Memasang Paket Skill Inti

Agen Anda sudah aktif. Sekarang mari berikan mereka tugas nyata pertama. BALIA OS hadir dengan tiga skill bawaan yang siap untuk diterapkan.

Skill	Tujuan
lightpanda	Pencarian web cepat dan scraping
summarize	Ringkasan otomatis teks panjang atau halaman web
clawsec	Pemantauan keamanan dan karantina skill baru

Jika Anda sudah mengunduh installer di Bagian 4, Anda bisa langsung menggunakannya. (Jika belum, kembali ke Bagian 4 dan unduh install_core_pack.py terlebih dahulu.)

Minta agen Anda menjalankannya

> ID agen Anda adalah nilai `AGENT_ID` di file `.env` Anda.
openclaw agent --agent [id-agen-anda] "Tolong jalankan yang berikut ini:
python install_core_pack.py --lang id
(The token will be read automatically from your .env file)
Laporkan ke Discord setelah selesai."

Agen Anda akan secara otomatis:

1. Mengautentikasi token Anda
2. Mengunduh paket skill inti (lightpanda / summarize / clawsec)
3. Menerapkan ke ~/.opengoat/skills/
4. Memperbarui _SKILL_INDEX.md
5. Melaporkan "Paket skill inti terpasang" ke Discord

Setelah menerima konfirmasi Discord, lanjutkan ke bawah.

---

Apa Itu Skills dan Cassette

Agen-agen Anda sudah aktif. Mereka memiliki identitas, prosedur pelaporan, dan channel Discord. Namun saat ini, mereka belum tahu domain apa yang sedang mereka kerjakan. Mereka tidak tahu apakah mereka mengelola restoran, menjalankan operasi trading, atau mendukung praktik hukum.

Skills adalah file pengetahuan yang Anda tulis dan berikan kepada agen-agen Anda. Setiap skill mengajarkan agen cara melakukan tugas tertentu — cara mengelola reservasi, cara membuat laporan P&L, cara menyusun postingan SNS. Semakin banyak skill yang Anda berikan kepada agen, semakin banyak yang dapat mereka lakukan.

Cassette adalah folder berisi skills, yang dikumpulkan bersama dalam satu tema. Cassette mewakili mode operasi tertentu. Operator restoran mungkin memiliki cassette restaurant-ops. Kreator konten mungkin memiliki cassette youtube dan cassette social-media. Agen yang sama dapat beralih antar cassette tergantung pada apa yang perlu mereka kerjakan hari itu.

Sistem cassette berbasis mode. Satu file — ACTIVE_MODE.txt — memberi tahu setiap agen cassette mana yang sedang aktif. Ketika Anda beralih mode, Anda memperbarui file tersebut. Agen membacanya saat sesi dimulai dan memuat skill yang tepat secara otomatis.

Artinya:

• Hari ini: ACTIVE_MODE.txt menunjukkan youtube → agen memuat skill YouTube
• Besok: Anda mengubahnya menjadi trade → agen memuat skill trading
• Agennya tidak berubah. Modenyalah yang berubah.

Dan ketika Anda kembali ke youtube minggu depan, agen-agen Anda melanjutkan tepat dari tempat mereka berhenti — LIVE_LEDGER mengingat progresnya, dan KNOWLEDGE membawa pelajaran yang telah dipelajari. Setiap mode menyimpan memorinya sendiri secara independen.

