Le Skill Workshop d’OpenClaw

Un agent capable d’écrire ses propres compétences a besoin d’un chemin où rien ne passe en direct par accident. Le Skill Workshop d’OpenClaw est ce chemin gouverné : les agents et les opérateurs créent une proposition, un brouillon en attente avec contenu, liaison de cible, état du scanner, empreintes et métadonnées de retour arrière, et elle ne devient une compétence en direct qu’une fois appliquée. Par défaut, le Workshop n’écrit que sous le répertoire de compétences d’atelier propre à l’agent actif dans le répertoire d’état, séparé de l’espace de travail de session et de la bibliothèque de compétences gérée ; les compétences intégrées, d’extensions, de ClawHub, de projet et d’espace de travail se modifient par leurs propres outils. Voici les règles du cycle de vie, les surfaces de relecture, la rédaction depuis le chat et la CLI, les flux d’apprentissage et de réparation, et les réglages.

Les règles du cycle de vie

• La proposition d’abord : le contenu généré est stocké comme fichier de proposition, pas comme fichier de compétence ; appliquer est la seule écriture en direct, donc créer, mettre à jour et réviser ne changent jamais les compétences actives ; les créations et les mises à jour restent dans le répertoire du Workshop de l’agent, et une compétence appartient au Workshop exactement quand elle y vit.
• Pas d’écrasement : la création échoue si la cible existe déjà dans ce répertoire, les compétences d’autres sources ne sont jamais changées, et pour les compétences homonymes l’ordre de chargement décide de la définition retenue ; les propositions de mise à jour se lient à l’empreinte courante de la cible et deviennent périmées si la compétence en direct change avant l’application.
• Filtré par le scanner et récupérable : l’application relance le scanner de sécurité avant d’écrire, seuls les constats critiques la bloquent tandis que les constats d’avertissement restent visibles, et les métadonnées de retour arrière sont écrites avant de toucher aux fichiers en direct ; créer et réviser écrivent une génération de proposition complète et immuable et la publient par un renommage atomique, si bien qu’une interruption expose soit la génération précédente, soit la nouvelle.
• États : créer, mettre à jour, réviser et évaluer laissent une proposition en attente ; appliquer, rejeter et mettre en quarantaine la font passer à appliquée, rejetée ou en quarantaine ; un changement de cible la rend périmée ; et seule une proposition en attente peut être révisée, appliquée, rejetée ou mise en quarantaine. Le chat, la CLI et la passerelle appellent tous le même service.

Appliquer est la seule écriture en direct : créer, mettre à jour et réviser ne changent jamais les compétences actives.

Relecture, rédaction, apprentissage

Dans l’interface de contrôle, le Workshop vit sous les extensions : une vue des compétences liste ce qui est installé dans le répertoire du Workshop de l’agent choisi, compétences modifiées en premier, avec les ajouts et retraits en ligne face à la version appliquée retenue, et une vue des suggestions contient les propositions en attente à évaluer, réviser, appliquer ou rejeter ; les propositions appliquées, rejetées, mises en quarantaine et périmées restent inspectables par la CLI et la passerelle. Depuis le chat, vous demandez la compétence que vous voulez et l’agent appelle l’outil d’atelier et renvoie un identifiant de proposition : fais une compétence qui exécute ma routine de boîte de réception du lundi, mets à jour la compétence de planification de voyage pour vérifier les plans de sièges, montre-moi la proposition, révise-la, applique-la. La commande learn route la conversation courante ou des sources nommées, chemins, URL et notes collées, vers la proposition en attente ou la compétence en direct qui correspond le mieux et n’en crée une que si nécessaire, et elle n’applique jamais. Quand une compétence utilisée dans le tour courant se révèle fausse, l’agent lit la compétence en direct et crée une proposition de correctif ciblée, en préparant un segment exact quand toute la compétence dépasse le budget de lecture du modèle ; un reçu d’exécution limite cela aux compétences utilisées dans l’exécution, et la compétence réparée atteint les nouvelles sessions tandis que la session en cours garde son instantané. La CLI reflète tout cela : proposer une création avec un nom, une description et un fichier de proposition, proposer une mise à jour, lister, inspecter, réviser, évaluer par les évaluateurs d’extensions installés, appliquer, rejeter et mettre en quarantaine avec des raisons, chaque commande prenant un identifiant d’agent et une sortie JSON.

Réglages

• Le mode autonome vaut auto par défaut : off désactive la capture autonome tout en gardant le rappel d’instruction durable, propose crée des propositions en attente à partir des corrections et du travail substantiel accompli, et auto utilise les outils d’agent normaux pour la maintenance directe par tour et hebdomadaire du Workshop sans analyse de propositions ni instantanés de retour arrière automatiques ; la création à la demande de l’utilisateur, la commande learn et les sessions d’apprentissage manuelles fonctionnent dans tous les modes.
• La politique d’approbation vaut auto par défaut, donc appliquer, rejeter et mettre en quarantaine à l’initiative de l’agent tournent sans autre invite ; en attente exige l’approbation de l’opérateur, l’invite nomme la proposition et la cible et montre la description, le nombre de fichiers de support et la taille du corps, et une invite expirée laisse la proposition en attente au lieu d’agir, donc les agents ne doivent pas relancer en boucle une action expirée.
• Plafonds : cinquante propositions en attente et en quarantaine par agent dans une plage de un à deux cents, un corps de proposition de quarante mille octets dans une plage d’environ mille à deux cent mille, un plafond distinct de dix mille caractères pour les propositions autonomes, et des descriptions toujours plafonnées à 160 octets. Une action de l’interface de contrôle peut aussi parcourir les conversations passées sans activer l’autonomie : une session normale s’ouvre avec des instructions d’extraction et suit le mode courant.

L’auto-apprentissage d’OpenClaw couvre la relecture d’arrière-plan détachée qui alimente les propositions, et La configuration des compétences d’OpenClaw le schéma complet où ces réglages se trouvent.

Où il se place

Le Workshop est pour les compétences que l’agent génère ; les compétences d’espace de travail écrites à la main et la bibliothèque gérée gardent leurs propres surfaces, et les compétences de bibliothèque personnelle sur une passerelle partagée publient des révisions gérées plutôt que des propositions. Créer une compétence OpenClaw est le chemin écrit à la main, et Les extensions d’OpenClaw la surface dont les évaluateurs sont lancés par l’étape d’évaluation.

Sur Diali

Sur Diali, le répertoire du Workshop vit sous le répertoire d’état de l’assistant sur son volume, donc les propositions et les compétences appliquées survivent aux releases, et la surface de relecture est l’onglet Workshop de l’interface de contrôle. OpenClaw hébergé sur Diali est l’assistant et La sécurité chez Diali décrit la frontière qui l’entoure.

• Une proposition d’abord ; appliquer est la seule écriture en direct.
• Liée par empreinte, filtrée par le scanner, prête au retour arrière.
• Learn prépare ; il n’applique jamais.