Oficina de Skills

Skill Workshop é o caminho administrado do OpenClaw para criar e atualizar Skills do espaço de trabalho. Agentes e operadores nunca gravam SKILL.md diretamente por esse caminho — eles criam uma proposta (rascunho pendente com conteúdo, vínculo de destino, estado do scanner, hashes e metadados de reversão) que se torna uma Skill ativa somente quando aplicada.

O Skill Workshop grava somente Skills do espaço de trabalho. Ele nunca altera Skills integradas, de plugins, do ClawHub, de raízes extras, gerenciadas, de agentes pessoais ou do sistema.

Como funciona

• Primeiro, a proposta: o conteúdo gerado é armazenado como PROPOSAL.md, não como SKILL.md.
• A aplicação é a única gravação ativa: criar, atualizar e revisar nunca alteram Skills ativas.
• Escopo do espaço de trabalho: as criações têm como destino a raiz skills/ do espaço de trabalho; atualizações são permitidas somente para Skills graváveis do espaço de trabalho.
• Sem sobrescrita: a criação falha se a Skill de destino já existir.
• Vinculada por hash: propostas de atualização são vinculadas ao hash atual do destino e ficam stale se a Skill ativa mudar antes da aplicação.
• Controlada pelo scanner: a aplicação executa novamente o scanner de segurança antes da gravação.
• Recuperável: a aplicação grava os metadados de reversão antes de alterar os arquivos ativos.
• Interfaces consistentes: chat, CLI e Gateway usam o mesmo serviço.

Ciclo de vida

criar/atualizar -> pendenterevisar         -> pendenteaplicar         -> aplicadarejeitar        -> rejeitadacolocar em quarentena -> em quarentenaalteração do destino -> desatualizada

Somente uma proposta pending pode ser revisada, aplicada, rejeitada ou colocada em quarentena.

Curadoria do ciclo de vida

O Gateway acompanha o uso agregado das Skills no banco de dados de estado compartilhado. Uma vez por dia, ele analisa as Skills criadas e aplicadas pelo Skill Workshop. Skills não usadas por mais de 30 dias tornam-se stale; após 90 dias, tornam-se archived e são excluídas dos novos snapshots de Skills dos agentes. Os arquivos das Skills arquivadas permanecem inalterados no disco. Skills criadas manualmente nunca passam por curadoria; somente Skills criadas por propostas do Skill Workshop entram na curadoria do ciclo de vida.

Skills fixadas ignoram as transições do ciclo de vida. Uma Skill desatualizada retorna a active depois de ser usada e da execução da próxima varredura. Skills arquivadas retornam somente por meio de uma restauração explícita:

As transições e restaurações do ciclo de vida se aplicam a novas sessões; sessões em execução mantêm seu snapshot atual de Skills.

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

Todos os comandos do curador aceitam --json. O status também relata candidatos determinísticos a sobreposição apenas como sugestões; ele nunca mescla Skills nem chama um modelo.

Chat

Peça ao agente a Skill desejada; ele chama skill_workshop e retorna um ID de proposta.

Aprender com trabalhos recentes

Use /learn para transformar a conversa atual ou fontes nomeadas em uma proposta de Skill orientada por padrões:

/learn/learn docs/runbook.md e https://example.com/guide; concentre-se na recuperação

Sem uma solicitação, /learn pede ao agente para extrair da conversa atual o fluxo de trabalho reutilizável. Com uma solicitação, o agente trata caminhos, URLs, notas coladas e referências à conversa como fontes, respeitando os requisitos de foco, escopo e nomenclatura. Ele coleta as fontes com suas ferramentas existentes e então chama skill_workshop com action: "create".

A proposta resultante permanece pending; /learn nunca a aplica. Revise-a e aplique-a pelo fluxo normal de aprovação ou com openclaw skills workshop.

Criar:

Crie uma Skill chamada morning-catchup que execute minha rotina de caixa de entrada às segundas-feiras.

Atualizar uma Skill existente do espaço de trabalho:

Atualize trip-planning para também verificar os mapas de assentos antes da reserva.

Iterar sobre uma proposta pendente:

Mostre a proposta morning-catchup.Revise-a para também sinalizar tudo que estiver marcado como urgente.Aplique a proposta morning-catchup.

As ações apply, reject e quarantine iniciadas pelo agente são executadas sem uma solicitação adicional de aprovação por padrão. Defina skills.workshop.approvalPolicy como "pending" para exigir aprovação do operador antes dessas ações.

