Discord

Gotowe do wiadomości prywatnych i kanałów serwera za pośrednictwem oficjalnego Gateway Discorda.

Szybka konfiguracja

Musisz utworzyć nową aplikację z botem, dodać bota do swojego serwera i sparować go z OpenClaw. Zalecamy dodanie bota do własnego prywatnego serwera. Jeśli jeszcze go nie masz, najpierw go utwórz (wybierz Utwórz własny > Dla mnie i moich znajomych).

export DISCORD_BOT_TOKEN="YOUR_BOT_TOKEN"cat > discord.patch.json5 <<'JSON5'{channels: {discord: {  enabled: true,  token: { source: "env", provider: "default", id: "DISCORD_BOT_TOKEN" },},},}JSON5openclaw config patch --file ./discord.patch.json5 --dry-runopenclaw config patch --file ./discord.patch.json5openclaw gateway

{channels: {discord: {enabled: true,token: {source: "env",provider: "default",id: "DISCORD_BOT_TOKEN",},},},}

DISCORD_BOT_TOKEN=...

{channels: {discord: {enabled: true,accounts: {personal: {  token: { source: "env", provider: "default", id: "DISCORD_PERSONAL_TOKEN" },  applicationId: "111111111111111111",},work: {  token: { source: "env", provider: "default", id: "DISCORD_WORK_TOKEN" },  applicationId: "222222222222222222",},},},},}

openclaw pairing list discordopenclaw pairing approve discord <CODE>

Zalecane: Skonfiguruj obszar roboczy serwera

Gdy wiadomości prywatne działają, możesz skonfigurować swój serwer Discord jako pełny obszar roboczy, w którym każdy kanał otrzymuje własną sesję agenta z własnym kontekstem. Jest to zalecane dla prywatnych serwerów, gdzie jesteś tylko Ty i Twój bot.

{channels: {discord: {groupPolicy: "allowlist",guilds: {YOUR_SERVER_ID: {  requireMention: true,  users: ["YOUR_USER_ID"],},},},},}

{channels: {discord: {guilds: {YOUR_SERVER_ID: {  requireMention: false,},},},},}

Teraz utwórz kilka kanałów na swoim serwerze Discord i zacznij rozmawiać. Agent widzi nazwę kanału, a każdy kanał otrzymuje własną izolowaną sesję — możesz więc skonfigurować #coding, #home, #research albo cokolwiek pasuje do Twojego przepływu pracy.

Model środowiska uruchomieniowego

• Gateway jest właścicielem połączenia Discord.
• Routing odpowiedzi jest deterministyczny: odpowiedzi przychodzące z Discord wracają do Discord.
• Metadane gildii/kanału Discord są dodawane do promptu modelu jako niezaufany kontekst, a nie jako widoczny dla użytkownika prefiks odpowiedzi. Jeśli model skopiuje tę otoczkę z powrotem, OpenClaw usuwa skopiowane metadane z odpowiedzi wychodzących oraz z przyszłego kontekstu odtwarzania.
• Domyślnie (session.dmScope=main) czaty bezpośrednie współdzielą główną sesję agenta (agent:main:main).
• Kanały gildii są izolowanymi kluczami sesji (agent:<agentId>:discord:channel:<channelId>).
• Grupowe DM są domyślnie ignorowane (channels.discord.dm.groupEnabled=false).
• Natywne polecenia ukośnikowe działają w izolowanych sesjach poleceń (agent:<agentId>:discord:slash:<userId>), jednocześnie nadal przenosząc CommandTargetSessionKey do routowanej sesji rozmowy.
• Dostarczanie tekstowych ogłoszeń cron/heartbeat do Discord używa raz końcowej odpowiedzi widocznej dla asystenta. Multimedia i strukturalne ładunki komponentów pozostają wieloma wiadomościami, gdy agent emituje wiele dostarczalnych ładunków.

Kanały forum

Kanały forum i mediów Discord akceptują wyłącznie posty w wątkach. OpenClaw obsługuje dwa sposoby ich tworzenia:

• Wyślij wiadomość do nadrzędnego forum (channel:<forumId>), aby automatycznie utworzyć wątek. Tytuł wątku używa pierwszego niepustego wiersza wiadomości.
• Użyj openclaw message thread create, aby utworzyć wątek bezpośrednio. Nie przekazuj --message-id dla kanałów forum.

Przykład: wyślij do nadrzędnego forum, aby utworzyć wątek

openclaw message send --channel discord --target channel:<forumId> \  --message "Topic title\nBody of the post"

Przykład: jawnie utwórz wątek forum

openclaw message thread create --channel discord --target channel:<forumId> \  --thread-name "Topic title" --message "Body of the post"

Nadrzędne fora nie akceptują komponentów Discord. Jeśli potrzebujesz komponentów, wyślij je do samego wątku (channel:<threadId>).

Komponenty interaktywne

OpenClaw obsługuje kontenery komponentów Discord v2 dla wiadomości agenta. Użyj narzędzia wiadomości z ładunkiem components. Wyniki interakcji są routowane z powrotem do agenta jako zwykłe wiadomości przychodzące i stosują istniejące ustawienia Discord replyToMode.

