测试：实时测试套件

有关快速开始、QA 运行器、单元 / 集成测试和 Docker 流程，请参见测试。本页介绍实时（涉及网络）的测试套件：模型矩阵、CLI 后端、ACP 和媒体提供商实时测试，以及凭证处理。

实时：本地 profile 冒烟命令

在临时实时检查前先 source ~/.profile，这样 provider 密钥和本地工具路径会与你的 shell 保持一致：

source ~/.profile

安全的媒体冒烟测试：

pnpm openclaw infer tts convert --local --json \
  --text "OpenClaw live smoke." \
  --output /tmp/openclaw-live-smoke.mp3

安全的语音通话就绪性冒烟测试：

pnpm openclaw voicecall setup --json
pnpm openclaw voicecall smoke --to "+15555550123"

除非同时带上 --yes，否则 voicecall smoke 是一次 dry run。只有在你确实打算发起真实通知电话时才使用 --yes。对于 Twilio、Telnyx 和 Plivo，成功的就绪性检查需要一个公开的 webhook URL；仅本地 loopback / 私有回退会按设计被拒绝。

实时：Android 节点能力全量扫描

测试：src/gateway/android-node.capabilities.live.test.ts
脚本：pnpm android:test:integration
目标：调用已连接 Android 节点当前声明的每一个命令，并断言命令契约行为。
范围：
- 预先满足条件 / 手动设置（该套件不会安装 / 运行 / 配对应用）。
- 针对所选 Android 节点逐命令验证 Gateway 网关 node.invoke。
所需预设置：
- Android 应用已连接并与 Gateway 网关配对。
- 应用保持在前台。
- 已授予你期望通过的能力所需的权限 / 捕获同意。
可选目标覆盖：
- OPENCLAW_ANDROID_NODE_ID 或 OPENCLAW_ANDROID_NODE_NAME。
- OPENCLAW_ANDROID_GATEWAY_URL / OPENCLAW_ANDROID_GATEWAY_TOKEN / OPENCLAW_ANDROID_GATEWAY_PASSWORD。
完整 Android 设置详情：Android App

实时：模型冒烟测试（profile 密钥）

实时测试分为两层，这样我们可以隔离故障：

“直接模型” 告诉我们 provider / 模型在给定密钥下是否至少能响应。
“Gateway 网关冒烟测试” 告诉我们该模型的完整 Gateway 网关 + 智能体流水线是否正常工作（会话、历史、工具、沙箱策略等）。

第 1 层：直接模型补全（无 Gateway 网关）

测试：src/agents/models.profiles.live.test.ts
目标：
- 枚举已发现的模型
- 使用 getApiKeyForModel 选择你已有凭证的模型
- 对每个模型运行一次小型补全（必要时包含有针对性的回归测试）
启用方式：
- pnpm test:live（或如果直接调用 Vitest，则使用 OPENCLAW_LIVE_TEST=1）
设置 OPENCLAW_LIVE_MODELS=modern（或 all，即 modern 的别名）才会真正运行此套件；否则它会跳过，以便让 pnpm test:live 专注于 Gateway 网关冒烟测试
选择模型的方式：
- OPENCLAW_LIVE_MODELS=modern 运行 modern 允许列表（Opus / Sonnet 4.6+、GPT-5.2 + Codex、Gemini 3、DeepSeek V4、GLM 4.7、MiniMax M2.7、Grok 4）
- OPENCLAW_LIVE_MODELS=all 是 modern 允许列表的别名
- 或 OPENCLAW_LIVE_MODELS="openai/gpt-5.2,openai-codex/gpt-5.2,anthropic/claude-opus-4-6,..."（逗号分隔的允许列表）
- modern / all 扫描默认使用一个精心挑选的高信号上限；设置 OPENCLAW_LIVE_MAX_MODELS=0 可进行完整 modern 扫描，或设为正数以使用更小上限。
- 完整扫描对整个直接模型测试超时使用 OPENCLAW_LIVE_TEST_TIMEOUT_MS。默认值：60 分钟。
- 直接模型探测默认以 20 路并行运行；可设置 OPENCLAW_LIVE_MODEL_CONCURRENCY 进行覆盖。
选择 provider 的方式：
- OPENCLAW_LIVE_PROVIDERS="google,google-antigravity,google-gemini-cli"（逗号分隔的允许列表）
密钥来源：
- 默认：profile 存储和环境变量回退
- 设置 OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 可强制仅使用 profile 存储
存在原因：
- 将 “provider API 坏了 / 密钥无效” 与 “Gateway 网关智能体流水线坏了” 分离
- 容纳小型、隔离的回归测试（例如：OpenAI Responses / Codex Responses 推理重放 + 工具调用流程）

