、明白ではない順序制約。
  • 繰り返し調査する必要があった、安定した複数ステップのワークフロー。
  • 将来の複数回の呼び出しを回避できる、再利用可能な事前チェック。
レビュー担当は、日常的に成功した作業、単発のリクエスト、 個人的な事実、単純な設定、環境の一時的な障害、一般的な助言、 裏付けのない否定的な主張、およびシークレットについては提案を見送る必要があります。

​
経験レビューが実行されるタイミング

経験レビューは意図的に遅延され、制限されています。
  • フォアグラウンドのターンが正常に完了している必要があります。
  • 現在のターンに少なくとも 10 回のモデル反復が含まれている必要があります。
  • Cron、Heartbeat、メモリ、オーバーフロー、フック、サブエージェント、およびレビューのセッションは 除外されます。
  • フォアグラウンド実行でプロバイダーとモデルが解決され、実際に skill_workshop へアクセスできた必要があります。
  • OpenClaw は完了後 30 秒待機します。同じセッションで後続のフォアグラウンド処理が完了すると、 その静止期間が再開されます。
  • いずれかのエージェントまたは応答処理がまだアクティブな場合、レビューはさらに 30 秒待機します。
  • 一度に実行される経験レビューは 1 件のみです。
  • 遅延レビューは、プロセスローカルな Gateway の処理です。Gateway は アイドル期間を通して稼働し続ける必要があります。単発のローカルランタイムおよび CLI ベースのランタイムには、 レビューをスケジュールするために十分な軌跡やツール利用可否のコンテキストが保持されません。
学習のためにフォアグラウンドの回答が遅延することはありません。失敗したターンや対象外の ターンでは経験レビューは開始されませんが、自律性が無効な場合でも、 ユーザーからの直接的な訂正は提案として提示されることがあります。

​
レビュー担当に渡される内容

バックグラウンドのレビュー担当が受け取るのは、直近のユーザーメッセージから始まる 現在のターンのみです。レンダリングされた軌跡は 60,000 文字に制限されます。 必要な場合、OpenClaw は最初のメッセージと最新の証拠を保持し、 省略された中間部分を明示します。 レビュー担当は、解決済みのプロバイダーとモデルを再利用します。フォアグラウンドの 認証プロファイルは、その ID が利用可能な場合に再利用され、モデルのフォールバックは無効になります。 したがって、このレビューでは設定済みプロバイダー上で追加のモデル実行が開始されます。 提案を検査または作成する際、その実行で複数回のプロバイダーリクエストが発生することがあります。 プロバイダーの料金およびデータ処理条件は、フォアグラウンドのターンと同様に適用されます。 開始前に、OpenClaw は現在のランタイム設定を再読み込みし、 元の会話に対する有効なサンドボックスおよびツールポリシーを再確認します。実行が サンドボックス化されている場合、ポリシーで skill_workshop が許可されなくなった場合、または必要なランタイム情報が 不足している場合、レビューは安全側に失敗し、何も作成しません。
自己学習を有効にすると、現在のターンにおけるツールの 入力と結果を含む対象会話内容を、追加レビューのために選択したモデル プロバイダーへ送信できるようになります。そのレビューがデータ処理要件に 違反するワークスペースでは有効にしないでください。

​
提案の安全性

レビュー担当は、意図的に制限されたツール範囲を持つ隔離セッションで 実行されます。
  • Workshop の提案を一覧表示または検査し、保留中の提案を 1 件作成または改訂することだけが 可能です。
  • 稼働中の Skill の更新、提案の適用、却下、隔離、メッセージの送信、 または汎用エージェントツールの使用はできません。
  • 1 回分の変更予算がモデルの再試行間で共有されるため、1 回のレビューで 作成または改訂できる提案は最大 1 件です。
  • レビュー対象の軌跡は、バックグラウンドエージェントへの指示ではなく、 信頼できない証拠として扱われます。
  • Skill Workshop は提案内容をスキャンし、認識されたリテラル形式の 認証情報を、提案状態の書き込み前に拒否します。
maxPending、maxSkillBytes、 サポートファイルの制限、スキャナーチェック、ワークスペース限定の書き込みなど、通常の Workshop の制限も引き続き適用されます。 approvalPolicy: "auto" の設定によって、バックグラウンドのレビュー担当に ライフサイクル操作へのアクセスが付与されることはありません。

​
学習された提案をレビューする

自己学習では、Workshop を手動で使用した場合と同じ保留中の提案が生成されます。 適用する前に検査してください。
有用ではあるものの準備が整っていない提案は、改訂、却下、または隔離します。
アクティブな SKILL.md を書き込む唯一の操作は適用です。完全なライフサイクルとストレージ モデルについては、Skill Workshop を参照してください。

​
設定

完全なスキーマ、範囲、および関連する Skill 設定については、 Skills の設定を参照してください。

​
トラブルシューティング

​
長いターンの後に提案が表示されない

次のすべてを確認してください。
  1. アクティブな Gateway 設定で skills.workshop.autonomous.enabled が true になっている。
  2. ターンが成功し、直近のユーザーメッセージ以降に少なくとも 10 回のモデル反復が 含まれている。
  3. 会話が、スケジュール、メモリ、 フック、またはサブエージェントによる実行ではなく、通常のフォアグラウンド実行だった。
  4. 元の実行で skill_workshop にアクセスでき、サンドボックス化されていなかった。
  5. 遅延レビューに十分な時間、システムがアイドル状態を維持した。
  6. 長時間稼働する Gateway プロセスがアイドル期間を通してアクティブだった。 単発のローカルコマンドは遅延レビューを待機しない。
条件を満たすレビューでも、提案が生成されないことがあります。証拠が 再利用可能な手順の基準を満たさない場合、提案を見送ることが想定された結果です。

​
Doctor が Workshop ツールが非表示であると報告する

自己学習が有効な場合、openclaw doctor はデフォルトの エージェントの有効なツールポリシーで skill_workshop が許可されているかを確認します。報告された tools.allow または tools.alsoAllow の変更に従うか、自己学習を無効にしてください。

​
価値の低い提案が多すぎる

自己学習を無効にし、/learn または明示的な Workshop リクエストを引き続き使用します。
機能を無効にした後も、保留中の提案はレビューできます。自己学習を 無効にしても、それらが適用、却下、または削除されることはありません。

​
関連項目

  • 提案のレビュー、承認、保存については、Skill Workshop
  • 手作業で作成する Skills と SKILL.md の構造については、Skills の作成
  • すべての skills.* 設定については、Skills の設定
  • Workshop とキュレーターのコマンドについては、Skills CLI