Obsługiwane bloki:

• text, section, separator, actions, media-gallery, file
• Wiersze akcji pozwalają na maksymalnie 5 przycisków albo jedno menu wyboru
• Typy wyboru: string, user, role, mentionable, channel

Domyślnie komponenty są jednorazowego użytku. Ustaw components.reusable=true, aby przyciski, pola wyboru i formularze mogły być używane wielokrotnie, dopóki nie wygasną.

Aby ograniczyć, kto może kliknąć przycisk, ustaw allowedUsers na tym przycisku (identyfikatory użytkowników Discord, tagi albo *). Po skonfigurowaniu niedopasowani użytkownicy otrzymają efemeryczną odmowę.

Polecenia ukośnikowe /model i /models otwierają interaktywny selektor modelu z listami rozwijanymi dostawcy, modelu i zgodnego środowiska uruchomieniowego oraz krokiem Submit. /models add jest przestarzałe i teraz zwraca komunikat o wycofaniu zamiast rejestrować modele z czatu. Odpowiedź selektora jest efemeryczna i może jej użyć tylko użytkownik wywołujący. Menu wyboru Discord są ograniczone do 25 opcji, więc dodaj wpisy provider/* do agents.defaults.models, gdy chcesz, aby selektor pokazywał dynamicznie wykryte modele tylko dla wybranych dostawców, takich jak openai-codex lub vllm.

Załączniki plików:

• Bloki file muszą wskazywać na odwołanie do załącznika (attachment://<filename>)
• Podaj załącznik przez media/path/filePath (pojedynczy plik); użyj media-gallery dla wielu plików
• Użyj filename, aby nadpisać nazwę przesyłanego pliku, gdy powinna pasować do odwołania do załącznika

Formularze modalne:

• Dodaj components.modal z maksymalnie 5 polami
• Typy pól: text, checkbox, radio, select, role-select, user-select
• OpenClaw automatycznie dodaje przycisk wyzwalający

Przykład:

{  channel: "discord",  action: "send",  to: "channel:123456789012345678",  message: "Optional fallback text",  components: {    reusable: true,    text: "Choose a path",    blocks: [      {        type: "actions",        buttons: [          {            label: "Approve",            style: "success",            allowedUsers: ["123456789012345678"],          },          { label: "Decline", style: "danger" },        ],      },      {        type: "actions",        select: {          type: "string",          placeholder: "Pick an option",          options: [            { label: "Option A", value: "a" },            { label: "Option B", value: "b" },          ],        },      },    ],    modal: {      title: "Details",      triggerLabel: "Open form",      fields: [        { type: "text", label: "Requester" },        {          type: "select",          label: "Priority",          options: [            { label: "Low", value: "low" },            { label: "High", value: "high" },          ],        },      ],    },  },}

Kontrola dostępu i routing

{accessGroups: {operators: {  type: "message.senders",  members: {    "*": ["global-owner-id"],    discord: ["discord:123456789012345678"],    telegram: ["987654321"],  },},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:operators"],},},}

{accessGroups: {maintainers: {  type: "discord.channelAudience",  guildId: "1456350064065904867",  channelId: "1456744319972282449",  membership: "canViewChannel",},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:maintainers"],},},}

{accessGroups: {maintainers: {  type: "discord.channelAudience",  guildId: "1456350064065904867",  channelId: "1456744319972282449",},},channels: {discord: {  dmPolicy: "allowlist",  allowFrom: ["accessGroup:maintainers", "discord:123456789012345678"],},},}

{channels: {discord: {  groupPolicy: "allowlist",  guilds: {    "123456789012345678": {      requireMention: true,      ignoreOtherMentions: true,      users: ["987654321098765432"],      roles: ["123456789012345678"],      channels: {        general: { allow: true },        help: { allow: true, requireMention: true },      },    },  },},},}

Routing agenta oparty na rolach

Użyj bindings[].match.roles, aby routować członków gildii Discord do różnych agentów według identyfikatora roli. Powiązania oparte na rolach akceptują tylko identyfikatory ról i są oceniane po powiązaniach peer lub parent-peer oraz przed powiązaniami tylko dla gildii. Jeśli powiązanie ustawia też inne pola dopasowania (na przykład peer + guildId + roles), wszystkie skonfigurowane pola muszą pasować.

{  bindings: [    {      agentId: "opus",      match: {        channel: "discord",        guildId: "123456789012345678",        roles: ["111111111111111111"],      },    },    {      agentId: "sonnet",      match: {        channel: "discord",        guildId: "123456789012345678",      },    },  ],}

Natywne polecenia i autoryzacja poleceń

• commands.native domyślnie ma wartość "auto" i jest włączone dla Discord.
• Nadpisanie dla kanału: channels.discord.commands.native.
• commands.native=false pomija rejestrację poleceń slash Discord i czyszczenie podczas uruchamiania. Wcześniej zarejestrowane polecenia mogą pozostać widoczne w Discord, dopóki nie usuniesz ich z aplikacji Discord.
• Autoryzacja poleceń natywnych używa tych samych list dozwolonych/polityk Discord co zwykła obsługa wiadomości.
• Polecenia mogą nadal być widoczne w interfejsie Discord dla użytkowników, którzy nie są autoryzowani; wykonanie nadal wymusza autoryzację OpenClaw i zwraca „brak autoryzacji”.