Quando a aprovação é obrigatória, a solicitação identifica o ID da proposta e a Skill de destino, além de mostrar a descrição da proposta, a quantidade de arquivos de suporte e o tamanho do corpo. As solicitações de aprovação têm duração limitada para serem concluídas antes do watchdog da ferramenta do agente. Se nenhuma decisão chegar antes que a solicitação expire, a ação do ciclo de vida não será executada: a proposta permanecerá pendente e inalterada. Decida posteriormente na interface do Skill Workshop ou execute openclaw skills workshop apply|reject|quarantine <proposal-id>. Os agentes não devem tentar novamente uma ação expirada do ciclo de vida em um loop.

CLI

# Criaropenclaw skills workshop propose-create \  --name morning-catchup \  --description "Atualização diária da caixa de entrada: triar, arquivar, destacar, redigir, planejar" \  --proposal ./PROPOSAL.md # Atualizar uma Skill existente do espaço de trabalhoopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Listar e inspecionaropenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Revisar antes da aprovaçãoopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Encerraropenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplicada"openclaw skills workshop quarantine <proposal-id> --reason "Requer revisão de segurança"

Cada subcomando aceita --agent <id> (espaço de trabalho de destino; o padrão é inferido pelo diretório de trabalho atual e, depois, pelo agente padrão) e --json (saída estruturada). propose-create, propose-update e revise também aceitam --goal <text> e --evidence <text> para registrar o contexto da proposta junto com --proposal.

Conteúdo da proposta

Enquanto estiver pendente, a proposta será armazenada como PROPOSAL.md com frontmatter exclusivo da proposta:

---name: "morning-catchup"description: "Atualização diária da caixa de entrada: triar, arquivar, destacar, redigir, planejar"status: proposalversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Na aplicação, o Skill Workshop grava o SKILL.md ativo e remove os campos exclusivos da proposta: status, version da proposta e date da proposta.

Arquivos de suporte

Use --proposal-dir quando a Skill proposta precisar de arquivos ao lado de PROPOSAL.md:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Fechamento de sexta-feira: estatísticas, destaques, três principais itens da próxima semana" \  --proposal-dir ./weekly-update-proposal

O diretório deve conter PROPOSAL.md. Os arquivos de suporte devem estar em assets/, examples/, references/, scripts/ ou templates/. O Skill Workshop verifica, calcula o hash e armazena esses arquivos com a proposta, gravando-os ao lado do SKILL.md ativo somente na aplicação.

Caminhos de arquivos de suporte rejeitados: caminhos absolutos, segmentos de caminho ocultos, travessia de diretórios, caminhos sobrepostos, arquivos executáveis, texto que não seja UTF-8, bytes nulos e caminhos fora das pastas de suporte padrão.

Ferramenta do agente

O modelo usa skill_workshop com um action obrigatório: create | update | revise | list | inspect | apply | reject | quarantine. Outros parâmetros são aplicáveis dependendo da ação:

Os agentes devem usar skill_workshop para trabalhos de geração de Skills. Eles não devem criar nem alterar arquivos de propostas por meio de write, edit, exec, comandos do shell ou operações diretas no sistema de arquivos.

Skills sugeridas

O OpenClaw detecta instruções persistentes, como “na próxima vez”, “lembre-se de” e correções reativas, ao fim de um turno interativo, incluindo turnos com falha. No turno seguinte, o agente oferece salvar o fluxo de trabalho detectado mais recente por meio de skill_workshop; o usuário decide se deseja criar uma proposta. Essa sugestão integrada não cria nem altera uma Skill por conta própria. Ative skills.workshop.autonomous.enabled para criar propostas pendentes diretamente. Na interface de controle, a aba Workshop oferece a mesma configuração como um botão de alternância Autoaprendizado no cabeçalho da página e como um botão de ativação no quadro de propostas vazio.

Verificar sessões anteriores

A interface de controle pode analisar trabalhos anteriores sem ativar o autoaprendizado autônomo. Abra Plugins → Workshop e selecione Encontrar ideias de Skills. A verificação começa pelas sessões elegíveis mais recentes e analisa uma janela limitada de trabalhos substanciais. Ela ignora sessões de Cron, Heartbeat, hook, subagente, ACP, pertencentes a plugins e de revisão interna, além de conversas com menos de seis turnos do modelo.

O revisor usa o modelo configurado do agente selecionado e recebe um pacote de transcrições com segredos removidos e tamanho limitado. Ele aplica o mesmo critério conservador da análise de experiência: um padrão concreto de recuperação ou um procedimento estável que eliminaria pelo menos duas chamadas futuras de modelo ou ferramenta. Trabalhos rotineiros e fatos isolados não devem gerar propostas.

