งาน LLM

llm-task เป็น เครื่องมือ Plugin แบบไม่บังคับ ที่รันงาน LLM แบบ JSON เท่านั้น และ ส่งคืนเอาต์พุตแบบมีโครงสร้าง (เลือกตรวจสอบกับ JSON Schema ได้)

เหมาะสำหรับเอนจินเวิร์กโฟลว์อย่าง Lobster: คุณสามารถเพิ่มขั้นตอน LLM เดียวได้ โดยไม่ต้องเขียนโค้ด OpenClaw แบบกำหนดเองสำหรับแต่ละเวิร์กโฟลว์

เปิดใช้งาน Plugin

1. เปิดใช้งาน Plugin:

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

2. อนุญาตเครื่องมือแบบไม่บังคับ:

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

ใช้ tools.allow เฉพาะเมื่อคุณต้องการโหมดรายการอนุญาตแบบจำกัดเท่านั้น

การกำหนดค่า (ไม่บังคับ)

{  "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 คือรายการอนุญาตของสตริง provider/model หากตั้งค่าไว้ คำขอใดๆ ที่อยู่นอกรายการจะถูกปฏิเสธ

พารามิเตอร์ของเครื่องมือ

• prompt (สตริง, จำเป็น)
• input (ค่าใดก็ได้, ไม่บังคับ)
• schema (อ็อบเจกต์, JSON Schema แบบไม่บังคับ)
• provider (สตริง, ไม่บังคับ)
• model (สตริง, ไม่บังคับ)
• thinking (สตริง, ไม่บังคับ)
• authProfileId (สตริง, ไม่บังคับ)
• temperature (ตัวเลข, ไม่บังคับ)
• maxTokens (ตัวเลข, ไม่บังคับ)
• timeoutMs (ตัวเลข, ไม่บังคับ)

thinking รองรับค่าที่ตั้งไว้ล่วงหน้าสำหรับการให้เหตุผลมาตรฐานของ OpenClaw เช่น low หรือ medium

เอาต์พุต

ส่งคืน details.json ที่มี JSON ที่แยกวิเคราะห์แล้ว (และตรวจสอบกับ schema เมื่อระบุไว้)

ตัวอย่าง: ขั้นตอนเวิร์กโฟลว์ของ Lobster

ข้อจำกัดสำคัญ

ตัวอย่างด้านล่างสมมติว่า Lobster CLI แบบสแตนด์อโลน กำลังทำงานในสภาพแวดล้อมที่ openclaw.invoke มี URL/บริบทการยืนยันตัวตนของ Gateway ที่ถูกต้องอยู่แล้ว

สำหรับตัวรัน Lobster แบบ ฝังตัว ที่รวมอยู่ใน OpenClaw รูปแบบ CLI ซ้อนนี้ ยังไม่น่าเชื่อถือในปัจจุบัน:

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

จนกว่า Lobster แบบฝังตัวจะมีบริดจ์ที่รองรับสำหรับโฟลว์นี้ ให้เลือกใช้อย่างใดอย่างหนึ่งต่อไปนี้:

• การเรียกใช้เครื่องมือ llm-task โดยตรงนอก Lobster หรือ
• ขั้นตอนของ Lobster ที่ไม่พึ่งพาการเรียก openclaw.invoke แบบซ้อน

ตัวอย่าง Lobster CLI แบบสแตนด์อโลน:

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  }}'

หมายเหตุด้านความปลอดภัย

• เครื่องมือนี้เป็นแบบ JSON เท่านั้น และสั่งให้โมเดลส่งออกเฉพาะ JSON (ไม่มี code fences ไม่มีคำอธิบายประกอบ)
• ไม่มีเครื่องมือใดถูกเปิดให้โมเดลใช้สำหรับการรันนี้
• ถือว่าเอาต์พุตไม่น่าเชื่อถือ เว้นแต่คุณจะตรวจสอบด้วย schema
• ใส่การอนุมัติไว้ก่อนขั้นตอนใดๆ ที่มีผลข้างเคียง (ส่ง, โพสต์, exec)

ที่เกี่ยวข้อง

• ระดับการคิด
• Sub-agents
• คำสั่ง Slash