Zobacz Polecenia slash, aby poznać katalog poleceń i ich zachowanie.

Domyślne ustawienia poleceń slash:

• ephemeral: true

Szczegóły funkcji

{channels: {discord: {  streaming: {    mode: "progress",    progress: {      label: "auto",      maxLines: 8,      toolProgress: true,    },  },},},}

{  "channels": {    "discord": {      "streaming": {        "mode": "progress",        "progress": {          "toolProgress": true,          "commandText": "status"        }      }    }  }}

{session: {threadBindings: {  enabled: true,  idleHours: 24,  maxAgeHours: 0,},},channels: {discord: {  threadBindings: {    enabled: true,    idleHours: 24,    maxAgeHours: 0,    spawnSessions: true,    defaultSpawnContext: "fork",  },},},}

{agents: {list: [  {    id: "codex",    runtime: {      type: "acp",      acp: {        agent: "codex",        backend: "acpx",        mode: "persistent",        cwd: "/workspace/openclaw",      },    },  },],},bindings: [{  type: "acp",  agentId: "codex",  match: {    channel: "discord",    accountId: "default",    peer: { kind: "channel", id: "222222222222222222" },  },  acp: { label: "codex-main" },},],channels: {discord: {  guilds: {    "111111111111111111": {      channels: {        "222222222222222222": {          requireMention: false,        },      },    },  },},},}

{channels: {discord: {  configWrites: false,},},}

{channels: {discord: {  proxy: "http://proxy.example:8080",},},}

{channels: {discord: {  accounts: {    primary: {      proxy: "http://proxy.example:8080",    },  },},},}

{channels: {discord: {  pluralkit: {    enabled: true,    token: "pk_live_...", // optional; needed for private systems  },},},}

{channels: {discord: {  mentionAliases: {    Vladislava: "123456789012345678",  },  accounts: {    ops: {      mentionAliases: {        OpsLead: "234567890123456789",      },    },  },},},}

{channels: {discord: {  status: "idle",},},}

{channels: {discord: {  activity: "Focus time",  activityType: 4,},},}

{channels: {discord: {  activity: "Live coding",  activityType: 1,  activityUrl: "https://twitch.tv/openclaw",},},}

{channels: {discord: {  autoPresence: {    enabled: true,    intervalMs: 30000,    minUpdateIntervalMs: 15000,    exhaustedText: "token exhausted",  },},},}

Narzędzia i bramki akcji

Akcje wiadomości Discord obejmują wiadomości, administrację kanałami, moderację, obecność i akcje metadanych.

Podstawowe przykłady:

• wiadomości: sendMessage, readMessages, editMessage, deleteMessage, threadReply
• reakcje: react, reactions, emojiList
• moderacja: timeout, kick, ban
• obecność: setPresence

Akcja event-create przyjmuje opcjonalny parametr image (URL albo lokalną ścieżkę pliku), aby ustawić obraz okładki zaplanowanego wydarzenia.

Bramki akcji znajdują się w channels.discord.actions.*.

Domyślne zachowanie bramek:

Interfejs użytkownika Components v2

OpenClaw używa komponentów Discord v2 do zatwierdzeń exec i znaczników międzykontekstowych. Akcje wiadomości Discord mogą też przyjmować components dla niestandardowego interfejsu użytkownika (zaawansowane; wymaga skonstruowania ładunku komponentu przez narzędzie discord), podczas gdy starsze embeds pozostają dostępne, ale nie są zalecane.

• channels.discord.ui.components.accentColor ustawia kolor akcentu używany przez kontenery komponentów Discord (hex).
• Ustaw dla każdego konta za pomocą channels.discord.accounts.<id>.ui.components.accentColor.
• embeds są ignorowane, gdy obecne są komponenty v2.

Przykład:

{  channels: {    discord: {      ui: {        components: {          accentColor: "#5865F2",        },      },    },  },}

Głos

Discord ma dwie odrębne powierzchnie głosowe: kanały głosowe w czasie rzeczywistym (ciągłe rozmowy) oraz załączniki wiadomości głosowych (format podglądu przebiegu fali). Gateway obsługuje oba.

Kanały głosowe

Lista kontrolna konfiguracji:

1. Włącz Message Content Intent w Discord Developer Portal.
2. Włącz Server Members Intent, gdy używane są listy dozwolonych ról/użytkowników.
3. Zaproś bota z zakresami bot i applications.commands.
4. Przyznaj Connect, Speak, Send Messages i Read Message History w docelowym kanale głosowym.
5. Włącz natywne polecenia (commands.native albo channels.discord.commands.native).
6. Skonfiguruj channels.discord.voice.

Użyj /vc join|leave|status, aby kontrolować sesje. Polecenie używa domyślnego agenta konta i stosuje te same reguły listy dozwolonych oraz polityki grupowej co inne polecenia Discord.

