L’auto-apprentissage d’OpenClaw

L’auto-apprentissage est la façon dont un agent OpenClaw transforme les corrections et le travail réussi en compétences réutilisables. Les compétences sont l’unité durable, des procédures que les sessions futures peuvent découvrir et suivre, et Skill Workshop détient celles que l’agent a apprises. Le mode par défaut est auto ; propose met des brouillons en attente de revue à la place, et off désactive l’apprentissage autonome. Voici les deux chemins d’apprentissage, les conditions qui gardent la revue différée, ce qui est éligible et ce qui ne l’est pas, l’argument de sûreté pour la valeur par défaut, la note de coût et de confidentialité, et les commandes qui vous laissent revoir ou annuler.

Deux chemins d’apprentissage

• La réparation immédiate : quand l’agent de premier plan découvre qu’une compétence qu’il a utilisée est fausse ou incomplète, il lit la compétence vivante courante et rédige un correctif ciblé par Workshop dans le même tour ; un reçu d’usage empêche de réparer des compétences que l’exécution n’a pas utilisées, et le correctif passe toujours par le stockage des propositions, la liaison par empreinte, le scanner de sécurité et la capture de retour arrière.
• La réparation change la compétence vivante pour les nouvelles sessions, pas l’instantané déjà chargé dans la session en cours, et le mode décide du résultat : off la désactive, propose la laisse en attente, auto la scanne et l’applique immédiatement.
• La revue d’expérience : après un travail conséquent, une revue d’arrière-plan détachée cherche une technique de récupération réutilisable ou une procédure stable qui supprimerait au moins deux allers-retours futurs de modèle ou d’outil ; les tours profonds interrompus sont éligibles aussi, puisque le mauvais chemin et sa correction sont exactement la preuve qui vaut d’être gardée, tandis que les tours terminés par une erreur de fournisseur ou de prompt ne programment jamais de revue.
• La revue tourne sous une identité de session détachée privée, ses messages n’entrent jamais dans la transcription de premier plan, elle conserve la politique de bac à sable de la session source, et la réponse de premier plan ne l’attend jamais.

Chaque décision d’apprentissage vient d’un modèle qui examine des preuves réelles, pas d’un gabarit ni d’un chemin de correspondance de motifs.

Quand une revue s’exécute

Six conditions doivent toutes tenir : le tour de premier plan s’est terminé ou a été interrompu sans erreur de fournisseur ou de prompt ; il a utilisé au moins dix itérations de modèle ; c’était une conversation de premier plan éligible, pas du travail de cron, de battement de cœur, de mémoire, de débordement, de hook, de sous-agent ou de revue ; l’environnement a rapporté le fournisseur, le modèle résolus et la disponibilité réelle de l’outil Workshop ; le système est resté calme trente secondes ; et aucune exécution d’agent ou de réponse n’est encore active. Une fin ultérieure dans la même session relance la période de calme. En mode auto, le réviseur utilise des outils ordinaires de répertoire, de fichier, de correctif et de shell sous les permissions de la session source, ancrés au répertoire Workshop, et partage les règles de maintenance de la collection hebdomadaire : auditer avant de modifier, donner à une procédure un seul foyer, préserver les tâches distinctes, vérifier le résultat, et remplacer ou renforcer une règle plutôt qu’ajouter une copie. En mode propose, seul l’outil Workshop s’exécute et une création, un correctif, une mise à jour ou une révision est mise en attente. Chaque revue a une seule tentative, et un échec est enregistré plutôt que relancé.

Candidats, modes, sûreté

• Les bons candidats : une récupération fiable après des échecs répétés, une correction durable de l’utilisateur ou une consigne permanente intégrée comme étape de procédure, une contrainte d’ordre non évidente, un flux stable en plusieurs étapes qui a exigé une découverte répétée, un contrôle préalable réutilisable. Le réviseur s’abstient pour le travail de routine, les faits personnels et les préférences simples, les pannes passagères, les conseils génériques sans preuve, les affirmations négatives non étayées, et les secrets.
• Le mode est une clé de configuration fixée depuis la CLI : off ne crée aucune capture, propose crée ou révise des propositions en attente et n’applique rien, auto maintient les compétences du Workshop avec les outils de fichiers normaux. Le changer ne modifie ni les propositions existantes ni les compétences appliquées, et l’apprentissage manuel, la commande learn et les demandes explicites au Workshop fonctionnent dans les trois modes.
• Pourquoi auto est sûr par défaut, dans les mots de la documentation : les outils de fichiers restent dans le répertoire Workshop, l’exécution préserve le mode de permission, les restrictions d’outils et la politique d’approbation du shell de la session source, le travail de premier plan n’attend jamais la revue, et l’agent lit les fichiers complets et vérifie ses changements. La maintenance directe ne crée ni proposition, ni passage du scanner, ni instantané de retour arrière, donc les sauvegardes sont le chemin de récupération, et le risque résiduel d’une modification incorrecte est la raison d’être de propose.

Les compétences d’OpenClaw expliquées explique ce qu’est une compétence avant qu’une soit apprise, et Les meilleures compétences OpenClaw celles écrites à la main qui valent l’installation.

Coût, confidentialité, et annulation

Une revue ajoute une exécution de modèle sur le fournisseur configuré après un tour conséquent, pas après chaque message, et peut faire plusieurs requêtes pendant qu’elle inspecte, modifie et vérifie ; elle réutilise le fournisseur, le modèle et l’identité d’authentification de premier plan avec les replis désactivés, et elle peut envoyer du contenu de conversation, y compris les entrées et résultats d’outils, à ce fournisseur, si bien que la documentation dit de choisir un fournisseur et un mode qui correspondent aux exigences de confidentialité de l’espace de travail. La CLI du Workshop liste et inspecte chaque capture en attente, appliquée, rejetée, en quarantaine ou périmée, en rejette une avec une raison, ou la met en quarantaine pour revue de sécurité ; la commande learn demande une proposition explicite depuis la conversation courante ou des sources nommées et n’applique jamais automatiquement ; et la page du Workshop propose d’apprendre des conversations passées comme session d’agent normale qui suit le mode courant. Les autres faits d’exécution : l’exécuteur embarqué et le harnais Codex rapportent ce dont la revue a besoin, les autres environnements pilotés par CLI échouent de façon fermée tant qu’ils ne le font pas, et la configuration plafonne les propositions en attente à cinquante et un corps de proposition à quarante mille octets. Le suivi d’usage d’OpenClaw est là où apparaît l’exécution supplémentaire, et Le bac à sable d’OpenClaw expliqué la politique dont hérite la revue.

Sur Diali

Sur Diali, le répertoire du Workshop vit dans l’espace de travail persistant de l’assistant, si bien qu’une procédure apprise survit à une release, et les compétences du catalogue que vous avez installées se trouvent à côté de celles que l’assistant a écrites lui-même. OpenClaw hébergé sur Diali est l’assistant.

• Réparer dans le tour, réviser après.
• Dix itérations, trente secondes de calme, une tentative.
• Auto par défaut ; propose quand chaque capture exige un humain.