---

Struktur Folder Cassette

INFO

~/.openclaw/workspace-[agentid]/ └── cassettes/ ├── ACTIVE_MODE.txt ← Satu kata: nama mode yang aktif ├── archive/ ← Overflow LIVE_LEDGER dan KNOWLEDGE ├── youtube/ │ ├── SKILL_YOUTUBE.md ← Skills untuk mode ini │ ├── WORKFLOW_YOUTUBE.md ← Prosedur langkah demi langkah │ ├── LIVE_LEDGER_YOUTUBE.md ← Progres, tindakan berikutnya (diperbarui setiap sesi) │ └── KNOWLEDGE_YOUTUBE.md ← Pembelajaran terakumulasi (diperbarui setiap sesi) ├── restaurant-ops/ │ ├── SKILL_RESTAURANT.md │ ├── WORKFLOW_RESTAURANT.md │ ├── LIVE_LEDGER_RESTAURANT.md │ └── KNOWLEDGE_RESTAURANT.md └── trade/ ├── SKILL_TRADE.md ├── WORKFLOW_TRADE.md ├── LIVE_LEDGER_TRADE.md └── KNOWLEDGE_TRADE.md

ACTIVE_MODE.txt berisi satu kata — nama folder cassette yang aktif. Contohnya:

youtube

Saat sesi dimulai, setiap agen membaca ACTIVE_MODE.txt, lalu memuat keempat file dari folder tersebut: SKILL, WORKFLOW, LIVE_LEDGER, dan KNOWLEDGE. LIVE_LEDGER memberi tahu mereka di mana mereka berhenti pada sesi terakhir. KNOWLEDGE memberi mereka semua yang telah dipelajari sejauh ini dalam domain ini.

Di akhir sesi, agen memperbarui LIVE_LEDGER (progres, tugas berikutnya) dan KNOWLEDGE (pola baru yang dipelajari). Ketika salah satu file melebihi 800 baris, bagian RECENT dipindahkan ke archive/ — bagian SUMMARY dan PINNED selalu tetap di bagian atas.

Tugas terjadwal (seperti pemeriksaan kesehatan harian atau laporan malam) berjalan tanpa memandang mode — tugas-tugas ini didefinisikan dalam AGENTS.md milik agen, bukan di cassette mana pun.

---

Memilih Mesin AI

Cassette yang berbeda bekerja paling baik dengan model AI yang berbeda. Tetapkan ini satu kali saat Anda membangun cassette.

Tipe Cassette	Mesin yang Direkomendasikan	Alasan
Trading kripto / Analisis pasar	Claude	Penalaran logis, analisis pola, penilaian yang cermat
Coding / Otomasi teknis	Claude	Kualitas kode, debugging, logika multi-langkah
Riset hukum / Tinjauan kontrak	Claude	Penalaran hati-hati, bahasa yang bernuansa
Keuangan / Akuntansi / Pelaporan	Claude	Analisis terstruktur, kalkulasi presisi
Google Sheets / Docs / NotebookLM / Drive	Gemini	Integrasi layanan Google secara native
YouTube / Konten video	Gemini	Menganalisis video secara langsung; terintegrasi dengan YouTube Studio
Otomasi Gmail / Calendar	Gemini	Integrasi mendalam dengan Google Workspace
Sales / Outreach / Copywriting	GPT-4o	Percakapan natural, pembuatan email
Komunikasi multibahasa	GPT-4o atau Gemini	Performa multibahasa yang kuat
E-commerce / Riset produk	Claude atau GPT-4o	Kedalaman riset, output terstruktur

Jika Claude cocok untuk kebutuhan Anda, Anda sudah siap — Claude sudah dikonfigurasi di Bagian 3.

Untuk Gemini atau GPT-4o, Anda perlu menambahkan API key ke file .env Anda. Instruksinya ada di Langkah 7 pada AI concierge di bawah ini.

---

Ide Skill Berdasarkan Industri

Belum yakin skill apa yang harus dibangun? Berikut titik awal berdasarkan kasus penggunaan.