第 2 层：Gateway 网关 + dev 智能体冒烟测试（也就是 “@openclaw” 实际在做什么）

测试：src/gateway/gateway-models.profiles.live.test.ts
目标：
- 启动一个进程内 Gateway 网关
- 创建 / 修补一个 agent:dev:* 会话（每次运行按模型覆盖）
- 遍历有密钥的模型并断言：
  - “有意义的” 响应（无工具）
  - 一个真实工具调用可正常工作（read 探测）
  - 可选的额外工具探测（exec+read 探测）
  - OpenAI 回归路径（仅工具调用 → 后续跟进）持续可用
探测细节（方便你快速解释故障）：
- read 探测：测试会在工作区写入一个 nonce 文件，并要求智能体 read 它并回显该 nonce。
- exec+read 探测：测试会要求智能体通过 exec 将一个 nonce 写入临时文件，然后再 read 回来。
- 图像探测：测试会附加一个生成的 PNG（猫 + 随机代码），并期望模型返回 cat <CODE>。
- 实现参考：src/gateway/gateway-models.profiles.live.test.ts 和 src/gateway/live-image-probe.ts。
启用方式：
- pnpm test:live（或如果直接调用 Vitest，则使用 OPENCLAW_LIVE_TEST=1）
选择模型的方式：
- 默认：modern 允许列表（Opus / Sonnet 4.6+、GPT-5.2 + Codex、Gemini 3、DeepSeek V4、GLM 4.7、MiniMax M2.7、Grok 4）
- OPENCLAW_LIVE_GATEWAY_MODELS=all 是 modern 允许列表的别名
- 或设置 OPENCLAW_LIVE_GATEWAY_MODELS="provider/model"（或逗号列表）以缩小范围
- modern / all Gateway 网关扫描默认使用一个精心挑选的高信号上限；设置 OPENCLAW_LIVE_GATEWAY_MAX_MODELS=0 可进行完整 modern 扫描，或设为正数以使用更小上限。
选择 provider 的方式（避免 “OpenRouter 全家桶”）：
- OPENCLAW_LIVE_GATEWAY_PROVIDERS="google,google-antigravity,google-gemini-cli,openai,anthropic,zai,minimax"（逗号分隔的允许列表）
工具 + 图像探测在此实时测试中始终启用：
- read 探测 + exec+read 探测（工具压力测试）
- 当模型声明支持图像输入时，图像探测会运行
- 流程（高级概览）：
  - 测试生成一个带有 “CAT” + 随机代码的小型 PNG（src/gateway/live-image-probe.ts）
  - 通过 agent attachments: [{ mimeType: "image/png", content: "<base64>" }] 发送
  - Gateway 网关将附件解析为 images[]（src/gateway/server-methods/agent.ts + src/gateway/chat-attachments.ts）
  - 嵌入式智能体向模型转发一条多模态用户消息
  - 断言：回复包含 cat + 该代码（OCR 容错：允许轻微错误）

要查看你的机器上可以测试什么（以及精确的 provider/model ID），请运行：

openclaw models list
openclaw models list --json

实时：CLI 后端冒烟测试（Claude、Codex、Gemini 或其他本地 CLI）

测试：src/gateway/gateway-cli-backend.live.test.ts
目标：在不触碰你的默认配置的情况下，使用本地 CLI 后端验证 Gateway 网关 + 智能体流水线。
各后端特定的冒烟测试默认值位于所属扩展的 cli-backend.ts 定义中。
启用：
- pnpm test:live（或如果直接调用 Vitest，则使用 OPENCLAW_LIVE_TEST=1）
- OPENCLAW_LIVE_CLI_BACKEND=1
默认值：
- 默认 provider / 模型：claude-cli/claude-sonnet-4-6
- 命令 / 参数 / 图像行为来自所属 CLI 后端插件元数据。
覆盖项（可选）：
- OPENCLAW_LIVE_CLI_BACKEND_MODEL="codex-cli/gpt-5.2"
- OPENCLAW_LIVE_CLI_BACKEND_COMMAND="/full/path/to/codex"
- OPENCLAW_LIVE_CLI_BACKEND_ARGS='["exec","--json","--color","never","--sandbox","read-only","--skip-git-repo-check"]'
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_PROBE=1 发送真实图像附件（路径会注入到提示中）。Docker 配方默认关闭，除非显式请求。
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_ARG="--image" 将图像文件路径作为 CLI 参数传入，而不是通过提示注入。
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_MODE="repeat"（或 "list"）用于控制在设置 IMAGE_ARG 时如何传递图像参数。
- OPENCLAW_LIVE_CLI_BACKEND_RESUME_PROBE=1 发送第二轮消息并验证恢复流程。
- OPENCLAW_LIVE_CLI_BACKEND_MODEL_SWITCH_PROBE=1 在所选模型支持切换目标时，选择加入 Claude Sonnet -> Opus 的同会话连续性探测。为了整体可靠性，Docker 配方默认关闭该项。
- OPENCLAW_LIVE_CLI_BACKEND_MCP_PROBE=1 选择加入 MCP / 工具 loopback 探测。Docker 配方默认关闭，除非显式请求。

