Aller au contenu

Tâche LLM

llm-task est un outil de plugin facultatif qui exécute une tâche LLM JSON uniquement et renvoie une sortie structurée (éventuellement validée par rapport au schéma JSON).

C’est idéal pour les moteurs de flux de travail comme Lobster : vous pouvez ajouter une seule étape LLM sans écrire de code OpenClaw personnalisé pour chaque flux de travail.

  1. Activer le plugin :
{
"plugins": {
"entries": {
"llm-task": { "enabled": true }
}
}
}
  1. Ajouter l’outil à la liste autorisée (il est enregistré avec optional: true) :
{
"agents": {
"list": [
{
"id": "main",
"tools": { "allow": ["llm-task"] }
}
]
}
}
{
"plugins": {
"entries": {
"llm-task": {
"enabled": true,
"config": {
"defaultProvider": "openai-codex",
"defaultModel": "gpt-5.4",
"defaultAuthProfileId": "main",
"allowedModels": ["openai-codex/gpt-5.4"],
"maxTokens": 800,
"timeoutMs": 30000
}
}
}
}
}

allowedModels est une liste autorisée de chaînes provider/model. Si défini, toute demande en dehors de la liste est rejetée.

  • prompt (chaîne, requis)
  • input (tout, facultatif)
  • schema (objet, schéma JSON facultatif)
  • provider (chaîne, facultatif)
  • model (chaîne, facultatif)
  • thinking (chaîne, facultatif)
  • authProfileId (chaîne, facultatif)
  • temperature (nombre, facultatif)
  • maxTokens (nombre, facultatif)
  • timeoutMs (nombre, facultatif)

thinking accepte les préréglages de raisonnement standard OpenClaw, tels que low ou medium.

Renvoie details.json contenant le JSON analysé (et valide par rapport à schema lorsque fourni).

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
}
}'
  • L’outil est JSON uniquement et instruit le modèle pour qu’il ne produise que du JSON (pas de clôtures de code, pas de commentaire).
  • Aucun outil n’est exposé au modèle pour cette exécution.
  • Traitez la sortie comme non fiable sauf si vous la validez avec schema.
  • Placez les approbations avant toute étape avec effets secondaires (envoyer, publier, exécuter).