跳转到主要内容

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.

​
图像与媒体支持（2025-12-05）

WhatsApp 渠道通过 Baileys Web 运行。本文档记录了当前针对发送、Gateway 网关和智能体回复的媒体处理规则。

​
目标

  • 通过 openclaw message send --media 发送媒体，并可选附带说明文字。
  • 允许来自 Web 收件箱的自动回复在文本之外附带媒体。
  • 让按类型划分的限制保持合理且可预测。

​
CLI 界面

  • openclaw message send --media <path-or-url> [--message <caption>]
    • --media 为可选项；说明文字可以为空，以便仅发送媒体。
    • --dry-run 会打印解析后的载荷；--json 会输出 { channel, to, messageId, mediaUrl, caption }。

​
WhatsApp Web 渠道行为

  • 输入：本地文件路径 或 HTTP(S) URL。
  • 流程：加载到 Buffer 中，检测媒体类型，并构建正确的载荷：
    • 图像： 调整大小并重新压缩为 JPEG（最长边 2048 px），目标为 channels.whatsapp.mediaMaxMb（默认：50 MB）。
    • 音频/语音/视频： 直接透传，最大 16 MB；音频会作为语音便笺发送（ptt: true）。
    • 文档： 其他所有类型，最大 100 MB，并在可用时保留文件名。
  • WhatsApp GIF 式播放：发送一个带 gifPlayback: true 的 MP4（CLI：--gif-playback），这样移动客户端会内联循环播放。
  • MIME 检测优先使用魔数字节，其次是头部，最后是文件扩展名。
  • 说明文字来自 --message 或 reply.text；允许空说明文字。
  • 日志记录：非详细模式显示 ↩️/✅；详细模式包含大小和源路径/URL。

​
自动回复管道

  • getReplyFromConfig 返回 { text?, mediaUrl?, mediaUrls? }。
  • 当存在媒体时，Web 发送器会使用与 openclaw message send 相同的管道解析本地路径或 URL。
  • 如果提供了多个媒体条目，它们会按顺序逐个发送。

​
传入媒体到命令（Pi）

  • 当传入的 Web 消息包含媒体时，OpenClaw 会下载到临时文件，并公开模板变量：
    • 传入媒体的伪 URL：{{MediaUrl}}。
    • 在运行命令前写入的本地临时路径：{{MediaPath}}。
  • 当启用了按会话划分的 Docker 沙箱时，传入媒体会被复制到沙箱工作区中，MediaPath/MediaUrl 会被改写为相对路径，例如 media/inbound/<filename>。
  • 媒体理解（如果通过 tools.media.* 或共享的 tools.media.models 进行配置）会在模板处理之前运行，并可将 [Image]、[Audio] 和 [Video] 代码块插入到 Body 中。
    • 音频会设置 {{Transcript}}，并使用转录内容进行命令解析，这样斜杠命令仍可工作。
    • 视频和图像描述会保留任何说明文字，以便用于命令解析。
    • 如果当前激活的主图像模型已经原生支持视觉能力，OpenClaw 会跳过 [Image] 摘要代码块，改为直接将原始图像传给模型。
  • 默认情况下，只会处理第一个匹配的图像/音频/视频附件；设置 tools.media.<cap>.attachments 可处理多个附件。

​
限制与错误

出站发送上限（WhatsApp Web 发送）
  • 图像：重新压缩后最多为 channels.whatsapp.mediaMaxMb（默认：50 MB）。
  • 音频/语音/视频：上限 16 MB；文档：上限 100 MB。
  • 媒体过大或无法读取 → 日志中会显示清晰错误，并跳过该回复。
媒体理解上限（转录/描述）
  • 图像默认：10 MB（tools.media.image.maxBytes）。
  • 音频默认：20 MB（tools.media.audio.maxBytes）。
  • 视频默认：50 MB（tools.media.video.maxBytes）。
  • 过大的媒体会跳过理解，但回复仍会使用原始正文继续处理。

​
测试说明

  • 覆盖图像/音频/文档场景下的发送 + 回复流程。
  • 验证图像的重新压缩（大小上限）以及音频的语音便笺标志。
  • 确保多媒体回复会扇出为顺序发送。

​
相关内容