/vc join channel:<voice-channel-id>/vc status/vc leave

Aby sprawdzić efektywne uprawnienia bota przed dołączeniem, uruchom:

openclaw channels capabilities --channel discord --target channel:<voice-channel-id>

Przykład automatycznego dołączania:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai-codex/gpt-5.5",        autoJoin: [          {            guildId: "123456789012345678",            channelId: "234567890123456789",          },        ],        allowedChannels: [          {            guildId: "123456789012345678",            channelId: "234567890123456789",          },        ],        daveEncryption: true,        decryptionFailureTolerance: 24,        connectTimeoutMs: 30000,        reconnectGraceMs: 15000,        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",        },      },    },  },}

Uwagi:

• voice.tts zastępuje messages.tts tylko dla odtwarzania głosu stt-tts. Tryby czasu rzeczywistego używają voice.realtime.voice.
• voice.mode kontroluje ścieżkę rozmowy. Wartość domyślna to agent-proxy: frontend głosowy czasu rzeczywistego obsługuje taktowanie tur, przerywanie i odtwarzanie, deleguje zasadniczą pracę do trasowanego agenta OpenClaw przez openclaw_agent_consult i traktuje wynik jak wpisany prompt Discord od tego mówcy. stt-tts zachowuje starszy przepływ wsadowy STT plus TTS. bidi pozwala modelowi czasu rzeczywistego rozmawiać bezpośrednio, jednocześnie udostępniając openclaw_agent_consult dla mózgu OpenClaw.
• voice.agentSession kontroluje, która rozmowa OpenClaw otrzymuje tury głosowe. Pozostaw to nieustawione dla własnej sesji kanału głosowego albo ustaw { mode: "target", target: "channel:<text-channel-id>" }, aby kanał głosowy działał jako rozszerzenie mikrofonu/głośnika istniejącej sesji kanału tekstowego Discord, takiego jak #maintainers.
• voice.model zastępuje mózg agenta OpenClaw dla odpowiedzi głosowych Discord i konsultacji czasu rzeczywistego. Pozostaw to nieustawione, aby dziedziczyć model trasowanego agenta. Jest to oddzielne od voice.realtime.model.
• agent-proxy trasuje mowę przez discord-voice, co zachowuje normalną autoryzację właściciela/narzędzi dla mówcy i sesji docelowej, ale ukrywa narzędzie agenta tts, ponieważ Discord voice jest właścicielem odtwarzania. Domyślnie agent-proxy daje konsultacji pełny, równoważny właścicielowi dostęp do narzędzi dla mówców będących właścicielami (voice.realtime.toolPolicy: "owner") i zdecydowanie preferuje konsultację z agentem OpenClaw przed merytorycznymi odpowiedziami (voice.realtime.consultPolicy: "always"). W tym domyślnym trybie always warstwa czasu rzeczywistego nie wypowiada automatycznie wypełniaczy przed odpowiedzią z konsultacji; przechwytuje i transkrybuje mowę, a następnie wypowiada trasowaną odpowiedź OpenClaw. Jeśli wiele wymuszonych odpowiedzi z konsultacji zakończy się, gdy Discord nadal odtwarza pierwszą odpowiedź, późniejsze odpowiedzi z dokładną mową są kolejkowane do czasu bezczynności odtwarzania, zamiast zastępować mowę w środku zdania.
• W trybie stt-tts STT używa tools.media.audio; voice.model nie wpływa na transkrypcję.
• W trybach czasu rzeczywistego voice.realtime.provider, voice.realtime.model i voice.realtime.voice konfigurują sesję audio czasu rzeczywistego. Dla OpenAI Realtime 2 plus mózgu Codex użyj voice.realtime.model: "gpt-realtime-2" i voice.model: "openai-codex/gpt-5.5".
• Dostawca czasu rzeczywistego OpenAI akceptuje bieżące nazwy zdarzeń Realtime 2 oraz starsze aliasy zgodne z Codex dla zdarzeń audio wyjściowego i transkryptu, dzięki czemu zgodne migawki dostawcy mogą się rozchodzić bez utraty audio asystenta.
• voice.realtime.bargeIn kontroluje, czy zdarzenia rozpoczęcia mówienia przez użytkownika Discord przerywają aktywne odtwarzanie czasu rzeczywistego. Jeśli nie jest ustawione, podąża za ustawieniem przerywania audio wejściowego dostawcy czasu rzeczywistego.
• voice.realtime.minBargeInAudioEndMs kontroluje minimalny czas odtwarzania asystenta, zanim wtrącenie OpenAI czasu rzeczywistego obetnie audio. Domyślnie: 250. Ustaw 0, aby przerywać natychmiast w pomieszczeniach z niskim echem, albo zwiększ tę wartość dla konfiguracji głośników z dużym echem.
• Dla głosu OpenAI w odtwarzaniu Discord ustaw voice.tts.provider: "openai" i wybierz głos Text-to-speech w voice.tts.openai.voice lub voice.tts.providers.openai.voice. cedar jest dobrym męsko brzmiącym wyborem w bieżącym modelu TTS OpenAI.
• Zastąpienia systemPrompt Discord dla poszczególnych kanałów mają zastosowanie do tur transkryptu głosowego dla tego kanału głosowego.
• Tury transkryptu głosowego wyprowadzają status właściciela z Discord allowFrom (lub dm.allowFrom); mówcy niebędący właścicielami nie mogą uzyskać dostępu do narzędzi tylko dla właścicieli (na przykład gateway i cron).
