El Skill Workshop de OpenClaw

Un agente que puede escribir sus propias skills necesita una vía en la que nada se active por accidente. El Skill Workshop de OpenClaw es esa vía supervisada: los agentes y los operadores crean una propuesta, un borrador pendiente con contenido, vinculación al destino, estado del escáner, hashes y metadatos de reversión, y solo se convierte en una skill activa cuando se aplica. De forma predeterminada, el Workshop solo escribe dentro del propio directorio workshop-skills del agente activo, en el directorio de estado, separado del espacio de trabajo de la sesión y de la biblioteca de skills gestionada; las skills incluidas, de plugins, de ClawHub, de proyecto y del espacio de trabajo se editan con sus propias herramientas. Estas son las reglas del ciclo de vida, las superficies de revisión, la creación desde el chat y la CLI, los flujos de aprendizaje y reparación, y los ajustes.

Las reglas del ciclo de vida

• Primero la propuesta: el contenido generado se guarda como archivo de propuesta, no como archivo de skill; aplicar es la única escritura activa, así que crear, actualizar y revisar nunca cambian las skills activas; las creaciones y actualizaciones se quedan dentro del directorio del Workshop del agente, y una skill pertenece al Workshop exactamente cuando vive allí.
• Sin sobrescritura: la creación falla si el destino ya existe en ese directorio, las skills de otras fuentes nunca se modifican y, para skills con el mismo nombre, el orden de carga decide qué definición prevalece; las propuestas de actualización se vinculan al hash actual del destino y quedan obsoletas si la skill activa cambia antes de aplicarse.
• Controlado por el escáner y recuperable: aplicar vuelve a ejecutar el escáner de seguridad antes de escribir, solo los hallazgos críticos lo bloquean mientras que los de nivel de advertencia siguen visibles, y los metadatos de reversión se escriben antes de tocar los archivos activos; crear y revisar escriben una generación de propuesta completa e inmutable y la publican con un renombrado atómico, así que una interrupción expone la generación anterior o la nueva.
• Estados: crear, actualizar, revisar y evaluar dejan una propuesta pendiente; aplicar, rechazar y poner en cuarentena la pasan a aplicada, rechazada o en cuarentena; un cambio en el destino la deja obsoleta; y solo una propuesta pendiente se puede revisar, aplicar, rechazar o poner en cuarentena. El chat, la CLI y el Gateway llaman todos al mismo servicio.

Aplicar es la única escritura activa: crear, actualizar y revisar nunca cambian las skills activas.

Revisión, creación, aprendizaje

En la interfaz de control, el Workshop está en plugins: una vista de skills enumera lo que está instalado en el directorio del Workshop del agente seleccionado, con las skills modificadas primero y las adiciones y eliminaciones en línea respecto a la versión aplicada que se conserva, y una vista de sugerencias reúne las propuestas pendientes para evaluar, revisar, aplicar o rechazar; las propuestas pasadas aplicadas, rechazadas, en cuarentena y obsoletas se pueden seguir consultando desde la CLI y el Gateway. Desde el chat, pides la skill que quieres y el agente llama a la herramienta del workshop y devuelve un id de propuesta: crea una skill que ejecute la rutina de la bandeja de entrada del lunes, actualiza la skill de planificación de viajes para que compruebe los mapas de asientos, muéstrame la propuesta, revísala, aplícala. El comando learn dirige la conversación actual o fuentes con nombre, rutas, URL y notas pegadas, hacia la propuesta pendiente o la skill activa que mejor coincida y solo crea una cuando hace falta, y nunca aplica. Cuando una skill usada en el turno actual resulta errónea, el agente lee la skill activa y crea una propuesta de parche específica, preparando un fragmento exacto cuando la skill completa supera el presupuesto de lectura del modelo; un recibo de ejecución limita esto a las skills usadas en la ejecución, y la skill reparada llega a las sesiones nuevas mientras que la que está en curso conserva su instantánea. La CLI lo refleja todo: propose-create con un nombre, una descripción y un archivo de propuesta, propose-update, list, inspect, revise, evaluate mediante los evaluadores de plugins instalados, apply, reject y quarantine con motivos, y cada uno admite un id de agente y salida JSON.

Ajustes

• El modo autónomo es auto de forma predeterminada: off desactiva la captura autónoma pero mantiene el recordatorio de instrucciones duraderas, propose crea propuestas pendientes a partir de correcciones y de trabajo sustancial completado, y auto usa las herramientas normales del agente para el mantenimiento directo del Workshop por turno y semanal, sin análisis de propuestas ni instantáneas de reversión automáticas; la creación a petición del usuario, el comando learn y las sesiones de aprendizaje manuales funcionan en todos los modos.
• La política de aprobación es auto de forma predeterminada, así que apply, reject y quarantine iniciados por el agente se ejecutan sin otra solicitud de aprobación; pending requiere la aprobación del operador, la solicitud nombra la propuesta y el destino y muestra la descripción, el número de archivos de soporte y el tamaño del cuerpo, y una solicitud caducada deja la propuesta pendiente en lugar de actuar, así que los agentes no deben reintentar en bucle una acción caducada.
• Límites: cincuenta propuestas pendientes y en cuarentena por agente, dentro de un rango de uno a doscientos; un cuerpo de propuesta de cuarenta mil bytes, dentro de un rango de aproximadamente mil a doscientos mil; un límite aparte de diez mil caracteres para las propuestas autónomas, y descripciones siempre limitadas a 160 bytes. Una acción de la interfaz de control también puede analizar conversaciones pasadas sin activar la autonomía: se abre una sesión normal con instrucciones de extracción que sigue el modo actual.

El autoaprendizaje de OpenClaw cubre la revisión en segundo plano desacoplada que alimenta las propuestas, y la configuración de skills de OpenClaw, el esquema completo en el que se encuentran estos ajustes.

Dónde encaja

El Workshop es para las skills que genera el agente; las skills del espacio de trabajo escritas a mano y la biblioteca gestionada mantienen sus propias superficies, y las skills de la biblioteca personal en un Gateway compartido publican revisiones gestionadas en lugar de propuestas. Crear una skill de OpenClaw es la vía manual, y los plugins de OpenClaw, la superficie cuyos evaluadores ejecuta el paso de evaluación.

En Diali

En Diali, el directorio del Workshop está dentro del directorio de estado del asistente, en su volumen, así que las propuestas y las skills aplicadas sobreviven a las nuevas versiones, y la superficie de revisión es la pestaña Workshop de la interfaz de control. OpenClaw alojado en Diali es el asistente y la seguridad de Diali describe la frontera que lo rodea.

• Primero una propuesta; aplicar es la única escritura activa.
• Vinculada por hash, controlada por el escáner, lista para revertir.
• Learn prepara; nunca aplica.