Zadanie LLM

llm-task to opcjonalne narzędzie Plugin, które uruchamia zadanie LLM wyłącznie w JSON i zwraca dane strukturalne (opcjonalnie walidowane względem JSON Schema).

To idealne rozwiązanie dla silników przepływów pracy takich jak Lobster: możesz dodać pojedynczy krok LLM bez pisania niestandardowego kodu OpenClaw dla każdego przepływu pracy.

Włącz Plugin

1. Włącz Plugin:

{  "plugins": {    "entries": {      "llm-task": { "enabled": true }    }  }}

2. Zezwól na opcjonalne narzędzie:

{  "tools": {    "alsoAllow": ["llm-task"]  }}

Używaj tools.allow tylko wtedy, gdy chcesz restrykcyjnego trybu listy dozwolonych.

Konfiguracja (opcjonalna)

{  "plugins": {    "entries": {      "llm-task": {        "enabled": true,        "config": {          "defaultProvider": "openai",          "defaultModel": "gpt-5.5",          "defaultAuthProfileId": "main",          "allowedModels": ["openai/gpt-5.5"],          "maxTokens": 800,          "timeoutMs": 30000        }      }    }  }}

allowedModels to lista dozwolonych ciągów provider/model. Jeśli jest ustawiona, każde żądanie spoza listy jest odrzucane.

Parametry narzędzia

• prompt (ciąg znaków, wymagany)
• input (dowolny, opcjonalny)
• schema (obiekt, opcjonalny JSON Schema)
• provider (ciąg znaków, opcjonalny)
• model (ciąg znaków, opcjonalny)
• thinking (ciąg znaków, opcjonalny)
• authProfileId (ciąg znaków, opcjonalny)
• temperature (liczba, opcjonalna)
• maxTokens (liczba, opcjonalna)
• timeoutMs (liczba, opcjonalna)

thinking akceptuje standardowe presety rozumowania OpenClaw, takie jak low lub medium.

Dane wyjściowe

Zwraca details.json zawierający sparsowany JSON (i waliduje go względem schema, gdy jest podany).

Przykład: krok przepływu pracy Lobster

Ważne ograniczenie

Poniższy przykład zakłada, że samodzielny Lobster CLI działa w środowisku, w którym openclaw.invoke ma już poprawny adres URL Gateway i kontekst uwierzytelniania.

Dla dołączonego osadzonego runnera Lobster wewnątrz OpenClaw ten zagnieżdżony wzorzec CLI nie jest obecnie niezawodny:

openclaw.invoke --tool llm-task --action json --args-json '{ ... }'

Dopóki osadzony Lobster nie będzie miał obsługiwanego mostu dla tego przepływu, preferuj:

• bezpośrednie wywołania narzędzia llm-task poza Lobster, albo
• kroki Lobster, które nie polegają na zagnieżdżonych wywołaniach openclaw.invoke.

Przykład samodzielnego Lobster CLI:

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  }}'

Uwagi dotyczące bezpieczeństwa

• Narzędzie działa wyłącznie w JSON i instruuje model, aby generował tylko JSON (bez bloków kodu, bez komentarza).
• W tym uruchomieniu model nie ma udostępnionych żadnych narzędzi.
• Traktuj dane wyjściowe jako niezaufane, chyba że walidujesz je za pomocą schema.
• Umieszczaj zatwierdzenia przed każdym krokiem wywołującym skutki uboczne (wysłanie, publikacja, wykonanie).

Powiązane

• Poziomy rozumowania
• Podagenci
• Polecenia ukośnikowe