• Discord voice jest opcjonalny dla konfiguracji wyłącznie tekstowych; ustaw channels.discord.voice.enabled=true (albo zachowaj istniejący blok channels.discord.voice), aby włączyć polecenia /vc, runtime głosowy i intencję Gateway GuildVoiceStates.
• channels.discord.intents.voiceStates może jawnie zastąpić subskrypcję intencji stanu głosowego. Pozostaw to nieustawione, aby intencja podążała za efektywnym włączeniem głosu.
• Jeśli voice.autoJoin ma wiele wpisów dla tej samej gildii, OpenClaw dołącza do ostatnio skonfigurowanego kanału dla tej gildii.
• voice.allowedChannels jest opcjonalną listą dozwolonej rezydencji. Pozostaw to nieustawione, aby zezwolić /vc join na dołączanie do dowolnego autoryzowanego kanału głosowego Discord. Gdy jest ustawione, /vc join, automatyczne dołączanie przy starcie i przeniesienia stanu głosowego bota są ograniczone do wymienionych wpisów { guildId, channelId }. Ustaw pustą tablicę, aby odmówić wszystkich dołączeń głosowych Discord. Jeśli Discord przeniesie bota poza listę dozwolonych, OpenClaw opuszcza ten kanał i ponownie dołącza do skonfigurowanego celu automatycznego dołączania, gdy jest dostępny.
• voice.daveEncryption i voice.decryptionFailureTolerance są przekazywane do opcji dołączania @discordjs/voice.
• Wartości domyślne @discordjs/voice to daveEncryption=true i decryptionFailureTolerance=24, jeśli nie są ustawione.
• OpenClaw domyślnie używa dekodera pure-JS opusscript do odbioru głosu Discord. Opcjonalny natywny pakiet @discordjs/opus jest ignorowany przez politykę instalacji pnpm repozytorium, więc zwykłe instalacje, ścieżki Docker i niepowiązane testy nie kompilują natywnego dodatku. Dedykowane hosty wydajności głosowej mogą go włączyć za pomocą OPENCLAW_DISCORD_OPUS_DECODER=native po zainstalowaniu natywnego dodatku.
• voice.connectTimeoutMs kontroluje początkowe oczekiwanie Ready @discordjs/voice dla prób /vc join i automatycznego dołączania. Domyślnie: 30000.
• voice.reconnectGraceMs kontroluje, jak długo OpenClaw czeka, aż rozłączona sesja głosowa zacznie ponownie się łączyć, zanim ją zniszczy. Domyślnie: 15000.
• W trybie stt-tts odtwarzanie głosu nie zatrzymuje się tylko dlatego, że inny użytkownik zaczyna mówić. Aby uniknąć pętli sprzężenia zwrotnego, OpenClaw ignoruje nowe przechwytywanie głosu podczas odtwarzania TTS; mów po zakończeniu odtwarzania, aby rozpocząć następną turę. Tryby czasu rzeczywistego przekazują rozpoczęcia mówienia jako sygnały wtrącenia do dostawcy czasu rzeczywistego.
• W trybach czasu rzeczywistego echo z głośników do otwartego mikrofonu może wyglądać jak wtrącenie i przerywać odtwarzanie. Dla pomieszczeń Discord z dużym echem ustaw voice.realtime.providers.openai.interruptResponseOnInputAudio: false, aby OpenAI nie przerywało automatycznie przy audio wejściowym. Dodaj voice.realtime.bargeIn: true, jeśli nadal chcesz, aby zdarzenia rozpoczęcia mówienia Discord przerywały aktywne odtwarzanie. Most czasu rzeczywistego OpenAI ignoruje obcięcia odtwarzania krótsze niż voice.realtime.minBargeInAudioEndMs jako prawdopodobne echo/szum i rejestruje je jako pominięte, zamiast czyścić odtwarzanie Discord.
• voice.captureSilenceGraceMs kontroluje, jak długo OpenClaw czeka po zgłoszeniu przez Discord, że mówca przestał mówić, zanim sfinalizuje ten segment audio dla STT. Domyślnie: 2500; zwiększ tę wartość, jeśli Discord dzieli normalne pauzy na poszarpane częściowe transkrypty.
• Gdy wybranym dostawcą TTS jest ElevenLabs, odtwarzanie głosu Discord używa strumieniowego TTS i zaczyna od strumienia odpowiedzi dostawcy. Dostawcy bez obsługi strumieniowania wracają do ścieżki syntetyzowanego pliku tymczasowego.
• OpenClaw monitoruje również niepowodzenia odszyfrowania odbioru i automatycznie odzyskuje działanie przez opuszczenie i ponowne dołączenie do kanału głosowego po powtarzających się niepowodzeniach w krótkim oknie czasowym.
• Jeśli logi odbioru wielokrotnie pokazują DecryptionFailed(UnencryptedWhenPassthroughDisabled) po aktualizacji, zbierz raport zależności i logi. Dołączona linia @discordjs/voice obejmuje upstreamową poprawkę wypełniania z PR discord.js #11449, która zamknęła issue discord.js #11419.
• Zdarzenia odbioru The operation was aborted są oczekiwane, gdy OpenClaw finalizuje przechwycony segment mówcy; są to szczegółowe diagnostyki, a nie ostrzeżenia.
• Szczegółowe logi głosowe Discord zawierają ograniczony jednowierszowy podgląd transkryptu STT dla każdego zaakceptowanego segmentu mówcy, więc debugowanie pokazuje zarówno stronę użytkownika, jak i stronę odpowiedzi agenta bez zrzucania nieograniczonego tekstu transkryptu.
• W trybie agent-proxy wymuszona rezerwowa konsultacja pomija prawdopodobnie niekompletne fragmenty transkryptu, takie jak tekst kończący się na ... albo końcowy łącznik, taki jak and, oraz oczywiste nieakcyjne zakończenia, takie jak „zaraz wracam” lub „pa”. Logi pokazują forced agent consult skipped reason=..., gdy zapobiega to nieaktualnej odpowiedzi w kolejce.

