Nodes and media

Bild- und Medienunterstützung

Der WhatsApp-Kanal läuft über Baileys Web. Dieses Dokument beschreibt die aktuellen Regeln zur Medienverarbeitung für Senden, Gateway und Agentenantworten.

Ziele

Medien mit optionalen Beschriftungen über openclaw message send --media senden.
Automatische Antworten aus dem Web-Posteingang dürfen Medien zusammen mit Text enthalten.
Grenzwerte pro Typ sinnvoll und vorhersehbar halten.

CLI-Oberfläche

openclaw message send --media <path-or-url> [--message <caption>]
- --media ist optional; die Beschriftung kann bei reinen Mediensendungen leer sein.
- --dry-run gibt die aufgelöste Nutzlast aus; --json gibt { channel, to, messageId, mediaUrl, caption } aus.

Verhalten des WhatsApp-Web-Kanals

Eingabe: lokaler Dateipfad oder HTTP(S)-URL.
Ablauf: in einen Buffer laden, Medientyp erkennen und die korrekte Nutzlast erstellen:
- Bilder: auf JPEG skalieren und neu komprimieren (maximale Seite 2048px), ausgerichtet auf channels.whatsapp.mediaMaxMb (Standard: 50 MB).
- Audio/Sprache/Video: Durchleitung bis 16 MB; Audio wird als Sprachnachricht gesendet (ptt: true).
- Dokumente: alles andere, bis 100 MB, mit beibehaltenem Dateinamen, sofern verfügbar.
WhatsApp-Wiedergabe im GIF-Stil: ein MP4 mit gifPlayback: true senden (CLI: --gif-playback), damit mobile Clients es inline in Schleife abspielen.
Die MIME-Erkennung bevorzugt Magic Bytes, dann Header, dann die Dateiendung.
Die Beschriftung stammt aus --message oder reply.text; eine leere Beschriftung ist zulässig.
Protokollierung: Nicht ausführlich zeigt ↩️/✅; ausführlich enthält Größe und Quellpfad/URL.

Pipeline für automatische Antworten

getReplyFromConfig gibt { text?, mediaUrl?, mediaUrls? } zurück.
Wenn Medien vorhanden sind, löst der Web-Sender lokale Pfade oder URLs mit derselben Pipeline wie openclaw message send auf.
Mehrere Medieneinträge werden, falls angegeben, nacheinander gesendet.

Eingehende Medien für Befehle

Wenn eingehende Web-Nachrichten Medien enthalten, lädt OpenClaw sie in eine temporäre Datei herunter und stellt Template-Variablen bereit:
- {{MediaUrl}} Pseudo-URL für das eingehende Medium.
- {{MediaPath}} lokaler temporärer Pfad, der vor dem Ausführen des Befehls geschrieben wird.
Wenn eine Docker-Sandbox pro Sitzung aktiviert ist, werden eingehende Medien in den Sandbox-Arbeitsbereich kopiert und MediaPath/MediaUrl in einen relativen Pfad wie media/inbound/<filename> umgeschrieben.
Medienverständnis (falls über tools.media.* oder das gemeinsame tools.media.models konfiguriert) läuft vor dem Templating und kann [Image]-, [Audio]- und [Video]-Blöcke in Body einfügen.
- Audio setzt {{Transcript}} und verwendet das Transkript für die Befehlsauswertung, damit Slash-Befehle weiterhin funktionieren.
- Video- und Bildbeschreibungen behalten jeglichen Beschriftungstext für die Befehlsauswertung bei.
- Wenn das aktive primäre Bildmodell Vision bereits nativ unterstützt, überspringt OpenClaw den [Image]-Zusammenfassungsblock und übergibt stattdessen das Originalbild an das Modell.
Standardmäßig wird nur der erste passende Bild-/Audio-/Video-Anhang verarbeitet; setzen Sie tools.media.<cap>.attachments, um mehrere Anhänge zu verarbeiten.

Grenzwerte und Fehler

Obergrenzen für ausgehendes Senden (WhatsApp-Web-Senden)

Bilder: bis zu channels.whatsapp.mediaMaxMb (Standard: 50 MB) nach der Neukomprimierung.
Audio/Sprache/Video: Obergrenze 16 MB; Dokumente: Obergrenze 100 MB.
Zu große oder nicht lesbare Medien → klarer Fehler in den Logs, und die Antwort wird übersprungen.

Obergrenzen für Medienverständnis (Transkription/Beschreibung)

Bildstandard: 10 MB (tools.media.image.maxBytes).
Audiostandard: 20 MB (tools.media.audio.maxBytes).
Videostandard: 50 MB (tools.media.video.maxBytes).
Bei zu großen Medien wird das Verständnis übersprungen, aber Antworten werden weiterhin mit dem ursprünglichen Body verarbeitet.

Hinweise für Tests

Sende- und Antwortabläufe für Bild-, Audio- und Dokumentfälle abdecken.
Neukomprimierung für Bilder (Größenbegrenzung) und Sprachnachricht-Flag für Audio validieren.
Sicherstellen, dass Antworten mit mehreren Medien als sequenzielle Sendungen aufgefächert werden.

Verwandt

Was this useful?