Taller de Skills

El Taller de Skills es la ruta gobernada de OpenClaw para crear y actualizar skills del espacio de trabajo. Los agentes y operadores nunca escriben SKILL.md directamente mediante esta ruta: crean una propuesta (un borrador pendiente con contenido, vinculación de destino, estado del escáner, hashes y metadatos de reversión) que solo se convierte en una skill activa cuando se aplica.

El Taller de Skills solo escribe skills del espacio de trabajo. Nunca modifica skills integradas, de plugins, de ClawHub, de raíces adicionales, gestionadas, de agentes personales ni del sistema.

Cómo funciona

• Primero la propuesta: el contenido generado se almacena como PROPOSAL.md, no como SKILL.md.
• Aplicar es la única escritura activa: crear, actualizar y revisar nunca modifican las skills activas.
• Limitado al espacio de trabajo: las creaciones tienen como destino la raíz skills/ del espacio de trabajo; las actualizaciones solo se permiten para skills escribibles del espacio de trabajo.
• Sin sobrescritura: la creación falla si la skill de destino ya existe.
• Vinculación por hash: las propuestas de actualización se vinculan al hash actual del destino y pasan a stale si la skill activa cambia antes de aplicarlas.
• Controlado por el escáner: al aplicar, se vuelve a ejecutar el escáner de seguridad antes de escribir.
• Recuperable: al aplicar, se escriben metadatos de reversión antes de modificar los archivos activos.
• Superficies coherentes: el chat, la CLI y el Gateway llaman al mismo servicio.

Ciclo de vida

crear/actualizar -> pendienterevisar          -> pendienteaplicar          -> aplicadarechazar         -> rechazadaponer en cuarentena -> en cuarentenacambio de destino -> obsoleta

Solo una propuesta pending puede revisarse, aplicarse, rechazarse o ponerse en cuarentena.

Gestión del ciclo de vida

El Gateway registra el uso agregado de las skills en la base de datos de estado compartida. Una vez al día, revisa las skills creadas y aplicadas por el Taller de Skills. Las skills sin usar durante más de 30 días pasan a stale; después de 90 días pasan a archived y quedan fuera de las nuevas instantáneas de skills de los agentes. Los archivos de las skills archivadas permanecen sin cambios en el disco. Las skills creadas manualmente nunca se gestionan; solo las skills creadas mediante propuestas del Taller de Skills entran en la gestión del ciclo de vida.

Las skills fijadas omiten las transiciones del ciclo de vida. Una skill obsoleta vuelve a active después de utilizarse y de que se ejecute el siguiente barrido. Las skills archivadas solo regresan mediante una restauración explícita:

Las transiciones del ciclo de vida y las restauraciones se aplican a las sesiones nuevas; las sesiones en ejecución conservan su instantánea actual de skills.

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

Todos los comandos del gestor aceptan --json. El estado también informa de candidatos deterministas con solapamientos únicamente como sugerencias; nunca fusiona skills ni llama a un modelo.

Chat

Solicite al agente la skill deseada; este llama a skill_workshop y devuelve un identificador de propuesta.

Aprender del trabajo reciente

Use /learn para convertir la conversación actual o las fuentes indicadas en una propuesta de skill guiada por estándares:

/learn/learn docs/runbook.md y https://example.com/guide; centrarse en la recuperación

Sin una solicitud, /learn pide al agente que extraiga de la conversación actual el flujo de trabajo reutilizable. Con una solicitud, el agente trata las rutas, las URL, las notas pegadas y las referencias a conversaciones como fuentes, respetando los requisitos de enfoque, alcance y nomenclatura. Recopila las fuentes con sus herramientas existentes y después llama a skill_workshop con action: "create".

La propuesta resultante permanece pending; /learn nunca la aplica. Revísela y aplíquela mediante el flujo de aprobación normal o con openclaw skills workshop.

Crear:

Crea una skill llamada morning-catchup que ejecute mi rutina de los lunes para la bandeja de entrada.

Actualizar una skill existente del espacio de trabajo:

Actualiza trip-planning para que también compruebe los mapas de asientos antes de reservar.

Iterar sobre una propuesta pendiente:

Muéstrame la propuesta morning-catchup.Revísala para que también marque todo lo que figure como urgente.Aplica la propuesta morning-catchup.

Las acciones apply, reject y quarantine iniciadas por el agente muestran una solicitud de aprobación de forma predeterminada. Establezca skills.workshop.approvalPolicy en "auto" para omitirla en entornos de confianza.