Natywna konfiguracja opus dla checkoutów źródłowych:

pnpm installmise exec node@22 -- pnpm discord:opus:install

Użyj Node 22 dla Gateway, gdy chcesz upstreamowy wstępnie zbudowany natywny dodatek macOS arm64. Jeśli używasz innego runtime Node, instalator opt-in może potrzebować lokalnego łańcucha narzędzi budowania ze źródeł node-gyp.

Po zainstalowaniu natywnego dodatku uruchom Gateway za pomocą:

OPENCLAW_DISCORD_OPUS_DECODER=native pnpm gateway:watch

Szczegółowe logi głosowe powinny pokazywać discord voice: opus decoder: @discordjs/opus. Bez włączenia przez env albo jeśli natywnego dodatku brakuje lub nie może się załadować na hoście, OpenClaw loguje discord voice: opus decoder: opusscript i nadal odbiera głos przez rezerwową implementację pure-JS.

Potok STT plus TTS:

• Przechwytywanie PCM Discord jest konwertowane do tymczasowego pliku WAV.
• tools.media.audio obsługuje STT, na przykład openai/gpt-4o-mini-transcribe.
• Transkrypt jest wysyłany przez wejście Discord i trasowanie, podczas gdy odpowiedź LLM działa z polityką wyjścia głosowego, która ukrywa narzędzie agenta tts i prosi o zwrócony tekst, ponieważ Discord voice jest właścicielem końcowego odtwarzania TTS.
• voice.model, gdy jest ustawione, zastępuje tylko LLM odpowiedzi dla tej tury kanału głosowego.
• voice.tts jest scalane na wierzchu messages.tts; dostawcy obsługujący strumieniowanie zasilają odtwarzacz bezpośrednio, w przeciwnym razie wynikowy plik audio jest odtwarzany w dołączonym kanale.

Przykład domyślnej sesji kanału głosowego agent-proxy:

{  channels: {    discord: {      voice: {        enabled: true,        model: "openai-codex/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",        },      },    },  },}

Bez bloku voice.agentSession każdy kanał głosowy otrzymuje własną trasowaną sesję OpenClaw. Na przykład /vc join channel:234567890123456789 rozmawia z sesją dla tego kanału głosowego Discord. Model czasu rzeczywistego jest tylko frontendem głosowym; merytoryczne żądania są przekazywane do skonfigurowanego agenta OpenClaw. Jeśli model czasu rzeczywistego utworzy końcowy transkrypt bez wywołania narzędzia konsultacji, OpenClaw wymusza konsultację jako mechanizm rezerwowy, więc domyślne zachowanie nadal przypomina rozmowę z agentem.

Przykład starszego STT plus TTS:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "stt-tts",        model: "openai/gpt-5.4-mini",        tts: {          provider: "openai",          openai: {            model: "gpt-4o-mini-tts",            voice: "cedar",          },        },      },    },  },}

Przykład dwukierunkowego czasu rzeczywistego:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai-codex/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",          toolPolicy: "safe-read-only",          consultPolicy: "always",        },      },    },  },}

Głos jako rozszerzenie istniejącej sesji kanału Discord:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "agent-proxy",        model: "openai-codex/gpt-5.5",        agentSession: {          mode: "target",          target: "channel:123456789012345678",        },        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",        },      },    },  },}

W trybie agent-proxy bot dołącza do skonfigurowanego kanału głosowego, ale tury agenta OpenClaw używają normalnej trasowanej sesji i agenta kanału docelowego. Sesja głosowa czasu rzeczywistego wypowiada zwrócony wynik z powrotem w kanale głosowym. Agent nadzorujący nadal może używać zwykłych narzędzi wiadomości zgodnie ze swoją polityką narzędzi, w tym wysłać oddzielną wiadomość Discord, jeśli jest to właściwe działanie.

Przydatne formy celu:

• target: "channel:123456789012345678" trasuje przez sesję kanału tekstowego Discord.
• target: "123456789012345678" jest traktowane jako cel kanału.
• target: "dm:123456789012345678" lub target: "user:123456789012345678" trasuje przez tę sesję wiadomości bezpośrednich.

