自学习和审批设置

自我学习¶

在大量工作之后，一次独立的后台审查可以将纠正和成功流程转化为可复用的 Workshop 技能；参见 自我学习。将 skills.workshop.autonomous.mode 设置为 propose 以创建待处理提案，或设置为 auto 以使用常规代理工具维护完整技能。 Control UI 的 Workshop 选项卡会显示自我学习是否开启；使用配置项来选择全部三种模式。

扫描过往会话¶

Control UI 可以在不启用自主自我学习的情况下审查较早的工作。 打开 插件 → Workshop，并选择 从过往对话中学习。一个常规 会话会带着挖掘指令打开，使用所选代理已配置的模型、允许的工具、现有技能以及可访问的对话历史。

代理决定读取哪些内容，以及证据是否足以支持技能变更。 它遵循当前 Workshop 模式：auto 允许直接改进， propose 会留下待审批的建议。没有单独的扫描器来选择转录内容， 也不会将运行限制为固定数量的对话或提案。

可以在聊天中观察、引导或停止该工作。会话会保留其指令和结果， 而不是使用单独的覆盖计数器。手动请求不会改变自我学习设置。 常规会话容量、权限、提供商定价和数据使用条款适用。

在 propose 和 auto 模式下，OpenClaw 可以在代理系统变为空闲后 审查一个已完成的重要回合。它会记录已完成回合的边界， 并使用相同的提供商和模型异步读取该回合的模型上下文。 审查转录和会话元数据与前台工作保持分离。 隐身回合会被排除在自动经验审查之外。 在 propose 模式下，只有 skill_workshop 会执行，审查者可以暂存一个 待处理变更。在 auto 模式下，常规文件工具可以检查、编辑并验证 Workshop 目录中多个相互关联的文件。审查会继承源权限和 shell 审批。 其 process 工具无法控制前台任务；Workshop 文件根目录不是 shell 沙箱。 一次尝试后，失败的审查会被记录；已完成的直接编辑会保留。

有关启用条件、适用资格、隐私和成本详情、提案阈值以及故障排除，请参见 自我学习。

审批与自主性¶

{
  skills: {
    workshop: {
      autonomous: {
        mode: "auto",
      },
      approvalPolicy: "auto",
      maxPending: 50,
      maxSkillBytes: 40000,
    },
  },
}

所选模型会在决定持久流程是否需要更新之前审查保留的证据。前台工作不会等待该审查。 只有当前台运行时报告其已解析的模型和实际的 skill_workshop 可用性时， 它才会启动；限制性或未知的工具策略会失败关闭。

在 auto 模式下，审查者使用与每周审查相同的直接维护指南。 文件工具仍以 Workshop 为根目录；shell 命令保留源会话的执行策略。 源删除、替换或权限变更会使保留的审查权限失效。直接维护不会运行回合后 提案扫描器，也不会创建回滚快照。对于不需要的编辑，请使用备份。

在 propose 模式下，审查者可以在暂存一个待处理变更之前读取或准备 一个精确范围。现有技能提案会保留读取回执、内容哈希绑定、大小验证， 以及常规应用时扫描和回滚元数据。即时前台修复在 auto 模式下也会保留 常规提案应用路径；它与直接后台维护相互独立。

有关完整的自主审查行为和安全模型，请参见 自我学习。

提案描述始终限制为 160 字节，与 maxSkillBytes 无关。