Tools
Tugas LLM
llm-task adalah alat Plugin opsional yang menjalankan tugas LLM khusus JSON dan
mengembalikan output terstruktur (secara opsional divalidasi terhadap JSON Schema).
Ini ideal untuk mesin alur kerja seperti Lobster: Anda dapat menambahkan satu langkah LLM tanpa menulis kode OpenClaw khusus untuk setiap alur kerja.
Aktifkan Plugin
- Aktifkan Plugin:
{
"plugins": {
"entries": {
"llm-task": { "enabled": true }
}
}
}
- Izinkan alat opsional:
{
"tools": {
"alsoAllow": ["llm-task"]
}
}
Gunakan tools.allow hanya ketika Anda menginginkan mode daftar izin yang restriktif.
Konfigurasi (opsional)
{
"plugins": {
"entries": {
"llm-task": {
"enabled": true,
"config": {
"defaultProvider": "openai-codex",
"defaultModel": "gpt-5.5",
"defaultAuthProfileId": "main",
"allowedModels": ["openai/gpt-5.4"],
"maxTokens": 800,
"timeoutMs": 30000
}
}
}
}
}
allowedModels adalah daftar izin untuk string provider/model. Jika disetel, permintaan apa pun
di luar daftar akan ditolak.
Parameter alat
prompt(string, wajib)input(apa pun, opsional)schema(object, JSON Schema opsional)provider(string, opsional)model(string, opsional)thinking(string, opsional)authProfileId(string, opsional)temperature(number, opsional)maxTokens(number, opsional)timeoutMs(number, opsional)
thinking menerima preset penalaran standar OpenClaw, seperti low atau medium.
Output
Mengembalikan details.json yang berisi JSON yang telah diuraikan (dan memvalidasi terhadap
schema ketika disediakan).
Contoh: langkah alur kerja Lobster
openclaw.invoke --tool llm-task --action json --args-json '{
"prompt": "Given the input email, return intent and draft.",
"thinking": "low",
"input": {
"subject": "Hello",
"body": "Can you help?"
},
"schema": {
"type": "object",
"properties": {
"intent": { "type": "string" },
"draft": { "type": "string" }
},
"required": ["intent", "draft"],
"additionalProperties": false
}
}'
Catatan keamanan
- Alat ini khusus JSON dan menginstruksikan model untuk hanya mengeluarkan JSON (tanpa code fence, tanpa komentar).
- Tidak ada alat yang diekspos ke model untuk eksekusi ini.
- Perlakukan output sebagai tidak tepercaya kecuali Anda memvalidasinya dengan
schema. - Letakkan persetujuan sebelum langkah apa pun yang menimbulkan efek samping (send, post, exec).