图像和媒体支持 — 2025-12-05

适用范围

在以下情况使用本页：

• 修改媒体管道或附件

WhatsApp 渠道通过 Baileys Web 运行。本文档记录了发送、gateway 和 agent 回复的当前媒体处理规则。

目标

• 通过 clawdbot message send --media 发送带有可选标题的媒体。
• 允许来自 Web 收件箱的自动回复包含与文本并排的媒体。
• 保持每种类型的限制合理且可预测。

CLI 界面

• clawdbot message send --media <path-or-url> [--message <caption>]
  • --media 是可选的；标题可以为空，仅发送媒体。
  • --dry-run 打印解析的负载；--json 发出 { 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，并构建正确的负载：
  • 图像：调整大小并重新压缩为 JPEG（最大边 2048px），目标是 agents.defaults.mediaMaxMb（默认 5 MB），上限为 6 MB。
  • 音频/语音/视频：直通最大 16 MB；音频作为语音笔记发送（ptt: true）。
  • 文档：其他任何内容，最大 100 MB，在可用时保留文件名。
• WhatsApp GIF 风格的播放：发送带有 gifPlayback: true 的 MP4（CLI：--gif-playback），以便移动客户端内联循环。
• MIME 检测优先使用魔术字节，然后是标头，最后是文件扩展名。
• 标题来自 --message 或 reply.text；允许空标题。
• 日志记录：非详细模式显示 ↩️/✅；详细模式包括大小和源路径/URL。

自动回复管道

• getReplyFromConfig 返回 { text?, mediaUrl?, mediaUrls? }。
• 当媒体存在时，Web 发送者使用与 clawdbot 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，则按顺序发送。

命令的入站媒体（Pi）

• 当入站 Web 消息包含媒体时，Clawdbot 下载到临时文件并暴露模板变量：
  • {{MediaUrl}} 入站媒体的伪 URL。
  • {{MediaPath}} 在运行命令之前写入的本地临时路径。
• 当启用每会话 Docker 沙箱时，入站媒体被复制到沙箱工作区，MediaPath/MediaUrl 被重写为相对路径，如 media/inbound/<filename>。
• 媒体理解（如果通过 tools.media.* 或共享的 tools.media.models 配置）在模板化之前运行，并可以将 [Image]、[Audio] 和 [Video] 块插入 Body 中。
  • 音频设置 {{Transcript}} 并使用转录进行命令解析，因此斜杠命令仍然有效。
  • 视频和图像描述保留任何标题文本以进行命令解析。
• 默认情况下，仅处理第一个匹配的图像/音频/视频附件；设置 tools.media.<cap>.attachments 以处理多个附件。

限制和错误

出站发送上限（WhatsApp web 发送）

• 图像：重新压缩后约 6 MB 上限。
• 音频/语音/视频：16 MB 上限；文档：100 MB 上限。
• 超大或无法读取的媒体 → 日志中的清晰错误，跳过回复。

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）。
• 超大媒体跳过理解，但回复仍然使用原始正文进行。

测试注意事项

• 覆盖图像/音频/文档情况的发送 + 回复流程。
• 验证图像的重新压缩（大小限制）和音频的语音笔记标志。
• 确保多媒体回复作为顺序发送展开。