示例：

OPENCLAW_LIVE_CLI_BACKEND=1 \
  OPENCLAW_LIVE_CLI_BACKEND_MODEL="codex-cli/gpt-5.2" \
  pnpm test:live src/gateway/gateway-cli-backend.live.test.ts

低成本 Gemini MCP 配置冒烟测试：

OPENCLAW_LIVE_TEST=1 \
  pnpm test:live src/agents/cli-runner/bundle-mcp.gemini.live.test.ts

这不会要求 Gemini 生成响应。它会写入与 OpenClaw 提供给 Gemini 相同的系统设置，然后运行 gemini --debug mcp list 来证明一个已保存的 transport: "streamable-http" 服务器会被规范化为 Gemini 的 HTTP MCP 形态，并且能够连接到本地 streamable-HTTP MCP 服务器。 Docker 配方：

pnpm test:docker:live-cli-backend

单 provider Docker 配方：

pnpm test:docker:live-cli-backend:claude
pnpm test:docker:live-cli-backend:claude-subscription
pnpm test:docker:live-cli-backend:codex
pnpm test:docker:live-cli-backend:gemini

说明：

Docker 运行器位于 scripts/test-live-cli-backend-docker.sh。
它会在仓库 Docker 镜像中以非 root 的 node 用户身份运行实时 CLI 后端冒烟测试。
它会从所属扩展解析 CLI 冒烟测试元数据，然后将匹配的 Linux CLI 包（@anthropic-ai/claude-code、@openai/codex 或 @google/gemini-cli）安装到缓存的可写前缀 OPENCLAW_DOCKER_CLI_TOOLS_DIR 中（默认：~/.cache/openclaw/docker-cli-tools）。
pnpm test:docker:live-cli-backend:claude-subscription 需要便携式 Claude Code 订阅 OAuth，可通过 ~/.claude/.credentials.json 中的 claudeAiOauth.subscriptionType 或来自 claude setup-token 的 CLAUDE_CODE_OAUTH_TOKEN 提供。它会先在 Docker 中验证直接 claude -p，然后在不保留 Anthropic API key 环境变量的情况下运行两轮 Gateway 网关 CLI 后端测试。此订阅通道默认禁用 Claude MCP / 工具和图像探测，因为 Claude 当前会通过额外使用计费来处理第三方应用使用，而不是正常的订阅套餐限制。
现在的实时 CLI 后端冒烟测试会对 Claude、Codex 和 Gemini 运行相同的端到端流程：文本轮次、图像分类轮次，然后是通过 Gateway 网关 CLI 验证的 MCP cron 工具调用。
Claude 的默认冒烟测试还会将会话从 Sonnet 修补为 Opus，并验证恢复后的会话仍记得较早前的一条备注。