Uma verificação pode criar ou revisar no máximo três propostas pendentes. Ela não pode aplicar, rejeitar, colocar em quarentena nem editar uma Skill ativa. O Workshop mostra a cobertura acumulada, por exemplo, 20 sessões analisadas · 18 de jun.–hoje · 2 ideias encontradas. Selecione Verificar trabalhos anteriores para continuar a partir do cursor persistente da sessão mais antiga. Depois que o histórico disponível se esgotar, a ação se tornará Verificar novos trabalhos.

A revisão histórica é manual mesmo quando skills.workshop.autonomous.enabled é false. Cada clique inicia uma execução do modelo, portanto, aplicam-se os preços e os termos de tratamento de dados do provedor. O cursor e as contagens de cobertura são armazenados no banco de dados de estado compartilhado do OpenClaw; o conteúdo da transcrição não é copiado para o estado da varredura.

Com a captura autônoma habilitada, o OpenClaw também pode realizar uma revisão conservadora após um trabalho substancial e bem-sucedido e depois que todo o sistema de agentes ficar ocioso. Essa revisão isolada pode criar ou revisar no máximo uma proposta pendente. Ela não pode atualizar uma skill ativa nem aplicar, rejeitar ou colocar uma proposta em quarentena, mesmo quando approvalPolicy é "auto".

Consulte Autoaprendizado para obter detalhes sobre habilitação, qualificação, privacidade e custos, o limiar de propostas e a solução de problemas.

Aprovação e autonomia

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

A captura autônoma reconhece regras prospectivas (por exemplo, “de agora em diante”) e correções reativas (por exemplo, “não foi isso que pedi”). Ela agrupa novas instruções por tópico em até três propostas por turno, encaminha correspondências de vocabulário para skills graváveis existentes no espaço de trabalho e revisa sua própria proposta pendente quando outra correção tem como alvo a mesma skill.

Para trabalhos substanciais concluídos com êxito sem uma correção explícita, uma execução isolada do modelo selecionado decide se a trajetória concluída supera o limiar conservador para propostas. O modelo em primeiro plano não é instruído a aprender antes de responder. O revisor em segundo plano preserva a execução em primeiro plano como proveniência da proposta, não pode acessar ferramentas gerais do agente e não pode tomar decisões sobre o ciclo de vida. A revisão começa somente quando o runtime em primeiro plano informa tanto o modelo exato resolvido quanto que skill_workshop estava realmente disponível. Portanto, uma política de ferramentas restritiva ou desconhecida falha de forma fechada e não cria nenhuma proposta.

Consulte Autoaprendizado para conhecer o comportamento completo da revisão autônoma e o modelo de segurança.

As descrições das propostas são sempre limitadas a 160 bytes, independentemente de maxSkillBytes.

Métodos do Gateway

requestRevision está disponível somente no Gateway (sem equivalente na CLI ou nas ferramentas do agente): ele encaminha instruções de revisão em texto livre para a sessão de chat do agente responsável, em vez de substituir PROPOSAL.md diretamente, para interfaces que solicitam ao agente que revise em vez de enviar literalmente um novo conteúdo.

historyStatus e historyScan são métodos de suporte da interface de controle. historyScan aceita direction: "older" | "newer"; ele sempre mantém os resultados como propostas pendentes.

Armazenamento

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

Diretório de estado padrão: ~/.openclaw.

• proposal.json: registro canônico da proposta.
• proposals.json: índice de listagem rápida, reconstruível a partir das pastas de propostas.
• PROPOSAL.md: proposta de skill pendente.
• rollback.json: metadados de recuperação gravados antes que a aplicação altere arquivos ativos.

Limites

Solução de problemas

Diagnóstico da política de ferramentas

Quando a captura autônoma está habilitada, openclaw doctor executa a verificação core/doctor/skill-workshop-tool-policy para o agente padrão. Se a política ocultar skill_workshop, o aviso indicará a primeira camada de configuração que o exclui e a alteração exata em allow ou alsoAllow que deve ser feita. Runbooks mais antigos ainda podem usar openclaw plugins inspect skill-workshop; agora esse comando explica que o Skill Workshop é integrado e exibe a mesma orientação sobre a política quando aplicável.

Relacionados

• Skills para ordem de carregamento, precedência e visibilidade
• Autoaprendizado para propostas conservadoras de skills após a execução
• Criação de skills para os conceitos básicos de SKILL.md escritos manualmente
• Configuração de skills para o esquema skills.workshop completo
• CLI de skills para comandos openclaw skills