Tools

وظیفهٔ LLM

llm-task یک ابزار Plugin اختیاری همراه‌شده است که یک فراخوانی LLM با خروجی صرفاً JSON اجرا می‌کند و خروجی ساخت‌یافته برمی‌گرداند؛ این خروجی در صورت تمایل، با یک JSON Schema اعتبارسنجی می‌شود. این ابزار به موتورهای گردش کاری مانند Lobster امکان می‌دهد بدون نیاز به کد سفارشی OpenClaw برای هر گردش کار، یک مرحله LLM داشته باشند.

فعال‌سازی

  1. Plugin را فعال کنید:
json
{  "plugins": {    "entries": {      "llm-task": { "enabled": true }    }  }}
  1. ابزار را مجاز کنید:
json
{  "tools": {    "alsoAllow": ["llm-task"]  }}

alsoAllow، ابزار llm-task را بدون محدود کردن سایر ابزارهای اصلی به نمایه ابزار فعال اضافه می‌کند. تنها در صورتی از tools.allow استفاده کنید که به‌جای آن، حالت فهرست مجاز محدودکننده می‌خواهید.

پیکربندی (اختیاری)

json
{  "plugins": {    "entries": {      "llm-task": {        "enabled": true,        "config": {          "defaultProvider": "openai",          "defaultModel": "gpt-5.6-sol",          "defaultAuthProfileId": "main",          "allowedModels": ["openai/gpt-5.6-sol"],          "maxTokens": 800,          "timeoutMs": 30000        }      }    }  }}

allowedModels فهرستی مجاز از رشته‌های provider/model است؛ درخواست هر مدل دیگری رد می‌شود. همه کلیدهای دیگر، مقادیر جایگزین هر فراخوانی هستند که وقتی فراخوانی ابزار آن پارامتر را مشخص نکند، استفاده می‌شوند.

پارامترهای ابزار

پارامتر نوع توضیحات
prompt string الزامی. دستور وظیفه برای LLM.
input any بار داده اختیاری؛ به JSON سریال‌سازی و به پرامپت افزوده می‌شود.
schema object JSON Schema اختیاری که خروجی تجزیه‌شده باید در برابر آن اعتبارسنجی شود.
provider string defaultProvider / ارائه‌دهنده پیش‌فرض عامل را لغو می‌کند.
model string defaultModel را لغو می‌کند؛ شناسه‌های ساده مدل، نام‌های مستعار یا ارجاع provider/model را می‌پذیرد (پیشوند تکراری ارائه‌دهنده به‌طور خودکار حذف می‌شود).
thinking string سطح استدلال (برای مثال low یا medium)؛ باید یکی از سطوح پشتیبانی‌شده مدل انتخاب‌شده باشد.
authProfileId string defaultAuthProfileId را لغو می‌کند.
temperature number به‌صورت بهترین تلاش؛ همه ارائه‌دهندگان آن را رعایت نمی‌کنند.
maxTokens number سقف توکن‌های خروجی به‌صورت بهترین تلاش.
timeoutMs number مهلت اجرای عملیات؛ پیش‌فرض 30000 است.

خروجی

details.json (JSON تجزیه‌شده و اعتبارسنجی‌شده با اسکیما) را به‌همراه details.provider و details.model برمی‌گرداند که ارائه‌دهنده و مدل واقعاً اجراشده را مشخص می‌کنند.

مثال: مرحله گردش کار Lobster

محدودیت مهم

مثال زیر فرض می‌کند Lobster CLI مستقل در محیطی اجرا می‌شود که openclaw.invoke از قبل نشانی Gateway و زمینه احراز هویت درست را دارد.

برای اجراکننده تعبیه‌شده Lobster که همراه OpenClaw ارائه می‌شود، این الگوی CLI تودرتو در حال حاضر قابل اتکا نیست:

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

تا زمانی که Lobster تعبیه‌شده پل پشتیبانی‌شده‌ای برای این جریان داشته باشد، یکی از گزینه‌های زیر را ترجیح دهید:

  • فراخوانی مستقیم ابزار llm-task خارج از Lobster، یا
  • مراحل Lobster که به فراخوانی‌های تودرتوی openclaw.invoke متکی نیستند.

مثال Lobster CLI مستقل:

lobster
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  }}'

نکات ایمنی

  • صرفاً JSON: به مدل دستور داده می‌شود فقط یک مقدار JSON برگرداند؛ بدون حصار کد و بدون توضیحات.
  • بدون ابزار: ابزارها در اجرای زیربنایی غیرفعال‌اند، بنابراین مدل نمی‌تواند در میانه وظیفه فراخوانی بیرونی انجام دهد.
  • خروجی را نامطمئن در نظر بگیرید، مگر اینکه آن را با schema اعتبارسنجی کنید.
  • تأییدها را پیش از هر مرحله دارای اثر جانبی (ارسال، انتشار، اجرا) که این خروجی را مصرف می‌کند، قرار دهید.

مرتبط

Was this useful?
On this page

On this page