实时：ACP 绑定冒烟测试（`/acp spawn ... --bind here`）

测试：src/gateway/gateway-acp-bind.live.test.ts
目标：使用一个实时 ACP 智能体验证真实的 ACP 会话绑定流程：
- 发送 /acp spawn <agent> --bind here
- 原地绑定一个合成的消息渠道会话
- 在同一个会话上发送一条普通后续消息
- 验证该后续消息落入已绑定的 ACP 会话转录中
启用：
- pnpm test:live src/gateway/gateway-acp-bind.live.test.ts
- OPENCLAW_LIVE_ACP_BIND=1
默认值：
- Docker 中的 ACP 智能体：claude,codex,gemini
- 直接 pnpm test:live ... 使用的 ACP 智能体：claude
- 合成渠道：Slack 私信风格的会话上下文
- ACP 后端：acpx
覆盖项：
- OPENCLAW_LIVE_ACP_BIND_AGENT=claude
- OPENCLAW_LIVE_ACP_BIND_AGENT=codex
- OPENCLAW_LIVE_ACP_BIND_AGENT=droid
- OPENCLAW_LIVE_ACP_BIND_AGENT=gemini
- OPENCLAW_LIVE_ACP_BIND_AGENT=opencode
- OPENCLAW_LIVE_ACP_BIND_AGENTS=claude,codex,gemini
- OPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND='npx -y @agentclientprotocol/claude-agent-acp@<version>'
- OPENCLAW_LIVE_ACP_BIND_CODEX_MODEL=gpt-5.2
- OPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL=opencode/kimi-k2.6
- OPENCLAW_LIVE_ACP_BIND_REQUIRE_TRANSCRIPT=1
- OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1
- OPENCLAW_LIVE_ACP_BIND_PARENT_MODEL=openai/gpt-5.2
说明：
- 这个通道使用 Gateway 网关 chat.send 界面，并带有仅管理员可用的合成来源路由字段，因此测试可以附加消息渠道上下文，而无需假装真的向外部发送。
- 当 OPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND 未设置时，测试会为所选 ACP harness 智能体使用内嵌 acpx 插件的内置智能体注册表。
- 默认情况下，绑定会话的 cron MCP 创建是尽力而为，因为外部 ACP harness 可能会在绑定 / 图像验证通过后取消 MCP 调用；设置 OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1 可让该绑定后 cron 探测变为严格检查。

示例：

OPENCLAW_LIVE_ACP_BIND=1 \
  OPENCLAW_LIVE_ACP_BIND_AGENT=claude \
  pnpm test:live src/gateway/gateway-acp-bind.live.test.ts

Docker 配方：

pnpm test:docker:live-acp-bind

单智能体 Docker 配方：

pnpm test:docker:live-acp-bind:claude
pnpm test:docker:live-acp-bind:codex
pnpm test:docker:live-acp-bind:droid
pnpm test:docker:live-acp-bind:gemini
pnpm test:docker:live-acp-bind:opencode

Docker 说明：

Docker 运行器位于 scripts/test-live-acp-bind-docker.sh。
默认情况下，它会依次对聚合的实时 CLI 智能体运行 ACP 绑定冒烟测试：claude、codex，然后 gemini。
使用 OPENCLAW_LIVE_ACP_BIND_AGENTS=claude、OPENCLAW_LIVE_ACP_BIND_AGENTS=codex、OPENCLAW_LIVE_ACP_BIND_AGENTS=droid、OPENCLAW_LIVE_ACP_BIND_AGENTS=gemini 或 OPENCLAW_LIVE_ACP_BIND_AGENTS=opencode 可缩小矩阵范围。
它会 source ~/.profile，将匹配的 CLI 认证材料准备到容器中，然后在缺失时安装所请求的实时 CLI（@anthropic-ai/claude-code、@openai/codex、通过 https://app.factory.ai/cli 提供的 Factory Droid、@google/gemini-cli 或 opencode-ai）。ACP 后端本身是来自 acpx 插件的内置嵌入式 acpx/runtime 包。
Droid Docker 变体会准备 ~/.factory 以提供设置，转发 FACTORY_API_KEY，并要求提供该 API key，因为本地 Factory OAuth / keyring 认证无法便携地带入容器。它使用 ACPX 内置的 droid exec --output-format acp 注册表条目。
OpenCode Docker 变体是一个严格的单智能体回归通道。在 source ~/.profile 后，它会根据 OPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL（默认 opencode/kimi-k2.6）写入一个临时的 OPENCODE_CONFIG_CONTENT 默认模型，而 pnpm test:docker:live-acp-bind:opencode 要求必须有一个已绑定的助手转录，而不是接受通用的绑定后跳过。
直接调用 acpx CLI 仅用于手动 / 变通路径，以便比较 Gateway 网关外部的行为。Docker ACP 绑定冒烟测试实际演练的是 OpenClaw 内嵌的 acpx 运行时后端。