La solicitud identifica el id. de la propuesta y la skill de destino, y muestra la descripción de la propuesta, el número de archivos auxiliares y el tamaño del cuerpo. Las solicitudes de aprobación tienen un plazo limitado para finalizar antes del supervisor de herramientas del agente. Si no se recibe ninguna decisión antes de que caduque la solicitud, la acción del ciclo de vida no se ejecuta: la propuesta permanece pendiente y sin cambios. Decida más tarde en la interfaz del Taller de Skills o ejecute openclaw skills workshop apply|reject|quarantine <proposal-id>. Los agentes no deben reintentar en bucle una acción del ciclo de vida caducada.

CLI

# Crearopenclaw skills workshop propose-create \  --name morning-catchup \  --description "Daily inbox catch-up: triage, archive, surface, draft, plan" \  --proposal ./PROPOSAL.md # Actualizar una skill existente del espacio de trabajoopenclaw skills workshop propose-update trip-planning --proposal ./PROPOSAL.md # Enumerar e inspeccionaropenclaw skills workshop listopenclaw skills workshop inspect <proposal-id> # Revisar antes de la aprobaciónopenclaw skills workshop revise <proposal-id> --proposal ./PROPOSAL.md # Finalizaropenclaw skills workshop apply <proposal-id>openclaw skills workshop reject <proposal-id> --reason "Duplicate"openclaw skills workshop quarantine <proposal-id> --reason "Needs security review"

Cada subcomando acepta --agent <id> (espacio de trabajo de destino; de forma predeterminada se infiere del directorio de trabajo actual y después del agente predeterminado) y --json (salida estructurada). propose-create, propose-update y revise también aceptan --goal <text> y --evidence <text> para registrar el contexto de la propuesta junto con --proposal.

Contenido de la propuesta

Mientras está pendiente, la propuesta se almacena como PROPOSAL.md con frontmatter exclusivo de la propuesta:

---name: "morning-catchup"description: "Daily inbox catch-up: triage, archive, surface, draft, plan"status: proposalversion: "v1"date: "2026-05-30T00:00:00.000Z"---

Al aplicarla, el Taller de Skills escribe la SKILL.md activa y elimina los campos exclusivos de la propuesta: status, version de la propuesta y date de la propuesta.

Archivos auxiliares

Use --proposal-dir cuando la skill propuesta necesite archivos junto a PROPOSAL.md:

openclaw skills workshop propose-create \  --name weekly-update \  --description "Friday wrap-up: stats, highlights, next week's top three" \  --proposal-dir ./weekly-update-proposal

El directorio debe contener PROPOSAL.md. Los archivos auxiliares deben encontrarse en assets/, examples/, references/, scripts/ o templates/. El Taller de Skills los analiza, calcula sus hashes y los almacena con la propuesta; después, solo al aplicar, los escribe junto a la SKILL.md activa.

Rutas de archivos auxiliares rechazadas: rutas absolutas, segmentos de ruta ocultos, recorridos de directorios, rutas solapadas, archivos ejecutables, texto que no sea UTF-8, bytes nulos y rutas fuera de las carpetas auxiliares estándar.

Herramienta del agente

El modelo utiliza skill_workshop con un action obligatorio: create | update | revise | list | inspect | apply | reject | quarantine. Se aplican otros parámetros según la acción:

Los agentes deben usar skill_workshop para el trabajo de generación de skills. No deben crear ni modificar archivos de propuestas mediante write, edit, exec, comandos del shell ni operaciones directas del sistema de archivos.

Skills sugeridas

OpenClaw detecta instrucciones duraderas como «la próxima vez», «recuerda» y correcciones reactivas cuando termina un turno interactivo, incluidos los turnos fallidos. En el turno siguiente, el agente ofrece guardar el flujo de trabajo detectado más reciente mediante skill_workshop; el usuario decide si desea crear una propuesta. Esta sugerencia integrada no crea ni modifica ninguna skill por sí sola. Active skills.workshop.autonomous.enabled para crear directamente propuestas pendientes. En la interfaz de control, la pestaña del Taller ofrece el mismo ajuste como un selector Autoaprendizaje en el encabezado de la página y como un botón de activación en el tablero de propuestas vacío.

Analizar sesiones anteriores

La interfaz de control puede revisar trabajos anteriores sin activar el autoaprendizaje autónomo. Abra Plugins → Taller y seleccione Buscar ideas de skills. El análisis comienza por las sesiones aptas más recientes y revisa una ventana limitada de trabajo sustancial. Omite sesiones de Cron, Heartbeat, hooks, subagentes, ACP, pertenecientes a plugins y de revisión interna, además de conversaciones con menos de seis turnos del modelo.

El revisor utiliza el modelo configurado del agente seleccionado y recibe un paquete de transcripciones con los secretos ocultos y un tamaño limitado. Aplica el mismo criterio conservador que la revisión de experiencias: un patrón concreto de recuperación o un procedimiento estable que eliminaría al menos dos llamadas futuras al modelo o a herramientas. El trabajo rutinario y los hechos puntuales no deberían generar ninguna propuesta.

