Tools
Attività LLM
llm-task è un tool Plugin facoltativo che esegue un task LLM solo JSON e
restituisce output strutturato (facoltativamente validato rispetto a JSON Schema).
È ideale per motori di workflow come Lobster: puoi aggiungere un singolo passaggio LLM senza scrivere codice OpenClaw personalizzato per ogni workflow.
Abilitare il Plugin
- Abilita il Plugin:
{
"plugins": {
"entries": {
"llm-task": { "enabled": true }
}
}
}
- Consenti il tool facoltativo:
{
"tools": {
"alsoAllow": ["llm-task"]
}
}
Usa tools.allow solo quando vuoi la modalità allowlist restrittiva.
Configurazione (facoltativa)
{
"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 è un'allowlist di stringhe provider/model. Se impostata, qualsiasi richiesta
fuori dall'elenco viene rifiutata.
Parametri del tool
prompt(string, obbligatorio)input(any, facoltativo)schema(object, JSON Schema facoltativo)provider(string, facoltativo)model(string, facoltativo)thinking(string, facoltativo)authProfileId(string, facoltativo)temperature(number, facoltativo)maxTokens(number, facoltativo)timeoutMs(number, facoltativo)
thinking accetta i preset di ragionamento standard di OpenClaw, come low o medium.
Output
Restituisce details.json contenente il JSON analizzato (e lo valida rispetto a
schema quando fornito).
Esempio: passaggio di workflow 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
}
}'
Note sulla sicurezza
- Il tool è solo JSON e indica al modello di produrre solo JSON (senza code fence, senza commenti).
- Nessun tool viene esposto al modello per questa esecuzione.
- Tratta l'output come non attendibile a meno che tu non lo validi con
schema. - Inserisci le approvazioni prima di qualsiasi passaggio con effetti collaterali (send, post, exec).