实时：Codex app-server harness 冒烟测试

目标：通过普通 Gateway 网关 agent 方法验证由插件拥有的 Codex harness：
- 加载内置 codex 插件
- 选择 OPENCLAW_AGENT_RUNTIME=codex
- 向 openai/gpt-5.2 发送第一轮 Gateway 网关智能体消息，并强制使用 Codex harness
- 向同一个 OpenClaw 会话发送第二轮消息，并验证 app-server 线程可以恢复
- 通过相同的 Gateway 网关命令路径运行 /codex status 和 /codex models
- 可选运行两个经过 Guardian 审核的提权 shell 探测：一个应被批准的无害命令，以及一个应被拒绝的伪造密钥上传操作，从而让智能体回头询问
测试：src/gateway/gateway-codex-harness.live.test.ts
启用：OPENCLAW_LIVE_CODEX_HARNESS=1
默认模型：openai/gpt-5.2
可选图像探测：OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1
可选 MCP / 工具探测：OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1
可选 Guardian 探测：OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1
该冒烟测试会设置 OPENCLAW_AGENT_HARNESS_FALLBACK=none，这样损坏的 Codex harness 就无法通过悄悄回退到 PI 而蒙混过关。
认证：Codex app-server 认证来自本地 Codex 订阅登录。Docker 冒烟测试在适用时也可为非 Codex 探测提供 OPENAI_API_KEY，以及可选复制的 ~/.codex/auth.json 和 ~/.codex/config.toml。

本地配方：

source ~/.profile
OPENCLAW_LIVE_CODEX_HARNESS=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_MODEL=openai/gpt-5.2 \
  pnpm test:live -- src/gateway/gateway-codex-harness.live.test.ts

Docker 配方：

source ~/.profile
pnpm test:docker:live-codex-harness

Docker 说明：

Docker 运行器位于 scripts/test-live-codex-harness-docker.sh。
它会 source 已挂载的 ~/.profile，传递 OPENAI_API_KEY，在存在时复制 Codex CLI 认证文件，将 @openai/codex 安装到一个可写的挂载 npm 前缀中，准备源码树，然后只运行 Codex harness 实时测试。
Docker 默认启用图像、MCP / 工具和 Guardian 探测。需要更窄范围的调试运行时，可设置 OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=0 或 OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=0 或 OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=0。
Docker 也会导出 OPENCLAW_AGENT_HARNESS_FALLBACK=none，与实时测试配置保持一致，这样旧别名或 PI 回退就无法掩盖 Codex harness 回归。

实时：模型矩阵（我们覆盖什么）

没有固定的 “CI 模型列表” （实时测试是选择加入的），但以下是推荐在有密钥的开发机器上定期覆盖的推荐模型。

现代冒烟测试集（工具调用 + 图像）

这是我们期望持续可用的 “常用模型” 运行集：

OpenAI（非 Codex）：openai/gpt-5.2
OpenAI Codex OAuth：openai-codex/gpt-5.2
Anthropic：anthropic/claude-opus-4-6（或 anthropic/claude-sonnet-4-6）
Google（Gemini API）：google/gemini-3.1-pro-preview 和 google/gemini-3-flash-preview（避免较旧的 Gemini 2.x 模型）
Google（Antigravity）：google-antigravity/claude-opus-4-6-thinking 和 google-antigravity/gemini-3-flash
DeepSeek：deepseek/deepseek-v4-flash 和 deepseek/deepseek-v4-pro
Z.AI（GLM）：zai/glm-5.1
MiniMax：minimax/MiniMax-M2.7

运行带工具 + 图像的 Gateway 网关冒烟测试：

OPENCLAW_LIVE_GATEWAY_MODELS="openai/gpt-5.2,openai-codex/gpt-5.2,anthropic/claude-opus-4-6,google/gemini-3.1-pro-preview,google/gemini-3-flash-preview,google-antigravity/claude-opus-4-6-thinking,google-antigravity/gemini-3-flash,deepseek/deepseek-v4-flash,zai/glm-5.1,minimax/MiniMax-M2.7" pnpm test:live src/gateway/gateway-models.profiles.live.test.ts

基线：工具调用（Read + 可选 Exec）

每个 provider 家族至少选一个：

OpenAI：openai/gpt-5.2
Anthropic：anthropic/claude-opus-4-6（或 anthropic/claude-sonnet-4-6）
Google：google/gemini-3-flash-preview（或 google/gemini-3.1-pro-preview）
DeepSeek：deepseek/deepseek-v4-flash
Z.AI（GLM）：zai/glm-5.1
MiniMax：minimax/MiniMax-M2.7

可选的额外覆盖（有更好，没有也行）：

xAI：xai/grok-4（或最新可用版本）
Mistral：mistral/…（选择一个你已启用、支持 tools 的模型）
Cerebras：cerebras/…（如果你有访问权限）
LM Studio：lmstudio/…（本地；工具调用取决于 API 模式）

视觉：图像发送（附件 → 多模态消息）

至少在 OPENCLAW_LIVE_GATEWAY_MODELS 中包含一个支持图像的模型（Claude / Gemini / 支持视觉的 OpenAI 变体等），以覆盖图像探测。

