Skills-workshop

Skill Workshop is het beheerde traject van OpenClaw voor het maken en bijwerken van Skills in de werkruimte. Agents en operators schrijven via dit traject nooit rechtstreeks SKILL.md — ze maken een voorstel (een concept in afwachting met inhoud, doelkoppeling, scannerstatus, hashes en terugdraaimetadata) dat pas een actieve Skill wordt wanneer het wordt toegepast. Skill Workshop schrijft uitsluitend Skills in de werkruimte. Het raakt nooit meegeleverde, Plugin-, ClawHub-, extra-root-, beheerde, persoonlijke-agent- of systeem-Skills aan.

Hoe het werkt

Eerst een voorstel: gegenereerde inhoud wordt opgeslagen als PROPOSAL.md, niet als SKILL.md.
Toepassen is de enige actieve schrijfbewerking: maken, bijwerken en herzien wijzigen actieve Skills nooit.
Beperkt tot de werkruimte: nieuwe Skills richten zich op de skills/-root van de werkruimte; updates zijn alleen toegestaan voor beschrijfbare Skills in de werkruimte.
Niet overschrijven: maken mislukt als de doel-Skill al bestaat.
Aan hash gebonden: updatevoorstellen worden aan de huidige doelhash gebonden en worden stale als de actieve Skill vóór het toepassen verandert.
Door scanner bewaakt: vóór het schrijven voert toepassen de beveiligingsscanner opnieuw uit.
Herstelbaar: toepassen schrijft terugdraaimetadata voordat actieve bestanden worden gewijzigd.
Consistente interfaces: chat, CLI en Gateway roepen allemaal dezelfde service aan.

Levenscyclus

maken/bijwerken -> in afwachting
herzien         -> in afwachting
toepassen       -> toegepast
afwijzen        -> afgewezen
in quarantaine  -> in quarantaine
doelwijziging   -> verouderd

Alleen een pending voorstel kan worden herzien, toegepast, afgewezen of in quarantaine geplaatst.

Beheer van de levenscyclus

De Gateway houdt het totale gebruik van Skills bij in de gedeelde statusdatabase. Eenmaal per dag beoordeelt deze Skills die door Skill Workshop zijn gemaakt en toegepast. Skills die langer dan 30 dagen niet zijn gebruikt, worden stale; na 90 dagen worden ze archived en niet opgenomen in nieuwe Skill-snapshots van agents. Gearchiveerde Skill-bestanden blijven ongewijzigd op schijf staan. Handmatig geschreven Skills worden nooit beheerd; alleen Skills die door voorstellen van Skill Workshop zijn gemaakt, worden opgenomen in het levenscyclusbeheer. Vastgezette Skills slaan levenscyclusovergangen over. Een verouderde Skill keert terug naar active nadat deze is gebruikt en de volgende controle is uitgevoerd. Gearchiveerde Skills keren alleen terug via expliciet herstel: Levenscyclusovergangen en herstelbewerkingen gelden voor nieuwe sessies; actieve sessies behouden hun huidige Skill-snapshot.

openclaw skills curator status
openclaw skills curator pin <skill>
openclaw skills curator unpin <skill>
openclaw skills curator restore <skill>

Alle curatoropdrachten accepteren --json. De status rapporteert ook deterministische kandidaten met overlap, maar uitsluitend als suggesties; Skills worden nooit samengevoegd en er wordt nooit een model aangeroepen.

Chat

Vraag de agent om de gewenste Skill; deze roept skill_workshop aan en retourneert een voorstel-id.

Leren van recent werk

Gebruik /learn om het huidige gesprek of benoemde bronnen om te zetten in één door standaarden gestuurd Skill-voorstel:

/learn
/learn docs/runbook.md en https://example.com/guide; richt je op herstel

Zonder verzoek vraagt /learn de agent om de herbruikbare workflow uit het huidige gesprek te destilleren. Met een verzoek behandelt de agent paden, URL’s, geplakte notities en verwijzingen naar gesprekken als bronnen, met inachtneming van vereisten voor focus, bereik en naamgeving. De bronnen worden verzameld met de bestaande tools, waarna skill_workshop wordt aangeroepen met action: "create". Het resulterende voorstel blijft pending; /learn past het nooit toe. Beoordeel en pas het toe via de normale goedkeuringsflow of met openclaw skills workshop. Maken:

Maak een Skill met de naam morning-catchup die mijn inboxroutine op maandag uitvoert.

