Skip to main content
Zelflerend vermogen stelt OpenClaw in staat om nuttig bewijs uit gesprekken om te zetten in openstaande voorstellen voor Skill Workshop. Het traint geen modelgewichten, bewerkt geen actieve skills en wijzigt het gedrag van agents niet stilzwijgend. Elke geleerde procedure blijft openstaan totdat een operator deze beoordeelt en toepast. Zelflerend vermogen is standaard uitgeschakeld. Schakel het alleen in wanneer een extra modeluitvoering op de achtergrond en beoordeling van transcripties geschikt zijn voor jouw werkruimte.

​
Zelflerend vermogen inschakelen

Open in de Control UI Plugins → Workshop en schakel Zelflerend vermogen in. De wijziging wordt onmiddellijk van kracht. Wanneer een andere configuratieschrijver het bestand heeft bijgewerkt, vernieuwt de Control UI de configuratiesnapshot en probeert deze de schakelaar opnieuw zonder de pagina of Gateway opnieuw te laden. Gebruik de CLI:
Of bewerk ~/.openclaw/openclaw.json:
Schakel het weer uit met:
Door de gebruiker aangevraagde creatie van skills, /learn en handmatige bewerkingen in Skill Workshop blijven werken wanneer zelflerend vermogen is uitgeschakeld.

​
Eerdere sessies handmatig beoordelen

Handmatige beoordeling van de geschiedenis is het behoudende alternatief voor autonome vastlegging. Open Plugins → Workshop in de Control UI en selecteer Skill-ideeën zoeken. Dit wijzigt skills.workshop.autonomous.enabled niet. Elke scan:
  • begint met de nieuwste nog niet beoordeelde sessies en werkt terug;
  • beoordeelt maximaal 20 substantiële sessies met minstens zes modelbeurten;
  • slaat Cron-, Heartbeat-, hook-, subagent-, ACP-, Plugin-eigen en interne beoordelingssessies over;
  • redigeert herkende geheimen en begrenst de transcriptiebundel 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 transcriptiearchief. Sessies worden alleen gescand wanneer OpenClaw het eigenaarschap ervan kan aantonen en inhoud van externe hooks kan uitsluiten. Na een upgrade kan de huidige transcriptie van vóór de upgrade lokaal worden geclassificeerd, maar geroteerde transcripties van vóór de upgrade zonder herkomst per uitvoering worden overgeslagen. Nieuwe transcripties behouden deze herkomst tijdens rotatie. Handmatige scans brengen nog steeds kosten van de modelprovider met zich mee en sturen in aanmerking komende gespreksinhoud naar de geconfigureerde provider. Gebruik ze alleen wanneer die beoordeling voldoet aan de privacy- en gegevensverwerkingsvereisten van de werkruimte.

​
Wat OpenClaw kan leren

Zelflerend vermogen heeft twee behoudende paden:
  1. Directe instructies en correcties. OpenClaw detecteert duurzame formuleringen zoals ‘vanaf nu’, ‘de volgende keer’ en correcties op een mislukte aanpak. Wanneer zelflerend vermogen is ingeschakeld, kan het die signalen omzetten in openstaande voorstellen zonder op een nieuwe prompt te wachten. Dit deterministische pad kan gerelateerde instructies groeperen in maximaal drie voorstellen, een beschrijfbare werkruimteskill als doel kiezen 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 geslaagde, substantiële voorgrondbeurt kan OpenClaw het voltooide werk beoordelen op een herbruikbare hersteltechniek of een stabiele procedure die minstens twee toekomstige model- of toolrondreizen zou voorkomen.
Goede kandidaten zijn onder meer:
  • een betrouwbaar herstel na herhaalde tool- of modelfouten;
  • een niet voor de hand liggende volgordebeperking die een terugkerende fout voorkwam;
  • een stabiele workflow met meerdere stappen waarvoor herhaald onderzoek nodig was; of
  • een herbruikbare voorafgaande controle die meerdere toekomstige aanroepen zou voorkomen.
De beoordelaar moet zich onthouden bij routinematig geslaagd werk, eenmalige verzoeken, persoonlijke feiten, eenvoudige voorkeuren, tijdelijke omgevingsfouten, algemeen advies, niet-onderbouwde negatieve beweringen en geheimen.

