Lo Skill Workshop di OpenClaw

Un agente in grado di scrivere le proprie skill ha bisogno di un percorso in cui nulla diventi attivo per sbaglio. Lo Skill Workshop di OpenClaw è quel percorso controllato: agenti e operatori creano una proposta, una bozza in sospeso con contenuto, binding alla destinazione, stato dello scanner, hash e metadati di rollback, e questa diventa una skill attiva solo quando viene applicata. Per impostazione predefinita il Workshop scrive solo nella directory workshop-skills dell’agente attivo, all’interno della directory di stato, separata dallo spazio di lavoro della sessione e dalla libreria di skill gestita; le skill incluse, dei plugin, di ClawHub, di progetto e dello spazio di lavoro si modificano con i loro strumenti. Ecco le regole del ciclo di vita, le superfici di verifica, la creazione da chat e dalla CLI, i flussi learn e di riparazione, e le impostazioni.

Le regole del ciclo di vita

• Prima la proposta: il contenuto generato viene salvato come file di proposta, non come file di skill; apply è l’unica scrittura effettiva, quindi create, update e revise non modificano mai le skill attive; le creazioni e gli aggiornamenti restano all’interno della directory del Workshop dell’agente, e una skill appartiene al Workshop esattamente quando si trova lì.
• Nessuna sovrascrittura: create fallisce se la destinazione esiste già in quella directory, le skill provenienti da altre fonti non vengono mai modificate e, per le skill con lo stesso nome, l’ordine di caricamento decide quale definizione prevale; le proposte di aggiornamento sono legate all’hash corrente della destinazione e diventano obsolete se la skill attiva cambia prima di apply.
• Filtrata dallo scanner e recuperabile: apply riesegue lo scanner di sicurezza prima di scrivere, solo i risultati critici lo bloccano mentre quelli di livello warn restano visibili, e i metadati di rollback vengono scritti prima di toccare i file attivi; create e revise scrivono su disco una generazione completa e immutabile della proposta e la pubblicano con una rinomina atomica, così un’interruzione espone la generazione precedente oppure quella nuova.
• Stati: create, update, revise ed evaluate lasciano una proposta pending; apply, reject e quarantine la portano ad applied, rejected o quarantined; un cambiamento della destinazione la rende stale; e solo una proposta pending può essere rivista, applicata, rifiutata o messa in quarantena. Chat, CLI e Gateway chiamano tutti lo stesso servizio.

Apply è l’unica scrittura effettiva: create, update e revise non modificano mai le skill attive.

Verifica, creazione, apprendimento

Nella Control UI il Workshop si trova sotto i plugin: una vista delle skill elenca ciò che è installato nella directory del Workshop dell’agente selezionato, con le skill modificate in cima e le aggiunte e rimozioni in linea rispetto alla versione applicata conservata, e una vista dei suggerimenti raccoglie le proposte in sospeso da valutare, rivedere, applicare o rifiutare; le proposte passate applicate, rifiutate, in quarantena e obsolete restano consultabili tramite la CLI e il Gateway. Dalla chat chiedi la skill che vuoi e l’agente chiama lo strumento del workshop e restituisce un id di proposta: crea una skill che esegua la routine del lunedì per la posta in arrivo, aggiorna la skill di pianificazione dei viaggi perché controlli le mappe dei posti, mostrami la proposta, rivedila, applicala. Il comando learn indirizza la conversazione corrente o le fonti indicate (percorsi, URL e note incollate) verso la proposta in sospeso o la skill attiva più adatta e ne crea una nuova solo quando serve, e non applica mai nulla. Quando una skill usata nel turno corrente si rivela sbagliata, l’agente legge la skill attiva e crea una proposta di patch mirata, preparando un singolo intervallo esatto quando l’intera skill supera il budget di lettura del modello; una ricevuta di esecuzione limita questa possibilità alle skill usate nell’esecuzione, e la skill riparata arriva alle nuove sessioni mentre quella in corso mantiene il suo snapshot. La CLI rispecchia tutto questo: propose-create con nome, descrizione e file di proposta, propose-update, list, inspect, revise, evaluate tramite i valutatori dei plugin installati, apply, reject e quarantine con motivazione, ciascuno con un id dell’agente e output JSON.

Impostazioni

• La modalità autonoma è auto per impostazione predefinita: off disattiva l’acquisizione autonoma pur mantenendo il promemoria sulle istruzioni durature, propose crea proposte in sospeso a partire dalle correzioni e dal lavoro sostanziale completato, e auto usa i normali strumenti dell’agente per la manutenzione diretta del Workshop a ogni turno e ogni settimana, senza scansione delle proposte né snapshot di rollback automatici; la creazione su richiesta dell’utente, il comando learn e le sessioni di apprendimento manuali funzionano in ogni modalità.
• La policy di approvazione è auto per impostazione predefinita, quindi apply, reject e quarantine avviati dall’agente vengono eseguiti senza un’ulteriore richiesta; pending richiede l’approvazione dell’operatore, la richiesta indica la proposta e la destinazione e mostra la descrizione, il numero di file di supporto e la dimensione del corpo, e una richiesta scaduta lascia la proposta in sospeso invece di agire, quindi gli agenti non dovrebbero ritentare un’azione scaduta in un ciclo.
• Limiti: cinquanta proposte in sospeso e in quarantena per agente, in un intervallo da uno a duecento, un corpo della proposta di quarantamila byte, in un intervallo da circa mille a duecentomila, un limite separato di diecimila caratteri per le proposte autonome, e descrizioni sempre limitate a 160 byte. Un’azione della Control UI può anche analizzare le conversazioni passate senza attivare l’autonomia: si apre una sessione normale con istruzioni di estrazione, che segue la modalità corrente.

L’autoapprendimento di OpenClaw descrive la revisione in background separata che alimenta le proposte, e la configurazione delle skill di OpenClaw lo schema completo in cui si trovano queste impostazioni.

Dove si colloca

Il Workshop è per le skill generate dall’agente; le skill dello spazio di lavoro scritte a mano e la libreria gestita mantengono le proprie superfici, e le skill della libreria personale su un Gateway condiviso pubblicano revisioni gestite anziché proposte. Creare una skill OpenClaw è il percorso manuale, e il sistema di plugin di OpenClaw la superficie i cui valutatori vengono eseguiti nel passaggio evaluate.

Su Diali

Su Diali la directory del Workshop si trova nella directory di stato dell’assistente, sul suo volume, quindi le proposte e le skill applicate sopravvivono ai rilasci, e la superficie di verifica è la scheda Workshop della Control UI. OpenClaw ospitato su Diali è l’assistente e la sicurezza di Diali descrive il confine che lo circonda.

• Prima una proposta; apply è l’unica scrittura effettiva.
• Legata all’hash, filtrata dallo scanner, pronta per il rollback.
• Learn prepara le proposte; non applica mai.