LLMLLM 任务
llm-taskLLM 是一个可选插件工具,它运行仅限 JSON 的 LLM 任务并
返回结构化输出(可选择根据 JSON Schema 进行验证)。
这非常适用于像 Lobster 这样的工作流引擎:你可以添加单个 LLM 步骤 而无需为每个工作流编写自定义 OpenClaw 代码。
- 启用插件:
{ "plugins": { "entries": { "llm-task": { "enabled": true } } }}- 允许使用可选工具:
{ "tools": { "alsoAllow": ["llm-task"] }}仅当您需要限制性白名单模式时,才使用 tools.allow。
配置(可选)
Section titled “配置(可选)”{ "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 是 provider/model 字符串的白名单。如果设置,则任何
超出列表的请求都会被拒绝。
prompt(字符串,必需)input(任意,可选)schema(对象,可选 JSON Schema)provider(字符串,可选)model(字符串,可选)thinking(字符串,可选)authProfileId(字符串,可选)temperature(数字,可选)maxTokens(数字,可选)timeoutMs(数字,可选)
thinkingOpenClaw 接受标准的 OpenClaw 推理预设,例如 low 或 medium。
返回 details.json,其中包含已解析的 JSON(并在提供时根据
schema 进行验证)。
示例:Lobster 工作流步骤
Section titled “示例:Lobster 工作流步骤”以下示例假设独立的 Lobster CLI在一个环境中运行,其中 LobsterCLIopenclaw.invoke 已具有正确的网关 URL/身份验证上下文。
对于 OpenClaw 内部捆绑的嵌入式 Lobster 运行器,此嵌套 CLI 模式目前不可靠:
openclaw.invoke --tool llm-task --action json --args-json '{ ... }'在嵌入式 Lobster 支持此流程的桥接之前,请选择以下任一方式:
- 直接在 Lobster 外部调用
llm-taskLobster 工具,或者 - 不依赖嵌套 Lobster
openclaw.invoke调用的 Lobster 步骤。
独立的 Lobster CLI 示例:
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 }}'- 该工具是 仅限 JSON 的,并指示模型仅输出 JSON(不 包含代码围栏,不包含注释)。
- 此次运行没有向模型暴露任何工具。
- 除非使用
schema进行验证,否则请将输出视为不受信任。 - 在任何产生副作用的步骤(send、post、exec)之前放置审批环节。