Un análisis puede crear o revisar como máximo tres propuestas pendientes. No puede aplicar, rechazar, poner en cuarentena ni editar una skill activa. El Taller muestra la cobertura acumulada, por ejemplo, 20 sesiones revisadas · 18 de jun.–hoy · 2 ideas encontradas. Seleccione Analizar trabajo anterior para continuar desde el cursor persistente de la sesión más antigua. Cuando se agota el historial disponible, la acción pasa a ser Analizar trabajo nuevo.

La revisión histórica es manual incluso cuando skills.workshop.autonomous.enabled es false. Cada clic inicia una ejecución del modelo, por lo que se aplican los precios y las condiciones de tratamiento de datos del proveedor. El cursor y los recuentos de cobertura se almacenan en la base de datos de estado compartida de OpenClaw; el contenido de las transcripciones no se copia al estado del análisis.

Con la captura autónoma habilitada, OpenClaw también puede realizar una revisión conservadora después de un trabajo sustancial realizado correctamente y cuando todo el sistema de agentes queda inactivo. Esa revisión aislada puede crear o revisar como máximo una propuesta pendiente. No puede actualizar una skill activa ni aplicar, rechazar o poner en cuarentena una propuesta, incluso cuando approvalPolicy es "auto".

Consulte Autoaprendizaje para obtener detalles sobre la habilitación, los criterios de elegibilidad, la privacidad y los costes, el umbral de las propuestas y la solución de problemas.

Aprobación y autonomía

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

La captura autónoma reconoce reglas prospectivas (por ejemplo, «a partir de ahora») y correcciones reactivas (por ejemplo, «eso no es lo que pedí»). Agrupa las instrucciones nuevas por tema en hasta tres propuestas por turno, dirige las coincidencias de vocabulario a las skills existentes con permiso de escritura en el espacio de trabajo y revisa su propia propuesta pendiente cuando otra corrección se dirige a la misma skill.

Para trabajos sustanciales completados correctamente sin una corrección explícita, una ejecución aislada del modelo seleccionado decide si la trayectoria completada supera el umbral conservador de las propuestas. No se solicita al modelo en primer plano que aprenda antes de responder. El revisor en segundo plano conserva la ejecución en primer plano como procedencia de la propuesta, no puede acceder a las herramientas generales del agente ni tomar decisiones sobre el ciclo de vida. La revisión comienza únicamente cuando el entorno de ejecución en primer plano comunica tanto su modelo exacto resuelto como que skill_workshop estaba realmente disponible. Por lo tanto, una política de herramientas restrictiva o desconocida falla de forma segura y no crea ninguna propuesta.

Consulte Autoaprendizaje para conocer el comportamiento completo de la revisión autónoma y el modelo de seguridad.

Las descripciones de las propuestas siempre tienen un límite de 160 bytes, independientemente de maxSkillBytes.

Métodos del Gateway

requestRevision solo está disponible en el Gateway (no tiene equivalente en la CLI ni en las herramientas del agente): reenvía instrucciones de revisión en texto libre a la sesión de chat del agente propietario en lugar de sustituir directamente PROPOSAL.md, para interfaces de usuario que solicitan al agente una revisión en vez de enviar contenido nuevo literal.

historyStatus y historyScan son métodos auxiliares de la interfaz de control. historyScan acepta direction: "older" | "newer"; siempre deja los resultados como propuestas pendientes.

Almacenamiento

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

Directorio de estado predeterminado: ~/.openclaw.

• proposal.json: registro canónico de la propuesta.
• proposals.json: índice de listado rápido, reconstruible a partir de las carpetas de propuestas.
• PROPOSAL.md: propuesta de skill pendiente.
• rollback.json: metadatos de recuperación escritos antes de que la aplicación modifique los archivos activos.

Límites

Solución de problemas

Diagnóstico de la política de herramientas

Cuando la captura autónoma está habilitada, openclaw doctor ejecuta la comprobación core/doctor/skill-workshop-tool-policy para el agente predeterminado. Si la política oculta skill_workshop, la advertencia indica la primera capa de configuración que lo excluye y el cambio exacto en allow o alsoAllow que debe realizarse. Los manuales de procedimientos antiguos aún pueden utilizar openclaw plugins inspect skill-workshop; ahora ese comando explica que Skill Workshop está integrado y muestra la misma indicación sobre la política cuando corresponde.

Contenido relacionado

• Skills para conocer el orden de carga, la precedencia y la visibilidad
• Autoaprendizaje para conocer las propuestas conservadoras de skills posteriores a la ejecución
• Creación de skills para conocer los fundamentos de SKILL.md escritas manualmente
• Configuración de Skills para consultar el esquema completo de skills.workshop
• CLI de Skills para consultar los comandos de openclaw skills