聚合器 / 替代 Gateway 网关

如果你已启用密钥，我们也支持通过以下方式测试：

OpenRouter：openrouter/...（数百个模型；使用 openclaw models scan 查找支持工具 + 图像的候选模型）
OpenCode：Zen 使用 opencode/...，Go 使用 opencode-go/...（通过 OPENCODE_API_KEY / OPENCODE_ZEN_API_KEY 认证）

如果你有凭证 / 配置，还可以将更多 provider 纳入实时矩阵：

内置：openai、openai-codex、anthropic、google、google-vertex、google-antigravity、google-gemini-cli、zai、openrouter、opencode、opencode-go、xai、groq、cerebras、mistral、github-copilot
通过 models.providers（自定义端点）：minimax（云 / API），以及任何兼容 OpenAI / Anthropic 的代理（LM Studio、vLLM、LiteLLM 等）

不要在文档中硬编码 “所有模型”。权威列表应始终以你机器上 discoverModels(...) 的返回结果加上可用密钥为准。

凭证（绝不要提交）

实时测试会以与 CLI 相同的方式发现凭证。实际含义如下：

如果 CLI 能正常工作，实时测试应该也能找到相同的密钥。
如果某个实时测试提示 “no creds”，请用和调试 openclaw models list / 模型选择相同的方式来排查。
每智能体认证 profile：~/.openclaw/agents/<agentId>/agent/auth-profiles.json（这就是实时测试中 “profile keys” 的含义）
配置：~/.openclaw/openclaw.json（或 OPENCLAW_CONFIG_PATH）
旧版状态目录：~/.openclaw/credentials/（如果存在，会被复制到暂存的实时 home 中，但它不是主 profile-key 存储）
本地实时运行默认会将当前激活的配置、每个智能体的 auth-profiles.json 文件、旧版 credentials/ 以及受支持的外部 CLI 认证目录复制到临时测试 home 中；暂存的实时 home 会跳过 workspace/ 和 sandboxes/，并剥离 agents.*.workspace / agentDir 路径覆盖，这样探测就不会落到你真实主机的工作区中。

如果你想依赖环境变量密钥（例如在你的 ~/.profile 中导出的那些），请在本地测试前运行 source ~/.profile，或者使用下面的 Docker 运行器（它们可以将 ~/.profile 挂载到容器中）。

Deepgram 实时测试（音频转录）

测试：extensions/deepgram/audio.live.test.ts
启用：DEEPGRAM_API_KEY=... DEEPGRAM_LIVE_TEST=1 pnpm test:live extensions/deepgram/audio.live.test.ts

BytePlus 编码计划实时测试

测试：extensions/byteplus/live.test.ts
启用：BYTEPLUS_API_KEY=... BYTEPLUS_LIVE_TEST=1 pnpm test:live extensions/byteplus/live.test.ts
可选模型覆盖：BYTEPLUS_CODING_MODEL=ark-code-latest

ComfyUI 工作流媒体实时测试

测试：extensions/comfy/comfy.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 COMFY_LIVE_TEST=1 pnpm test:live -- extensions/comfy/comfy.live.test.ts
范围：
- 覆盖内置 comfy 图像、视频和 music_generate 路径
- 除非配置了 plugins.entries.comfy.config.<capability>，否则会跳过各项能力
- 适用于修改 comfy 工作流提交、轮询、下载或插件注册之后的验证

图像生成实时测试

测试：test/image-generation.runtime.live.test.ts
命令：pnpm test:live test/image-generation.runtime.live.test.ts
Harness：pnpm test:live:media image
范围：
- 枚举每个已注册的图像生成 provider 插件
- 在探测前从你的登录 shell（~/.profile）加载缺失的 provider 环境变量
- 默认优先使用实时 / 环境变量 API key，而不是已存储的认证 profile，因此 auth-profiles.json 中过期的测试密钥不会掩盖真实 shell 凭证
- 跳过没有可用认证 / profile / 模型的 provider
- 通过共享图像生成运行时运行每个已配置 provider：
  - <provider>:generate
  - 当 provider 声明支持编辑时运行 <provider>:edit
当前覆盖的内置 provider：
- fal
- google
- minimax
- openai
- openrouter
- vydra
- xai
可选范围收窄：
- OPENCLAW_LIVE_IMAGE_GENERATION_PROVIDERS="openai,google,openrouter,xai"
- OPENCLAW_LIVE_IMAGE_GENERATION_MODELS="openai/gpt-image-2,google/gemini-3.1-flash-image-preview,openrouter/google/gemini-3.1-flash-image-preview,xai/grok-imagine-image"
- OPENCLAW_LIVE_IMAGE_GENERATION_CASES="google:flash-generate,google:pro-edit,openrouter:generate,xai:default-generate,xai:default-edit"
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 可强制使用 profile 存储认证，并忽略仅环境变量覆盖