Een bestaande Skill in de werkruimte bijwerken:

Werk trip-planning bij zodat ook stoelplattegronden worden gecontroleerd voordat er wordt geboekt.

Een voorstel in afwachting iteratief verbeteren:

Toon me het voorstel morning-catchup.
Herzie het zodat ook alles wat als urgent is gemarkeerd, wordt gesignaleerd.
Pas het voorstel morning-catchup toe.

Door agents geïnitieerde apply, reject en quarantine worden standaard zonder een extra goedkeuringsprompt uitgevoerd. Stel skills.workshop.approvalPolicy in op "pending" om goedkeuring door een operator te vereisen voordat deze acties worden uitgevoerd. Wanneer goedkeuring vereist is, vermeldt de prompt het voorstel-id en de doel-Skill, en toont deze de beschrijving van het voorstel, het aantal ondersteuningsbestanden en de grootte van de hoofdtekst. Goedkeuringsverzoeken zijn begrensd zodat ze worden afgerond voordat de bewaking van de agenttool ingrijpt. Als vóór het verlopen van de prompt geen beslissing is ontvangen, wordt de levenscyclusactie niet uitgevoerd: het voorstel blijft ongewijzigd in afwachting. Beslis later in de gebruikersinterface van Skill Workshop of voer openclaw skills workshop apply|reject|quarantine <proposal-id> uit. Agents mogen een verlopen levenscyclusactie niet herhaaldelijk opnieuw proberen.

CLI

# Maken
openclaw skills workshop propose-create \
  --name morning-catchup \
  --description "Dagelijkse inhaalslag voor de inbox: triëren, archiveren, uitlichten, concepten opstellen, plannen" \
  --proposal ./PROPOSAL.md

# Een bestaande Skill in de werkruimte bijwerken
openclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md

# Weergeven en inspecteren
openclaw skills workshop list
openclaw skills workshop inspect <proposal-id>

# Herzien vóór goedkeuring
openclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md

# Afronden
openclaw skills workshop apply <proposal-id>
openclaw skills workshop reject <proposal-id> --reason "Duplicaat"
openclaw skills workshop quarantine <proposal-id> --reason "Beveiligingsbeoordeling vereist"

Elke subopdracht accepteert --agent <id> (doelwerkruimte; standaard afgeleid van de huidige werkmap en daarna de standaardagent) en --json (gestructureerde uitvoer). propose-create, propose-update en revise accepteren ook --goal <text> en --evidence <text> om de context van het voorstel naast --proposal vast te leggen.

Inhoud van voorstellen

Zolang het voorstel in afwachting is, wordt het opgeslagen als PROPOSAL.md met frontmatter die alleen voor voorstellen geldt:

---
name: "morning-catchup"
description: "Dagelijkse inhaalslag voor de inbox: triëren, archiveren, uitlichten, concepten opstellen, plannen"
status: proposal
version: "v1"
date: "2026-05-30T00:00:00.000Z"
---

Bij het toepassen schrijft Skill Workshop de actieve SKILL.md en verwijdert het de velden die alleen voor voorstellen gelden: status, voorstel-version en voorstel-date.

Ondersteuningsbestanden

Gebruik --proposal-dir wanneer de voorgestelde Skill bestanden naast PROPOSAL.md nodig heeft:

openclaw skills workshop propose-create \
  --name weekly-update \
  --description "Afronding op vrijdag: statistieken, hoogtepunten, de drie belangrijkste punten voor volgende week" \
  --proposal-dir ./weekly-update-proposal

De map moet PROPOSAL.md bevatten. Ondersteuningsbestanden moeten zich bevinden onder assets/, examples/, references/, scripts/ of templates/. Skill Workshop scant en hasht ze, en slaat ze bij het voorstel op. Pas bij het toepassen worden ze naast de actieve SKILL.md geschreven. Niet-toegestane paden voor ondersteuningsbestanden: absolute paden, verborgen padsegmenten, padtraversal, overlappende paden, uitvoerbare bestanden, tekst die niet UTF-8 is, null-bytes en paden buiten de standaardmappen voor ondersteuning.