​
Wanneer ervaringsbeoordeling wordt uitgevoerd

Ervaringsbeoordeling wordt bewust vertraagd en begrensd:
  • De voorgrondbeurt moet succesvol worden voltooid.
  • De huidige beurt moet minstens tien modeliteraties bevatten.
  • Cron-, Heartbeat-, geheugen-, overflow-, 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 30 seconden na voltooiing. Een latere voltooiing op de voorgrond in dezelfde sessie start die rustperiode 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 door de CLI ondersteunde runtimes behouden onvoldoende traject- en toolbeschikbaarheidscontext om deze in te plannen.
Het voorgrondantwoord wordt nooit vertraagd om te leren. Een mislukte of niet in aanmerking komende beurt start geen ervaringsbeoordeling, hoewel directe correcties van de gebruiker nog steeds als suggestie kunnen worden aangeboden wanneer autonomie is uitgeschakeld.

​
Wat de beoordelaar ontvangt

De beoordelaar op de achtergrond ontvangt alleen de huidige beurt, vanaf het meest recente bericht van de gebruiker. Het weergegeven traject is beperkt tot 60.000 tekens; waar nodig behoudt OpenClaw het eerste bericht en het nieuwste bewijs en markeert het weggelaten middenstuk. De beoordelaar hergebruikt de bepaalde provider en het bepaalde model. Deze hergebruikt het authenticatieprofiel van de voorgrond wanneer die identiteit beschikbaar is en schakelt modelfallbacks uit. De beoordeling start daarom een extra modeluitvoering bij de geconfigureerde provider. Die uitvoering kan meer dan één providerverzoek doen wanneer een voorstel wordt geïnspecteerd of opgesteld. De prijs- en gegevensverwerkingsvoorwaarden van de provider gelden op dezelfde manier als voor 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 zich in een sandbox bevindt, het beleid skill_workshop niet langer toestaat of vereiste runtimefeiten ontbreken, wordt de beoordeling gesloten bij fouten en wordt er niets gemaakt.
Het inschakelen van zelflerend vermogen staat toe dat in aanmerking komende gespreksinhoud, waaronder toolinvoer en resultaten van de huidige beurt, voor één extra beoordeling naar de geselecteerde modelprovider wordt verzonden. Schakel dit niet in een werkruimte in waar die beoordeling de vereisten voor gegevensverwerking zou schenden.

​
Veiligheid van voorstellen

De beoordelaar wordt uitgevoerd in een geïsoleerde sessie met een bewust beperkt tooloppervlak:
  • Deze kan alleen Workshop-voorstellen weergeven of inspecteren en één openstaand voorstel maken of herzien.
  • Deze kan geen actieve skill bijwerken, een voorstel toepassen, een voorstel afwijzen, een voorstel in quarantaine plaatsen, een bericht verzenden of algemene agenttools gebruiken.
  • Eén mutatiebudget wordt gedeeld over modelherhalingen, zodat een beoordeling maximaal één voorstel kan maken of herzien.
  • Het beoordeelde traject wordt behandeld als niet-vertrouwd bewijs, niet als instructies voor de agent op de achtergrond.
  • Skill Workshop scant de inhoud van voorstellen en weigert herkende letterlijke referenties voordat de voorstelstatus wordt opgeslagen.
De normale Workshop-limieten blijven van toepassing, waaronder maxPending, maxSkillBytes, beperkingen voor ondersteuningsbestanden, scannercontroles en schrijfbewerkingen die beperkt zijn tot de werkruimte. De instelling approvalPolicy: "auto" geeft de beoordelaar op de achtergrond geen toegang tot levenscyclusacties.

​
Geleerde voorstellen beoordelen

Zelflerend vermogen produceert dezelfde openstaande voorstellen als handmatig gebruik van Workshop. Inspecteer ze voordat je ze toepast:
Herzie, weiger of plaats voorstellen in quarantaine die nuttig maar nog niet gereed zijn:
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, bereiken en gerelateerde skillinstellingen Skills-configuratie.

​
Problemen oplossen

​
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 minstens tien modeliteraties na het meest recente bericht van de gebruiker.
  3. Het gesprek was een normale voorgronduitvoering, geen geplande, geheugen-, hook- of subagentuitvoering.
  4. De oorspronkelijke uitvoering had toegang tot skill_workshop en bevond zich niet 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 in aanmerking komende beoordeling levert mogelijk nog steeds geen voorstel op. Onthouding is het verwachte resultaat wanneer het bewijs niet voldoet aan de drempel voor een herbruikbare procedure.

​
Doctor meldt dat de Workshop-tool verborgen is

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

​
Er verschijnen te veel voorstellen met weinig waarde

Schakel zelflerend vermogen uit en blijf /learn of expliciete Workshop-verzoeken gebruiken:
Openstaande voorstellen blijven beoordeelbaar nadat de functie is uitgeschakeld. Het uitschakelen van zelflerend vermogen past ze niet toe, wijst ze niet af en verwijdert ze niet.

​
Gerelateerd