Saltar al contenido principal

Documentation Index

Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

El canal de WhatsApp se ejecuta mediante Baileys Web. Este documento recoge las reglas actuales de manejo de medios para envíos, Gateway y respuestas de agentes.

​
Objetivos

  • Enviar medios con subtítulos opcionales mediante openclaw message send --media.
  • Permitir que las respuestas automáticas desde la bandeja de entrada web incluyan medios junto con texto.
  • Mantener límites por tipo sensatos y predecibles.

​
Superficie de la CLI

  • openclaw message send --media <path-or-url> [--message <caption>]
    • --media es opcional; el subtítulo puede estar vacío para envíos solo con medios.
    • --dry-run imprime la carga útil resuelta; --json emite { channel, to, messageId, mediaUrl, caption }.

​
Comportamiento del canal de WhatsApp Web

  • Entrada: ruta de archivo local o URL HTTP(S).
  • Flujo: cargar en un Buffer, detectar el tipo de medio y construir la carga útil correcta:
    • Imágenes: redimensionar y recomprimir a JPEG (lado máximo de 2048 px) apuntando a channels.whatsapp.mediaMaxMb (predeterminado: 50 MB).
    • Audio/Voz/Video: paso directo hasta 16 MB; el audio se envía como nota de voz (ptt: true).
    • Documentos: cualquier otra cosa, hasta 100 MB, conservando el nombre de archivo cuando esté disponible.
  • Reproducción estilo GIF de WhatsApp: enviar un MP4 con gifPlayback: true (CLI: --gif-playback) para que los clientes móviles lo reproduzcan en bucle en línea.
  • La detección MIME prefiere bytes mágicos, luego encabezados y luego la extensión del archivo.
  • El subtítulo proviene de --message o reply.text; se permite un subtítulo vacío.
  • Registro: el modo no detallado muestra ↩️/✅; el modo detallado incluye tamaño y ruta/URL de origen.

​
Pipeline de respuesta automática

  • getReplyFromConfig devuelve { text?, mediaUrl?, mediaUrls? }.
  • Cuando hay medios presentes, el remitente web resuelve rutas locales o URL usando el mismo pipeline que openclaw message send.
  • Si se proporcionan varias entradas de medios, se envían secuencialmente.

​
Medios entrantes para comandos (Pi)

  • Cuando los mensajes web entrantes incluyen medios, OpenClaw los descarga a un archivo temporal y expone variables de plantillas:
    • {{MediaUrl}} pseudo-URL para el medio entrante.
    • {{MediaPath}} ruta temporal local escrita antes de ejecutar el comando.
  • Cuando se habilita un sandbox Docker por sesión, los medios entrantes se copian en el espacio de trabajo del sandbox y MediaPath/MediaUrl se reescriben a una ruta relativa como media/inbound/<filename>.
  • La comprensión de medios (si está configurada mediante tools.media.* o tools.media.models compartidos) se ejecuta antes de las plantillas y puede insertar bloques [Image], [Audio] y [Video] en Body.
    • El audio establece {{Transcript}} y usa la transcripción para el análisis de comandos, de modo que los comandos con barra diagonal sigan funcionando.
    • Las descripciones de video e imagen conservan cualquier texto de subtítulo para el análisis de comandos.
    • Si el modelo principal de imagen activo ya admite visión de forma nativa, OpenClaw omite el bloque de resumen [Image] y pasa la imagen original al modelo en su lugar.
  • De forma predeterminada, solo se procesa el primer adjunto coincidente de imagen/audio/video; establece tools.media.<cap>.attachments para procesar varios adjuntos.

​
Límites y errores

Límites de envío saliente (envío web de WhatsApp)
  • Imágenes: hasta channels.whatsapp.mediaMaxMb (predeterminado: 50 MB) después de la recompressión.
  • Audio/voz/video: límite de 16 MB; documentos: límite de 100 MB.
  • Medio demasiado grande o ilegible → error claro en los registros y se omite la respuesta.
Límites de comprensión de medios (transcripción/descripción)
  • Imagen predeterminada: 10 MB (tools.media.image.maxBytes).
  • Audio predeterminado: 20 MB (tools.media.audio.maxBytes).
  • Video predeterminado: 50 MB (tools.media.video.maxBytes).
  • Los medios demasiado grandes omiten la comprensión, pero las respuestas siguen enviándose con el cuerpo original.

​
Notas para las pruebas

  • Cubrir los flujos de envío y respuesta para casos de imagen/audio/documento.
  • Validar la recompressión de imágenes (límite de tamaño) y el indicador de nota de voz para audio.
  • Asegurarse de que las respuestas con varios medios se desplieguen como envíos secuenciales.

​
Relacionado