Agenttool

Parameter	Gebruikt door	Opmerkingen
`name`	`create`, `inspect`, `revise`	Vereist voor `create`; zoekt anders een voorstel in afwachting op naam op
`description`	`create`, `update`, `revise`	Maximaal 160 bytes
`skill_name`	`update`	Naam of sleutel van bestaande Skill
`proposal_content`	`create`, `update`, `revise`	Opgeslagen als `PROPOSAL.md`; begrensd door `skills.workshop.maxSkillBytes`
`support_files`	`create`, `update`, `revise`	Array van `{ path, content }`
`goal`, `evidence`	`create`, `update`, `revise`	Vrije tekst als context
`proposal_id`	`inspect`, `revise`, `apply`, `reject`, `quarantine`	Doelvoorstel
`reason`	`apply`, `reject`, `quarantine`	Optioneel
`query`, `status`, `limit`	`list`	Filteren/pagineren; `limit` maximaal 50, standaard 20

Agents moeten skill_workshop gebruiken voor gegenereerd Skill-werk. Ze mogen voorstelbestanden niet maken of wijzigen via write, edit, exec, shellopdrachten of rechtstreekse bestandssysteembewerkingen.

skill_workshop is een ingebouwde agenttool en is opgenomen in tools.profile: "coding". Als deze door strenger beleid wordt verborgen, voeg dan skill_workshop toe aan de actieve lijst tools.allow, of gebruik tools.alsoAllow: ["skill_workshop"] wanneer het bereik een profiel zonder een expliciete tools.allow gebruikt. In runs met een sandbox wordt de hosttool Skill Workshop niet samengesteld. Voer acties voor het beoordelen van voorstellen daarom uit vanuit een normale agentsessie aan de hostzijde of via de CLI.

Voorgestelde Skills

OpenClaw detecteert duurzame instructies zoals ‘de volgende keer’, ‘onthoud om’ en reactieve correcties wanneer een interactieve beurt eindigt, ook na mislukte beurten. Tijdens de volgende beurt biedt de agent aan om de meest recent gedetecteerde workflow op te slaan via skill_workshop; de gebruiker beslist of er een voorstel wordt gemaakt. Deze ingebouwde suggestie maakt of wijzigt op zichzelf geen Skill. Schakel skills.workshop.autonomous.enabled in om in plaats daarvan rechtstreeks voorstellen in afwachting te maken. Op het tabblad Workshop in de Control UI is dezelfde instelling beschikbaar als de schakelaar Zelflerend in de paginakop en als een inschakelknop op het lege voorstelbord.

Eerdere sessies scannen

De Control UI kan ouder werk beoordelen zonder autonoom zelfleren in te schakelen. Open Plugins → Workshop en selecteer Skill-ideeën zoeken. De scan begint bij de nieuwste geschikte sessies en beoordeelt een begrensd venster met substantieel werk. Cron-, Heartbeat-, hook-, subagent-, ACP-, Plugin-eigen en interne beoordelingssessies worden overgeslagen, evenals gesprekken met minder dan zes modelbeurten. De beoordelaar gebruikt het geconfigureerde model van de geselecteerde agent en ontvangt een op grootte begrensde transcriptbundel waarin geheimen zijn geredigeerd. Dezelfde conservatieve drempel als bij ervaringsbeoordeling wordt toegepast: een concreet herstelpatroon of een stabiele procedure die ten minste twee toekomstige model- of toolaanroepen zou voorkomen. Routinematig werk en eenmalige feiten horen geen voorstel op te leveren. Eén scan kan maximaal drie voorstellen in afwachting maken of herzien. De scan kan geen actieve Skill toepassen, afwijzen, in quarantaine plaatsen of bewerken. Workshop toont de cumulatieve dekking, bijvoorbeeld 20 sessies beoordeeld · 18 jun.–vandaag · 2 ideeën gevonden. Selecteer Eerder werk scannen om door te gaan vanaf de opgeslagen cursor van de oudste sessie. Nadat de beschikbare geschiedenis volledig is verwerkt, verandert de actie in Nieuw werk scannen. Historische beoordeling gebeurt handmatig, zelfs wanneer skills.workshop.autonomous.enabled false is. Elke klik start een modeluitvoering, dus de prijzen en voorwaarden voor gegevensverwerking van de provider zijn van toepassing. De cursor en dekkingsaantallen worden opgeslagen in de gedeelde OpenClaw-statusdatabase; transcriptinhoud wordt niet gekopieerd naar de scanstatus. Als autonome vastlegging is ingeschakeld, kan OpenClaw ook een conservatieve beoordeling uitvoeren na succesvol, substantieel werk en nadat het volledige agentsysteem inactief is geworden. Die geïsoleerde beoordeling kan maximaal één voorstel in behandeling maken of herzien. Deze kan geen actieve skill bijwerken en een voorstel niet toepassen, afwijzen of in quarantaine plaatsen, zelfs niet wanneer approvalPolicy "auto" is. Zie Zelflerend vermogen voor details over inschakeling, geschiktheid, privacy en kosten, de voorsteldrempel en probleemoplossing.