Restoran / Makanan & Minuman

• Manajemen reservasi dan penjadwalan harian
• Pelacakan pesanan supplier dan peringatan inventaris
• Postingan SNS pelanggan (menu spesial harian, acara)
• Pemantauan ulasan dan penyusunan respons
• Ringkasan pendapatan mingguan

E-Commerce / Produk Fisik

• Pembuatan listing produk
• Pemantauan harga kompetitor
• Ringkasan status pesanan
• Penyusunan draf respons pertanyaan pelanggan
• Pelaporan penjualan bulanan

Kreator Konten / YouTuber

• Pembuatan ide judul dan thumbnail
• Penyusunan draf outline skrip
• Manajemen jadwal upload
• Ringkasan metrik performa
• Penyusunan draf respons komentar komunitas

Freelancer / Konsultan

• Penyusunan draf komunikasi klien
• Pelaporan status proyek
• Pelacakan invoice dan tindak lanjut
• Tinjauan klausul kontrak (tandai ketentuan yang tidak biasa)
• Ringkasan log waktu

Bisnis Kecil / Umum

• Ringkasan operasi harian
• Penyusunan draf komunikasi staf
• Penyaringan pertanyaan hukum (tandai item yang memerlukan pengacara)
• Ringkasan keuangan dari kuitansi dan catatan
• Manajemen komunikasi vendor

Industri Anda tidak ada dalam daftar ini? Tidak masalah — AI concierge di bagian ini akan membantu Anda mendefinisikan skill Anda sendiri dari awal berdasarkan apa yang benar-benar Anda ingin tim Anda lakukan.

---

Cara Kerja Bagian Ini

Gunakan prompt AI concierge di bawah ini untuk:

1. Mendefinisikan apa yang harus dilakukan agen-agen Anda setiap hari
2. Memutuskan nama cassette dan mode mana yang akan dimulai
3. Memilih mesin AI yang tepat
4. Membuat file SKILL dan WORKFLOW Anda
5. Menyiapkan flag ACTIVE_MODE.txt
6. Menguji bahwa agen Anda memuat mode yang benar

Tempelkan prompt tersebut ke Claude, ChatGPT, atau Gemini. Lampirkan Dokumen Desain Tim Anda dari Bagian 2.

---

▶ Tempel ini ke AI Anda untuk memulai

Lampirkan Dokumen Desain Tim Anda sebelum mengirim.

You are helping me build Skills and a Cassette for BALIA OS —
a multi-agent AI operating system.

I have attached my Team Design Document. Read it before we begin
so you know my agent names, roles, and workspace structure.

CONCEPT TO UNDERSTAND BEFORE WE START:

Skills are knowledge files I write and give to my agents.
Each skill teaches an agent how to do a specific task.

A Cassette is a folder of skills, bundled around a theme (a mode).
My agents can switch between cassettes depending on what they 
need to work on.

The cassette system is mode-based. One file — ACTIVE_MODE.txt —
tells every agent which cassette is currently active.

Folder structure:
~/.openclaw/workspace-[agentid]/
  cassettes/
    ACTIVE_MODE.txt              ← active mode name (one word)
    archive/                     ← overflow for LIVE_LEDGER and KNOWLEDGE
    [mode-name]/
      SKILL_[MODENAME].md        ← skills for this mode
      WORKFLOW_[MODENAME].md     ← procedures for this mode
      LIVE_LEDGER_[MODENAME].md  ← progress, next actions (updated every session)
      KNOWLEDGE_[MODENAME].md    ← accumulated learning (updated every session)

At session start, each agent:
1. Reads ACTIVE_MODE.txt
2. Loads SKILL, WORKFLOW, LIVE_LEDGER, and KNOWLEDGE from that folder
3. Resumes from where LIVE_LEDGER says they left off
4. Applies accumulated learning from KNOWLEDGE
5. Operates in that mode for the session

At session end, the agent:
1. Updates LIVE_LEDGER (progress, next task)
2. Updates KNOWLEDGE (new patterns learned)
3. If either file exceeds 800 lines: moves RECENT section to archive/
   SUMMARY and PINNED always stay at the top

Scheduled tasks run regardless of mode — they are in AGENTS.md.

Guide me step by step. Ask one question at a time.
Wait for my answer before moving on.

STEP 1 — What I want my team to do
Ask me: "Describe what you want your AI team doing for you every day.
Don't think about how — just describe the output you want
and the work you want done."

