Przejdź do głównej treści

​
Narzędzie PDF

pdf analizuje jeden lub więcej dokumentów PDF i zwraca tekst. Szybki opis działania:
  • Natywny tryb dostawcy dla dostawców modeli Anthropic i Google.
  • Zapasowy tryb ekstrakcji dla innych dostawców (najpierw ekstrakcja tekstu, a potem obrazy stron, gdy to potrzebne).
  • Obsługuje pojedyncze (pdf) lub wielokrotne (pdfs) wejście, maksymalnie 10 plików PDF na jedno wywołanie.

​
Dostępność

Narzędzie jest rejestrowane tylko wtedy, gdy OpenClaw może rozwiązać konfigurację modelu obsługującego PDF dla agenta:
  1. agents.defaults.pdfModel
  2. fallback do agents.defaults.imageModel
  3. fallback do rozwiązanego modelu sesji/domyślnego agenta
  4. jeśli natywni dostawcy PDF są wspierani przez uwierzytelnianie, preferuj ich przed ogólnymi kandydatami zapasowymi dla obrazów
Jeśli nie da się rozwiązać używalnego modelu, narzędzie pdf nie jest udostępniane. Uwagi dotyczące dostępności:
  • Łańcuch fallback jest świadomy uwierzytelniania. Skonfigurowany provider/model liczy się tylko wtedy, gdy OpenClaw może rzeczywiście uwierzytelnić tego dostawcę dla agenta.
  • Natywni dostawcy PDF to obecnie Anthropic i Google.
  • Jeśli rozwiązany dostawca sesji/domyslny ma już skonfigurowany model vision/PDF, narzędzie PDF używa go ponownie przed przejściem do innych dostawców wspieranych przez uwierzytelnianie.

​
Opis wejścia

  • pdf (string): jedna ścieżka lub URL PDF
  • pdfs (string[]): wiele ścieżek lub URL-i PDF, maksymalnie 10 łącznie
  • prompt (string): prompt analizy, domyślnie Analyze this PDF document.
  • pages (string): filtr stron, taki jak 1-5 lub 1,3,7-9
  • model (string): opcjonalne nadpisanie modelu (provider/model)
  • maxBytesMb (number): limit rozmiaru na PDF w MB
Uwagi dotyczące wejścia:
  • pdf i pdfs są scalane i deduplikowane przed ładowaniem.
  • Jeśli nie podano żadnego wejścia PDF, narzędzie zwraca błąd.
  • pages jest parsowane jako numery stron od 1, deduplikowane, sortowane i ograniczane do skonfigurowanego maksimum stron.
  • maxBytesMb domyślnie przyjmuje agents.defaults.pdfMaxBytesMb lub 10.

​
Obsługiwane odwołania do PDF

  • lokalna ścieżka pliku (w tym rozwijanie ~)
  • URL file://
  • URL http:// i https://
Uwagi dotyczące odwołań:
  • Inne schematy URI (na przykład ftp://) są odrzucane z unsupported_pdf_reference.
  • W trybie sandbox zdalne URL-e http(s) są odrzucane.
  • Przy włączonej polityce plików ograniczonej tylko do workspace lokalne ścieżki plików spoza dozwolonych katalogów głównych są odrzucane.

​
Tryby wykonania

​
Natywny tryb dostawcy

Tryb natywny jest używany dla dostawców anthropic i google. Narzędzie wysyła surowe bajty PDF bezpośrednio do API dostawców. Limity trybu natywnego:
  • pages nie jest obsługiwane. Jeśli zostanie ustawione, narzędzie zwraca błąd.
  • Obsługiwane jest wejście z wieloma PDF; każdy PDF jest wysyłany jako natywny blok dokumentu / wbudowana część PDF przed promptem.

​
Zapasowy tryb ekstrakcji

Tryb zapasowy jest używany dla dostawców nienatywnych. Przepływ:
  1. Wyodrębnij tekst z wybranych stron (do agents.defaults.pdfMaxPages, domyślnie 20).
  2. Jeśli długość wyodrębnionego tekstu jest mniejsza niż 200 znaków, wyrenderuj wybrane strony do obrazów PNG i dołącz je.
  3. Wyślij wyodrębnioną zawartość wraz z promptem do wybranego modelu.
Szczegóły fallbacku:
  • Ekstrakcja obrazów stron używa budżetu pikseli 4,000,000.
  • Jeśli model docelowy nie obsługuje wejścia obrazów i nie ma tekstu możliwego do wyodrębnienia, narzędzie zwraca błąd.
  • Jeśli ekstrakcja tekstu się powiedzie, ale ekstrakcja obrazów wymagałaby vision w modelu obsługującym tylko tekst, OpenClaw usuwa wyrenderowane obrazy i kontynuuje z wyodrębnionym tekstem.
  • Zapasowy tryb ekstrakcji wymaga pdfjs-dist (oraz @napi-rs/canvas do renderowania obrazów).

​
Konfiguracja

{
  agents: {
    defaults: {
      pdfModel: {
        primary: "anthropic/claude-opus-4-6",
        fallbacks: ["openai/gpt-5.4-mini"],
      },
      pdfMaxBytesMb: 10,
      pdfMaxPages: 20,
    },
  },
}
Pełne szczegóły pól znajdziesz w Configuration Reference.

​
Szczegóły wyjścia

Narzędzie zwraca tekst w content[0].text oraz uporządkowane metadane w details. Typowe pola details:
  • model: rozwiązany ref modelu (provider/model)
  • native: true dla natywnego trybu dostawcy, false dla fallbacku
  • attempts: nieudane próby fallbacku przed powodzeniem
Pola ścieżek:
  • pojedyncze wejście PDF: details.pdf
  • wiele wejść PDF: details.pdfs[] z wpisami pdf
  • metadane przepisania ścieżki sandboxa (gdy dotyczy): rewrittenFrom

​
Zachowanie błędów

  • Brak wejścia PDF: zgłasza pdf required: provide a path or URL to a PDF document
  • Za dużo plików PDF: zwraca uporządkowany błąd w details.error = "too_many_pdfs"
  • Nieobsługiwany schemat odwołania: zwraca details.error = "unsupported_pdf_reference"
  • Tryb natywny z pages: zgłasza czytelny błąd pages is not supported with native PDF providers

​
Przykłady

Pojedynczy PDF: 
{
  "pdf": "/tmp/report.pdf",
  "prompt": "Summarize this report in 5 bullets"
}
Wiele PDF: 
{
  "pdfs": ["/tmp/q1.pdf", "/tmp/q2.pdf"],
  "prompt": "Compare risks and timeline changes across both documents"
}
Model fallback z filtrem stron: 
{
  "pdf": "https://example.com/report.pdf",
  "pages": "1-3,7",
  "model": "openai/gpt-5.4-mini",
  "prompt": "Extract only customer-impacting incidents"
}

​
Powiązane