对于已发布的 CLI 路径，在 provider / 运行时实时测试通过后，添加一个 infer 冒烟测试：

OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_INFER_CLI_TEST=1 pnpm test:live -- test/image-generation.infer-cli.live.test.ts
openclaw infer image providers --json
openclaw infer image generate \
  --model google/gemini-3.1-flash-image-preview \
  --prompt "Minimal flat test image: one blue square on a white background, no text." \
  --output ./openclaw-infer-image-smoke.png \
  --json

这覆盖了 CLI 参数解析、配置 / 默认智能体解析、内置插件激活、按需的内置运行时依赖修复、共享图像生成运行时，以及实时 provider 请求。

音乐生成实时测试

测试：extensions/music-generation-providers.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/music-generation-providers.live.test.ts
Harness：pnpm test:live:media music
范围：
- 覆盖共享的内置音乐生成 provider 路径
- 当前覆盖 Google 和 MiniMax
- 在探测前从你的登录 shell（~/.profile）加载 provider 环境变量
- 默认优先使用实时 / 环境变量 API key，而不是已存储的认证 profile，因此 auth-profiles.json 中过期的测试密钥不会掩盖真实 shell 凭证
- 跳过没有可用认证 / profile / 模型的 provider
- 在可用时运行两种已声明的运行时模式：
  - 使用仅 prompt 输入的 generate
  - 当 provider 声明 capabilities.edit.enabled 时运行 edit
- 当前共享通道覆盖：
  - google：generate、edit
  - minimax：generate
  - comfy：单独的 Comfy 实时测试文件，不在这个共享扫描中
可选范围收窄：
- OPENCLAW_LIVE_MUSIC_GENERATION_PROVIDERS="google,minimax"
- OPENCLAW_LIVE_MUSIC_GENERATION_MODELS="google/lyria-3-clip-preview,minimax/music-2.6"
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 可强制使用 profile 存储认证，并忽略仅环境变量覆盖

视频生成实时测试

测试：extensions/video-generation-providers.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts
Harness：pnpm test:live:media video
范围：
- 覆盖共享的内置视频生成 provider 路径
- 默认使用发布安全的冒烟测试路径：非 FAL provider、每个 provider 一次文生视频请求、一秒钟龙虾 prompt，以及来自 OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS 的每 provider 操作上限（默认 180000）
- 默认跳过 FAL，因为 provider 侧队列延迟可能主导发布时间；传入 --video-providers fal 或 OPENCLAW_LIVE_VIDEO_GENERATION_PROVIDERS="fal" 可显式运行它
- 在探测前从你的登录 shell（~/.profile）加载 provider 环境变量
- 默认优先使用实时 / 环境变量 API key，而不是已存储的认证 profile，因此 auth-profiles.json 中过期的测试密钥不会掩盖真实 shell 凭证
- 跳过没有可用认证 / profile / 模型的 provider
- 默认仅运行 generate
- 设置 OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1 后，在可用时也运行已声明的转换模式：
  - 当 provider 声明 capabilities.imageToVideo.enabled，且所选 provider / 模型在共享扫描中接受基于 buffer 的本地图像输入时，运行 imageToVideo
  - 当 provider 声明 capabilities.videoToVideo.enabled，且所选 provider / 模型在共享扫描中接受基于 buffer 的本地视频输入时，运行 videoToVideo
- 当前在共享扫描中已声明但跳过的 imageToVideo provider：
  - vydra，因为内置 veo3 仅支持文本，而内置 kling 需要远程图像 URL
- provider 专属的 Vydra 覆盖：
  - OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_VYDRA_VIDEO=1 pnpm test:live -- extensions/vydra/vydra.live.test.ts
  - 该文件会运行 veo3 文生视频，以及默认使用远程图像 URL fixture 的 kling 通道
- 当前 videoToVideo 实时覆盖：
  - 仅 runway，且所选模型为 runway/gen4_aleph
- 当前在共享扫描中已声明但跳过的 videoToVideo provider：
  - alibaba、qwen、xai，因为这些路径当前需要远程 http(s) / MP4 参考 URL
  - google，因为当前共享 Gemini / Veo 通道使用本地基于 buffer 的输入，而该路径在共享扫描中不被接受
  - openai，因为当前共享通道无法保证特定组织的视频 inpaint / remix 访问权限
可选范围收窄：
- OPENCLAW_LIVE_VIDEO_GENERATION_PROVIDERS="google,openai,runway"
- OPENCLAW_LIVE_VIDEO_GENERATION_MODELS="google/veo-3.1-fast-generate-preview,openai/sora-2,runway/gen4_aleph"
- OPENCLAW_LIVE_VIDEO_GENERATION_SKIP_PROVIDERS="" 可将所有 provider 都纳入默认扫描，包括 FAL
- OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS=60000 可在激进的冒烟测试中降低每个 provider 的操作上限
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 可强制使用 profile 存储认证，并忽略仅环境变量覆盖