Przykład OpenAI Realtime z dużym echem:

{  channels: {    discord: {      voice: {        enabled: true,        mode: "bidi",        model: "openai-codex/gpt-5.5",        realtime: {          provider: "openai",          model: "gpt-realtime-2",          voice: "cedar",          bargeIn: true,          minBargeInAudioEndMs: 500,          consultPolicy: "always",          providers: {            openai: {              interruptResponseOnInputAudio: false,            },          },        },      },    },  },}

Użyj tego, gdy model słyszy własne odtwarzanie Discord przez otwarty mikrofon, ale nadal chcesz przerywać mu mówieniem. OpenClaw zapobiega automatycznemu przerywaniu przez OpenAI na podstawie surowego dźwięku wejściowego, a bargeIn: true pozwala zdarzeniom rozpoczęcia mówienia przez użytkownika w Discord oraz dźwiękowi już aktywnego mówcy anulować aktywne odpowiedzi czasu rzeczywistego, zanim kolejna przechwycona tura dotrze do OpenAI. Bardzo wczesne sygnały wejścia w wypowiedź z audioEndMs poniżej minBargeInAudioEndMs są traktowane jako prawdopodobne echo/szum i ignorowane, aby model nie urywał wypowiedzi przy pierwszej ramce odtwarzania.

Oczekiwane logi głosu:

• Przy dołączaniu: discord voice: joining ... voiceSession=... supervisorSession=... agentSessionMode=... voiceModel=... realtimeModel=...
• Przy uruchomieniu trybu czasu rzeczywistego: discord voice: realtime bridge starting ... autoRespond=false interruptResponse=false bargeIn=false minBargeInAudioEndMs=...
• Przy dźwięku mówcy: discord voice: realtime speaker turn opened ..., discord voice: realtime input audio started ... outputAudioMs=... outputActive=... oraz discord voice: realtime speaker turn closed ... chunks=... discordBytes=... realtimeBytes=... interruptedPlayback=...
• Przy pominięciu nieaktualnej mowy: discord voice: realtime forced agent consult skipped reason=incomplete-transcript ... lub reason=non-actionable-closing ...
• Przy zakończeniu odpowiedzi czasu rzeczywistego: discord voice: realtime audio playback finishing reason=response.done ... audioMs=... chunks=...
• Przy zatrzymaniu/zresetowaniu odtwarzania: discord voice: realtime audio playback stopped reason=... audioMs=... elapsedMs=... chunks=...
• Przy konsultacji czasu rzeczywistego: discord voice: realtime consult requested ... voiceSession=... supervisorSession=... question=...
• Przy odpowiedzi agenta: discord voice: agent turn answer ...
• Przy zakolejkowanej dokładnej mowie: discord voice: realtime exact speech queued ... queued=... outputAudioMs=... outputActive=..., a następnie discord voice: realtime exact speech dequeued reason=player-idle ...
• Przy wykryciu wejścia w wypowiedź: discord voice: realtime barge-in detected source=speaker-start ... lub discord voice: realtime barge-in detected source=active-speaker-audio ..., a następnie discord voice: realtime barge-in requested reason=... outputAudioMs=... outputActive=...
• Przy przerwaniu trybu czasu rzeczywistego: discord voice: realtime model interrupt requested client:response.cancel reason=barge-in, a następnie albo discord voice: realtime model audio truncated client:conversation.item.truncate reason=barge-in audioEndMs=..., albo discord voice: realtime model interrupt confirmed server:response.done status=cancelled ...
• Przy zignorowanym echu/szumie: discord voice: realtime model interrupt ignored client:conversation.item.truncate.skipped reason=barge-in audioEndMs=0 minAudioEndMs=250
• Przy wyłączonym wejściu w wypowiedź: discord voice: realtime capture ignored during playback (barge-in disabled) ...
• Przy bezczynnym odtwarzaniu: discord voice: realtime barge-in ignored reason=... outputActive=false ... playbackChunks=0

Aby debugować ucinany dźwięk, czytaj logi głosu czasu rzeczywistego jako oś czasu:

1. realtime audio playback started oznacza, że Discord zaczął odtwarzać dźwięk asystenta. Od tego momentu most zaczyna zliczać porcje wyjścia asystenta, bajty PCM Discord, bajty czasu rzeczywistego dostawcy oraz czas trwania syntetyzowanego dźwięku.
2. realtime speaker turn opened oznacza, że mówca Discord stał się aktywny. Jeśli odtwarzanie jest już aktywne i bargeIn jest włączone, po tym może pojawić się barge-in detected source=speaker-start.
3. realtime input audio started oznacza pierwszą rzeczywistą ramkę dźwięku otrzymaną dla tej tury mówcy. outputActive=true lub niezerowe outputAudioMs w tym miejscu oznacza, że mikrofon wysyła wejście, gdy odtwarzanie asystenta jest nadal aktywne.
4. barge-in detected source=active-speaker-audio oznacza, że OpenClaw wykrył dźwięk mówcy na żywo, gdy odtwarzanie asystenta było aktywne. Jest to przydatne do odróżnienia prawdziwego przerwania od zdarzenia rozpoczęcia mówienia w Discord bez użytecznego dźwięku.
5. barge-in requested reason=... oznacza, że OpenClaw poprosił dostawcę czasu rzeczywistego o anulowanie lub skrócenie aktywnej odpowiedzi. Zawiera outputAudioMs, outputActive i playbackChunks, aby było widać, ile dźwięku asystenta faktycznie odtworzono przed przerwaniem.
6. realtime audio playback stopped reason=... to lokalny punkt resetowania odtwarzania Discord. Powód wskazuje, kto zatrzymał odtwarzanie: barge-in, player-idle, provider-clear-audio, forced-agent-consult, stream-close lub session-close.
7. realtime speaker turn closed podsumowuje przechwyconą turę wejściową. chunks=0 lub hasAudio=false oznacza, że tura mówcy została otwarta, ale do mostu czasu rzeczywistego nie dotarł żaden użyteczny dźwięk. interruptedPlayback=true oznacza, że ta tura wejściowa nałożyła się na wyjście asystenta i uruchomiła logikę wejścia w wypowiedź.

