媒体处理

OpenClaw 的媒体处理管道负责图片、音频、视频和文档的接收、转换和发送。不同通道有不同的媒体限制，管道在中间做统一适配。

源码位置

src/media/
├── store.ts             # 媒体存储和检索
├── fetch.ts             # URL 媒体下载
├── image-ops.ts         # 图片操作 (resize, convert)
├── mime.ts              # MIME 类型检测
├── parse.ts             # 媒体元数据解析
├── png-encode.ts        # PNG 编码
├── input-files.ts       # 文件输入处理
├── constants.ts         # 媒体常量和限制
└── *.test.ts            # 测试

src/media-understanding/   # AI 媒体理解
├── image-understanding.ts
├── video-understanding.ts
└── ...

媒体处理流程

图片操作

Source: src/media/image-ops.ts

基于 sharp 库进行图片处理：

// Image operations (simplified)
// - Resize to fit channel constraints
// - Convert between formats (JPEG, PNG, WebP)
// - Extract metadata (dimensions, format)
// - Apply size caps

各通道图片限制

通道	最大尺寸	支持格式
Telegram	10MB (图片), 50MB (文件)	JPEG, PNG, WebP, GIF
Discord	25MB (普通), 100MB (Nitro)	主流格式
WhatsApp	16MB	JPEG, PNG
Slack	取决于 plan	主流格式

MIME 检测

Source: src/media/mime.ts

// MIME detection
// - File extension mapping
// - Magic byte detection
// - Content-Type header parsing
// - Fallback to application/octet-stream

媒体理解

Source: src/media-understanding/

媒体理解模块让 AI Agent 能"看到"和"听到"媒体内容：

能力	说明
图片理解	使用视觉模型分析图片内容
视频理解	提取关键帧 + 视觉分析
音频转录	Whisper 集成，语音转文字

临时文件管理

媒体文件存储在临时目录中，有生命周期管理：

// Temporary file lifecycle
// - Created during processing
// - TTL-based cleanup
// - Channel-specific size caps

小结

• 基于 sharp 的图片处理（resize、format conversion）
• MIME 检测 支持扩展名、magic byte 和 Content-Type
• 媒体理解 让 AI 能分析图片、视频和音频内容
• 各通道有不同的 尺寸和格式限制
• 临时文件有 TTL 生命周期管理

下一章：安全模型