Goedkeuring en autonomie

{
  skills: {
    workshop: {
      autonomous: {
        enabled: false,
      },
      allowSymlinkTargetWrites: false,
      approvalPolicy: "auto",
      maxPending: 50,
      maxSkillBytes: 40000,
    },
  },
}

Instelling	Standaard	Effect
`autonomous.enabled`	`false`	Maakt voorstellen in behandeling op basis van expliciete correcties en, na een periode van inactiviteit, substantieel voltooid werk met herbruikbaar herstel of betekenisvolle besparingen op retourverkeer.
`allowSymlinkTargetWrites`	`false`	Maakt het mogelijk om bij toepassing te schrijven via symlinks van workspace-skills waarvan het werkelijke doel wordt vermeld in `skills.load.allowSymlinkTargets`.
`approvalPolicy`	`"auto"`	`"auto"` slaat een extra vraag over voor door een agent geïnitieerde `apply`, `reject` of `quarantine` (de agent moet de actie nog steeds aanroepen). `"pending"` vereist goedkeuring.
`maxPending`	`50`	Beperkt het aantal voorstellen in behandeling en in quarantaine per workspace (1-200).
`maxSkillBytes`	`40000`	Beperkt de grootte van de voorsteltekst in bytes (1024-200000).

Autonome vastlegging herkent prospectieve regels (bijvoorbeeld „vanaf nu”) en reactieve correcties (bijvoorbeeld „dat is niet wat ik vroeg”). Nieuwe instructies worden per onderwerp gegroepeerd in maximaal drie voorstellen per beurt, overeenkomsten in woordgebruik worden doorgestuurd naar bestaande beschrijfbare workspace-skills en het eigen voorstel in behandeling wordt herzien wanneer een andere correctie op dezelfde skill is gericht. Voor succesvol substantieel werk zonder expliciete correctie bepaalt een geïsoleerde uitvoering van het geselecteerde model of het voltooide traject aan de conservatieve voorsteldrempel voldoet. Het voorgrondmodel wordt vóór het antwoorden niet gevraagd om te leren. De achtergrondbeoordelaar behoudt de voorgronduitvoering als herkomst van het voorstel, heeft geen toegang tot algemene agenttools en kan geen beslissingen over de levenscyclus nemen. De beoordeling begint alleen wanneer de voorgrondruntime zowel het exact opgeloste model meldt als dat skill_workshop daadwerkelijk beschikbaar was. Een restrictief of onbekend toolbeleid wordt daarom gesloten afgehandeld en maakt geen voorstel. Zie Zelflerend vermogen voor het volledige autonome beoordelingsgedrag en veiligheidsmodel. Voorstelbeschrijvingen zijn altijd beperkt tot 160 bytes, onafhankelijk van maxSkillBytes.

Gateway-methoden

Methode	Bereik
`skills.proposals.list`	`operator.read`
`skills.proposals.inspect`	`operator.read`
`skills.proposals.historyStatus`	`operator.read`
`skills.proposals.historyScan`	`operator.admin`
`skills.proposals.create`	`operator.admin`
`skills.proposals.update`	`operator.admin`
`skills.proposals.revise`	`operator.admin`
`skills.proposals.requestRevision`	`operator.admin`
`skills.proposals.apply`	`operator.admin`
`skills.proposals.reject`	`operator.admin`
`skills.proposals.quarantine`	`operator.admin`
`skills.curator.status`	`operator.read`
`skills.curator.pin`	`operator.admin`
`skills.curator.unpin`	`operator.admin`
`skills.curator.restore`	`operator.admin`

requestRevision is alleen beschikbaar voor de Gateway (zonder equivalent in de CLI of agenttools): deze methode stuurt revisie-instructies in vrije tekst door naar de chatsessie van de verantwoordelijke agent in plaats van PROPOSAL.md rechtstreeks te vervangen, voor gebruikersinterfaces die de agent vragen om een herziening in plaats van letterlijk nieuwe inhoud in te dienen. historyStatus en historyScan zijn ondersteuningsmethoden voor de Control UI. historyScan accepteert direction: "older" | "newer"; resultaten blijven altijd als voorstellen in behandeling staan.