Przydatne pola:

• outputAudioMs: czas trwania dźwięku asystenta wygenerowanego przez dostawcę czasu rzeczywistego przed danym wierszem logu.
• audioMs: czas trwania dźwięku asystenta zliczony przez OpenClaw przed zatrzymaniem odtwarzania.
• elapsedMs: czas zegarowy między otwarciem a zamknięciem strumienia odtwarzania lub tury mówcy.
• discordBytes: bajty stereo PCM 48 kHz wysłane do lub odebrane z głosu Discord.
• realtimeBytes: bajty PCM w formacie dostawcy wysłane do lub odebrane od dostawcy czasu rzeczywistego.
• playbackChunks: porcje dźwięku asystenta przekazane do Discord dla aktywnej odpowiedzi.
• sinceLastAudioMs: odstęp między ostatnią przechwyconą ramką dźwięku mówcy a zamknięciem tury mówcy.

Typowe wzorce:

• Natychmiastowe ucięcie z source=active-speaker-audio, małym outputAudioMs i tym samym użytkownikiem w pobliżu zwykle wskazuje na echo głośnika trafiające do mikrofonu. Zwiększ voice.realtime.minBargeInAudioEndMs, zmniejsz głośność głośnika, użyj słuchawek albo ustaw voice.realtime.providers.openai.interruptResponseOnInputAudio: false.
• source=speaker-start, po którym następuje speaker turn closed ... hasAudio=false, oznacza, że Discord zgłosił rozpoczęcie mówienia, ale żaden dźwięk nie dotarł do OpenClaw. Może to być przejściowe zdarzenie głosowe Discord, działanie bramki szumów albo krótkie aktywowanie mikrofonu przez klienta.
• audio playback stopped reason=stream-close bez pobliskiego wejścia w wypowiedź lub provider-clear-audio oznacza, że lokalny strumień odtwarzania Discord zakończył się nieoczekiwanie. Sprawdź poprzedzające logi dostawcy i odtwarzacza Discord.
• capture ignored during playback (barge-in disabled) oznacza, że OpenClaw celowo odrzucił wejście, gdy dźwięk asystenta był aktywny. Włącz voice.realtime.bargeIn, jeśli chcesz, aby mowa przerywała odtwarzanie.
• barge-in ignored ... outputActive=false oznacza, że VAD Discord lub dostawcy zgłosił mowę, ale OpenClaw nie miał aktywnego odtwarzania do przerwania. Nie powinno to ucinać dźwięku.

Poświadczenia są rozwiązywane osobno dla każdego komponentu: uwierzytelnianie trasy LLM dla voice.model, uwierzytelnianie STT dla tools.media.audio, uwierzytelnianie TTS dla messages.tts/voice.tts oraz uwierzytelnianie dostawcy czasu rzeczywistego dla voice.realtime.providers lub normalnej konfiguracji uwierzytelniania dostawcy.

Wiadomości głosowe

Wiadomości głosowe Discord pokazują podgląd fali i wymagają dźwięku OGG/Opus. OpenClaw generuje falę automatycznie, ale potrzebuje ffmpeg i ffprobe na hoście Gateway, aby sprawdzić i przekonwertować dźwięk.

• Podaj lokalną ścieżkę pliku (adresy URL są odrzucane).
• Pomiń treść tekstową (Discord odrzuca tekst + wiadomość głosową w tym samym ładunku).
• Akceptowany jest dowolny format dźwięku; OpenClaw w razie potrzeby konwertuje go do OGG/Opus.

message(action="send", channel="discord", target="channel:123", path="/path/to/audio.mp3", asVoice=true)

Rozwiązywanie problemów

openclaw doctoropenclaw channels status --probeopenclaw logs --follow

{channels: {discord: {  accounts: {    default: {      eventQueue: {        listenerTimeout: 120000,      },    },  },},},}

{channels: {discord: {  accounts: {    mantis: {      // Mantis listens to other bots only when they mention her.      allowBots: "mentions",    },    molty: {      // Molty listens to all bot-authored Discord messages.      allowBots: true,      mentionAliases: {        // Lets Molty write "@Mantis" and send a real Discord mention.        Mantis: "MANTIS_DISCORD_USER_ID",      },    },  },},},}

Dokumentacja konfiguracji

Główna dokumentacja: Dokumentacja konfiguracji - Discord.

Bezpieczeństwo i operacje

• Traktuj tokeny botów jako sekrety (w nadzorowanych środowiskach preferowane DISCORD_BOT_TOKEN).
• Przyznawaj minimalne wymagane uprawnienia Discord.
• Jeśli wdrożenie poleceń lub stan są nieaktualne, uruchom ponownie gateway i sprawdź ponownie za pomocą openclaw channels status --probe.

Powiązane