Help me turn my answer into a list of at least 5 specific,
recurring tasks. Ask follow-up questions until we have
concrete tasks with a clear schedule (daily, weekly, on-demand).

STEP 2 — Map tasks to agents
Read my Team Design Document.
Match each task to the most appropriate agent based on their role.
Show me the mapping: "Task → Agent"
Ask: "Does this feel right? Anything you'd move?"

STEP 3 — Name the cassette (mode)
Based on the tasks, suggest a cassette name — the mode name
(short, lowercase, hyphens: e.g. restaurant-ops, youtube, trade).
This becomes the folder name and the value in ACTIVE_MODE.txt.
Ask me to confirm or suggest a different name.

STEP 4 — Choose the AI engine
For each agent with tasks mapped, recommend the best engine:

- Claude: logic, analysis, coding, legal, finance, crypto
- Gemini: Google services (Sheets, Docs, Drive, Gmail, Calendar,
  YouTube Studio, NotebookLM) — anything in the Google ecosystem
- GPT-4o: sales emails, outreach, copywriting, natural conversation

Explain your reasoning in one sentence per agent.
If all tasks work well with Claude, confirm no extra API keys needed.
If Gemini or GPT-4o needed, note it — we handle the key in Step 7.

Ask me to confirm before moving on.

STEP 5 — Generate SKILL_[MODENAME].md
Generate the skill file using this structure:

---
# SKILL_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]
Primary Agent: [agent name]
AI Engine: [engine]

## What This Mode Does
[2-3 sentences: what domain this covers, what it produces]

## Skills in This Mode
[Bullet list of specific skills — what the agent knows how to do]

## Tools Available
[List tools usable in this mode: web search, file read/write,
Discord reporting, API calls, Google services, etc.]

## Operating Rules
1. Read ACTIVE_MODE.txt at session start. If it says [mode-name],
   load this file, WORKFLOW_[MODENAME].md, LIVE_LEDGER_[MODENAME].md,
   and KNOWLEDGE_[MODENAME].md immediately.
2. Resume work from where LIVE_LEDGER says you left off.
3. Apply patterns and lessons from KNOWLEDGE before starting tasks.
4. [Key rule specific to this domain]
5. [Key rule specific to this domain]
6. Report all completed tasks to Discord before ending session.
7. Never act outside this mode's scope without Commander approval.
8. Save all outputs to cassettes/[mode-name]/outputs/

## Session End Rules
At the end of every session, update both memory files:

LIVE_LEDGER_[MODENAME].md:
- SUMMARY: refresh the 3-5 line overview at the top
- CURRENT: update with today's progress and the next task
- RECENT LOG: append this session's activity
- If over 800 lines: move RECENT LOG to archive/

KNOWLEDGE_[MODENAME].md:
- SUMMARY: refresh the overview at the top
- PATTERNS: add any new success or failure patterns discovered today
- RECENT: append today's learnings
- If over 800 lines: move RECENT to archive/

## What This Mode Does NOT Handle
[Specific boundaries — what's out of scope for this mode]

## Output Format
[What the agent produces: reports, files, Discord messages, etc.]
---

Show it completely. Ask if anything needs adjustment.

STEP 6 — Generate WORKFLOW_[MODENAME].md
Generate the workflow file using this structure:

---
# WORKFLOW_[MODENAME].md
Mode: [mode-name]
Version: 1.0
Last Updated: [today's date]

## Mode Activation (Every Session Start)
1. Read cassettes/ACTIVE_MODE.txt — confirm it says [mode-name]
2. Load SKILL_[MODENAME].md
3. Read LIVE_LEDGER_[MODENAME].md — resume from last session
4. Read KNOWLEDGE_[MODENAME].md — apply accumulated learning
5. Report to Discord: "📦 Mode: [mode-name] active. Resuming: [current task from LIVE_LEDGER]."

## Task Procedures