Opslag

<OPENCLAW_STATE_DIR>/skill-workshop/
  proposals.json
  proposals/<proposal-id>/
    proposal.json
    PROPOSAL.md
    rollback.json
    assets/
    examples/
    references/
    scripts/
    templates/

Standaardstatusmap: ~/.openclaw.

proposal.json: canonieke voorstelrecord.
proposals.json: snelle lijstindex, opnieuw op te bouwen vanuit voorstelmappen.
PROPOSAL.md: skillvoorstel in behandeling.
rollback.json: herstelmetadata die wordt geschreven voordat toepassing actieve bestanden wijzigt.

Limieten

Limiet	Waarde
Beschrijving	160 bytes
Voorsteltekst	`skills.workshop.maxSkillBytes` (standaard 40,000; absolute bovengrens 1 MiB)
Ondersteunende bestanden	64 per voorstel
Grootte ondersteunend bestand	Elk 256 KiB, in totaal 2 MiB
Voorstellen in behandeling + in quarantaine	`skills.workshop.maxPending` per workspace (standaard 50)

Probleemoplossing

Probleem	Oplossing
`Skill proposal description is too large`	Kort `description` in tot 160 bytes of minder.
`Skill proposal content is too large`	Kort de voorsteltekst in of verhoog `skills.workshop.maxSkillBytes`.
`Target skill changed after proposal creation`	Herzie het voorstel ten opzichte van het huidige doel of maak een nieuw voorstel.
`Proposal scan failed`	Inspecteer de bevindingen van de scanner en herzie het voorstel vervolgens of plaats het in quarantaine.
`untrusted symlink target`	Configureer `skills.load.allowSymlinkTargets` en schakel `skills.workshop.allowSymlinkTargetWrites` alleen in voor bewust gedeelde hoofdmappen van skills.
`Support file paths must be under one of...`	Verplaats ondersteunende bestanden naar `assets/`, `examples/`, `references/`, `scripts/` of `templates/`.
Voorstel verschijnt niet in de lijst	Controleer de geselecteerde `--agent`-workspace en `OPENCLAW_STATE_DIR`.
Agent kan `skill_workshop` niet aanroepen	Controleer het actieve toolbeleid en de uitvoeringsmodus. `coding` bevat de tool; restrictieve `tools.allow`-beleidsregels moeten deze expliciet vermelden en uitvoeringen in een sandbox moeten een normale agentsessie aan de hostzijde of de CLI gebruiken.

Diagnose van toolbeleid

Wanneer autonome vastlegging is ingeschakeld, voert openclaw doctor de core/doctor/skill-workshop-tool-policy-controle uit voor de standaardagent. Als het beleid skill_workshop verbergt, vermeldt de waarschuwing de eerste uitsluitende configuratielaag en de exacte wijziging aan allow of alsoAllow die nodig is. Oudere draaiboeken gebruiken mogelijk nog openclaw plugins inspect skill-workshop; die opdracht legt nu uit dat Skill Workshop is ingebouwd en toont indien van toepassing dezelfde beleidshint.

Gerelateerd

Skills voor laadvolgorde, prioriteit en zichtbaarheid
Zelflerend vermogen voor conservatieve skillvoorstellen na een uitvoering
Skills maken voor de basisprincipes van handmatig geschreven SKILL.md
Skills-configuratie voor het volledige skills.workshop-schema
Skills-CLI voor openclaw skills-opdrachten

Overview

Plugins

Plugin guides

Building plugins

Skills

Automation

Tools

Agent coordination

Hoe het werkt

Levenscyclus

Beheer van de levenscyclus

Chat

Leren van recent werk

CLI

Inhoud van voorstellen

Ondersteuningsbestanden

Agenttool

Voorgestelde Skills

Eerdere sessies scannen

Goedkeuring en autonomie

Gateway-methoden

Opslag

Limieten

Probleemoplossing

Diagnose van toolbeleid

Gerelateerd

​Hoe het werkt

​Levenscyclus

​Beheer van de levenscyclus

​Chat

​Leren van recent werk

​CLI

​Inhoud van voorstellen

​Ondersteuningsbestanden

​Agenttool

​Voorgestelde Skills

​Eerdere sessies scannen

​Goedkeuring en autonomie

​Gateway-methoden

​Opslag

​Limieten

​Probleemoplossing

​Diagnose van toolbeleid

​Gerelateerd

Hoe het werkt

Levenscyclus

Beheer van de levenscyclus

Chat

Leren van recent werk

CLI

Inhoud van voorstellen

Ondersteuningsbestanden

Agenttool

Voorgestelde Skills

Eerdere sessies scannen

Goedkeuring en autonomie

Gateway-methoden

Opslag

Limieten

Probleemoplossing

Diagnose van toolbeleid

Gerelateerd