Nodes and media

圖片與媒體支援

WhatsApp 通道透過 Baileys Web 執行。本文件記錄目前用於傳送、Gateway 與代理回覆的媒體處理規則。

目標

openclaw message send --media <path-or-url> [--message <caption>]
- --media 為可選；字幕可以為空，以便只傳送媒體。
- --dry-run 會列印解析後的 payload；--json 會輸出 { channel, to, messageId, mediaUrl, caption }。

輸入：本機檔案路徑或 HTTP(S) URL。
流程：載入到 Buffer、偵測媒體種類，並建構正確的 payload：
- **圖片：**調整大小並重新壓縮為 JPEG（最長邊 2048px），目標為 channels.whatsapp.mediaMaxMb（預設：50 MB）。
- **音訊/語音/影片：**最高 16 MB 原樣傳遞；音訊會作為語音訊息傳送（ptt: true）。
- **文件：**其他任何內容，最高 100 MB，可用時會保留檔名。
WhatsApp GIF 風格播放：傳送帶有 gifPlayback: true 的 MP4（CLI：--gif-playback），讓行動用戶端可在行內循環播放。
MIME 偵測會優先使用 magic bytes，其次是標頭，最後是副檔名。
字幕來自 --message 或 reply.text；允許空字幕。
記錄：非詳細模式顯示 ↩️/✅；詳細模式包含大小與來源路徑/URL。

當傳入的網頁訊息包含媒體時，OpenClaw 會下載到暫存檔，並公開樣板變數：
- {{MediaUrl}} 傳入媒體的 pseudo-URL。
- {{MediaPath}} 執行命令前寫入的本機暫存路徑。
當啟用每工作階段 Docker 沙盒時，傳入媒體會複製到沙盒工作區，且 MediaPath/MediaUrl 會改寫為類似 media/inbound/<filename> 的相對路徑。
媒體理解（若透過 tools.media.* 或共用 tools.media.models 設定）會在樣板處理前執行，並可將 [Image]、[Audio] 與 [Video] 區塊插入 Body。
- 音訊會設定 {{Transcript}}，並使用逐字稿進行命令解析，因此斜線命令仍可運作。
- 影片與圖片描述會保留任何字幕文字，以供命令解析使用。
- 如果目前啟用的主要圖片模型已原生支援視覺，OpenClaw 會略過 [Image] 摘要區塊，並改為將原始圖片傳給模型。
預設只處理第一個符合的圖片/音訊/影片附件；設定 tools.media.<cap>.attachments 可處理多個附件。

傳出傳送上限（WhatsApp Web 傳送）

媒體理解上限（轉錄/描述）