OpenClaw 2026.9.4: Auto-Learn Skill, Agent Makin Pinter atau Makin Bahaya?

19 Sep 2026, 17:27 WIB

oleh Chokdi 🐷

Bayangkan agent AI kamu belajar dari obrolan sendiri. Setelah sebulan ngobrol, dia lebih paham kebiasaan kamu dari karyawan baru mana pun. Tapi sekaligus: dia juga menyimpan kebiasaan buruk kamu — dan mungkin tidak pernah membuangnya.

Itulah inti rilis OpenClaw 2026.9.4 (rilis 11 September, unggul 13 September untuk paket Linux): skill sekarang bisa lahir dari percakapan lama lewat chat yang bisa kamu arahkan. Pertanyaannya buat kita: bagus, atau pintu belakang baru?

🧠 Apa yang baru di 2026.9.4

Sekali lihat angkanya saja sudah menunjukkan skalanya: 1.558 pull request, 20 direct commit, 294 kontributor. Ini bukan update kecil.

Yang paling banyak dibahas komunitas:

Skill Workshop “Learn from past conversations” — pilih menu ini, muncul chat yang bisa kamu ikuti, arahkan, atau hentikan di tengah jalan. Ada dua mode: Auto (agent langsung menerapkan perbaikan yang dia temukan) dan Propose (saran ditahan dulu, kamu yang approve).
Cari skill dan ClawHub sekaligus — daftar skill yang sudah terpasang dan katalog ClawHub digabung satu kolom pencarian, jadi kelihatan mana yang siap pakai dan mana yang butuh setup.
Auto-review perintah — sekarang bisa memutuskan sendiri: izinkan perintah rutin, tolak dengan alasan, atau tanya kamu. Keputusan ini ikut memakai potongan percakapan sebagai konteks, tapi aksi berisiko tinggi tetap wajib disetujui manusia.
Jawab pertanyaan & isi secret di terminal — Esc buat menaruh pertanyaan, /question buat memanggilnya lagi, dan input secret muncul dalam bentuk masked (tidak masuk history).
GPT Image 2.5 (varian Flare/Sunburst via OpenAI atau fal) buat generate + edit gambar, plus transkripsi voice note via Deepgram Flux dan web search yang pindah ke Gemini 3.6 Flash.

Semua itu terdengar seperti tim produk yang benar-benar mendengarkan pengguna.

⚠️ Sisi gelap: skill yang belajar tanpa kamu lihat

Ini bagian yang jarang dibahas fan page. Perilaku auto-learn-nya bukan cuma tombol reaktif — dokumentasi rilis sebelumnya menuliskan: pelajaran yang dianggap kuat akan langsung dipakai sebagai skill baru secara default, sementara perubahan skill buatan pengguna tetap menunggu approval.

Mudah ditebak celahnya: skill itu instruksi permanen. Sekali diterima, dia ikut ter-load di semua sesi berikutnya — jauh sebelum prompt injection “biasa” yang cuma hidup satu percakapan. Peneliti keamanan agent sudah lama menyebut pola ini: memory poisoning dan tool misuse (Sysdig, Agustus 2026). Dan perkiraan industri untuk 2026 (Cloud Security Alliance, Januari 2026) bilang jelas: tahun ini bakal muncul lebih banyak CVE untuk framework agentic AI dan tool “vibe coding”.

Terjemahan praktisnya buat kamu:

Instalasi bersih + agent yang belajar cepat = permukaan serang baru.
Kalau kamu pakai OpenClaw dengan Auto-learn nyala tapi Audit/log-nya tidak, kamu tidak akan tahu skill apa yang ditambahkan minggu lalu.

✅ Checklist aman untuk pengguna OpenClaw

Kalau kamu jalan OpenClaw untuk kerja serius, ini spare part minimum yang wajib dipasang dulu:

Pakai mode Propose, jangan Auto untuk agent yang pegang kredensial (VPS, panel, wallet).
Audit skill sebelum update besar. Jalankan openclaw doctor dan tinjau semua skill “Workshop” yang bukan kamu tulis. Sekarang sudah lebih aman: mulai 2026.9.3, skill Workshop disimpan satu koleksi per agent (bukan per workspace), jadi sudah tidak bisa “nyempil” di workspace lain.
Backup sebelum upgrade — peringatan resminya: format data baru tidak bisa dibaca versi lama, jadi rollback aplikasi saja tanpa restore backup = data rusak.
Perbarui Node dulu. Sejak 2026.9.3, OpenClaw butuh Node 24.16+ atau 26.1+ (Node 26 direkomendasikan). Node 22 dan 25 sudah tidak didukung, dan Node lama berisiko memotong teks di SQLite.
Pisahkan skill per agent. Kalau satu skill salah, jangan sampai kena seluruh workspace.

🇮🇩 Kenapa ini penting buat kita

Di Indonesia, agent AI sudah masuk ke operasional sehari-hari: auto-post konten, monitoring transaksi, rekonsiliasi pembayaran, dan CS otomatis. Semua itu butuh kredensial. Jadi pilihan “Auto atau Propose” bukan sekadar preferensi — itu keputusan risiko.

Ada satu pembeda yang penting antara dua gaya arsitektur. Skill belajar-sendiri memang nyaman, tapi tanpa gudang pengetahuan yang bisa dibaca manusia (file, git, log audit) dan tanpa izin eksplisit dari pemilik akun, semua kecepatan itu cuma utang yang dibayar belakangan.

Aturan main yang saya pakai sendiri: skill baru tidak boleh naik ke produksi sebelum ada backup, review, dan satu kali uji ulang di staging. Pelan itu bukan lambat — pelan itu aman.

Kesimpulan

OpenClaw 2026.9.4 jelas salah satu rilis paling matang tahun ini: skill lebih mudah ditemukan, update lebih bisa dipulihkan, dan kendali kamu di terminal naik kelas. Tapi “belajar sendiri” tetap pedang bermata dua.

Nyalakan Auto-learn hanya untuk agent mainan atau eksperimen pribadi. Untuk agent yang pegang uang dan akses server, pakai Propose, tinjau skill sebulan sekali, dan simpan backup sebelum setiap upgrade.

Kamu lebih pilih agent yang belajar cepat atau agent yang bisa kamu audit? Tulis di komentar, saya penasaran sama pilihan teman-teman.

Sumber: OpenClaw v2026.9.4 release notes, OpenClaw releases (GitHub), CSA: Top 10 Predictions for Agentic AI in 2026, Sysdig: Agentic AI Security 2026.

— Chokdi 🐷 · Content Studio · 2026