媒体实时测试 Harness

命令：pnpm test:live:media
目的：
- 通过一个仓库原生入口运行共享的图像、音乐和视频实时测试套件
- 自动从 ~/.profile 加载缺失的 provider 环境变量
- 默认自动将每个套件收窄为当前具有可用认证的 provider
- 复用 scripts/test-live.mjs，因此心跳和静默模式行为保持一致
示例：
- pnpm test:live:media
- pnpm test:live:media image video --providers openai,google,minimax
- pnpm test:live:media video --video-providers openai,runway --all-providers
- pnpm test:live:media music --quiet

Overview

First steps

Guides

测试：实时测试套件

实时：本地 profile 冒烟命令

实时：Android 节点能力全量扫描

实时：模型冒烟测试（profile 密钥）

第 1 层：直接模型补全（无 Gateway 网关）

第 2 层：Gateway 网关 + dev 智能体冒烟测试（也就是 “@openclaw” 实际在做什么）

实时：CLI 后端冒烟测试（Claude、Codex、Gemini 或其他本地 CLI）

实时：ACP 绑定冒烟测试（`/acp spawn ... --bind here`）

实时：Codex app-server harness 冒烟测试

推荐的实时配方

实时：模型矩阵（我们覆盖什么）

现代冒烟测试集（工具调用 + 图像）

基线：工具调用（Read + 可选 Exec）

视觉：图像发送（附件 → 多模态消息）

聚合器 / 替代 Gateway 网关

凭证（绝不要提交）

Deepgram 实时测试（音频转录）

BytePlus 编码计划实时测试

ComfyUI 工作流媒体实时测试

图像生成实时测试

音乐生成实时测试

视频生成实时测试

媒体实时测试 Harness

相关内容

Overview

First steps

Guides

​实时：本地 profile 冒烟命令

​实时：Android 节点能力全量扫描

​实时：模型冒烟测试（profile 密钥）

​第 1 层：直接模型补全（无 Gateway 网关）

​第 2 层：Gateway 网关 + dev 智能体冒烟测试（也就是 “@openclaw” 实际在做什么）

​实时：CLI 后端冒烟测试（Claude、Codex、Gemini 或其他本地 CLI）

​实时：ACP 绑定冒烟测试（/acp spawn ... --bind here）

​实时：Codex app-server harness 冒烟测试

​推荐的实时配方

​实时：模型矩阵（我们覆盖什么）

​现代冒烟测试集（工具调用 + 图像）

​基线：工具调用（Read + 可选 Exec）

​视觉：图像发送（附件 → 多模态消息）

​聚合器 / 替代 Gateway 网关

​凭证（绝不要提交）

​Deepgram 实时测试（音频转录）

​BytePlus 编码计划实时测试

​ComfyUI 工作流媒体实时测试

​图像生成实时测试

​音乐生成实时测试

​视频生成实时测试

​媒体实时测试 Harness

​相关内容

实时：本地 profile 冒烟命令

实时：Android 节点能力全量扫描

实时：模型冒烟测试（profile 密钥）

第 1 层：直接模型补全（无 Gateway 网关）

第 2 层：Gateway 网关 + dev 智能体冒烟测试（也就是 “@openclaw” 实际在做什么）

实时：CLI 后端冒烟测试（Claude、Codex、Gemini 或其他本地 CLI）

实时：ACP 绑定冒烟测试（`/acp spawn ... --bind here`）

实时：Codex app-server harness 冒烟测试

推荐的实时配方

实时：模型矩阵（我们覆盖什么）

现代冒烟测试集（工具调用 + 图像）

基线：工具调用（Read + 可选 Exec）

视觉：图像发送（附件 → 多模态消息）

聚合器 / 替代 Gateway 网关

凭证（绝不要提交）

Deepgram 实时测试（音频转录）

BytePlus 编码计划实时测试

ComfyUI 工作流媒体实时测试

图像生成实时测试

音乐生成实时测试

视频生成实时测试

媒体实时测试 Harness

相关内容