Narzędzie PDF

• Natywny tryb dostawcy dla dostawców modeli Anthropic i Google.
• Rezerwowy tryb ekstrakcji dla innych dostawców (najpierw wyodrębnij tekst, potem obrazy stron, gdy są potrzebne).
• Obsługuje pojedyncze (pdf) lub wielokrotne (pdfs) dane wejściowe, maks. 10 plików PDF na wywołanie.

​

Dostępność

1. agents.defaults.pdfModel
2. rezerwowo agents.defaults.imageModel
3. rezerwowo rozwiązany model sesji/domyślny agenta
4. jeśli natywni dostawcy PDF są oparci na uwierzytelnianiu, preferuj ich przed ogólnymi rezerwowymi kandydatami obrazowymi

• Łańcuch rezerwowy uwzględnia uwierzytelnianie. Skonfigurowany provider/model liczy się tylko wtedy, gdy OpenClaw może faktycznie uwierzytelnić tego dostawcę dla agenta.
• Natywni dostawcy PDF to obecnie Anthropic i Google.
• Jeśli rozwiązany dostawca sesji/domyślny ma już skonfigurowany model vision/PDF, narzędzie PDF używa go ponownie przed przejściem do innych dostawców opartych na uwierzytelnianiu.

​

Odniesienie danych wejściowych

• pdf i pdfs są scalane i deduplikowane przed wczytaniem.
• Jeśli nie podano żadnego pliku PDF, narzędzie zwraca błąd.
• pages jest parsowane jako numery stron liczone od 1, deduplikowane, sortowane i ograniczane do skonfigurowanej maksymalnej liczby stron.
• password dotyczy każdego pliku PDF w żądaniu i jest używane tylko przez rezerwowy tryb ekstrakcji.
• maxBytesMb domyślnie przyjmuje agents.defaults.pdfMaxBytesMb albo 10.

​

Obsługiwane odniesienia do plików PDF

• lokalna ścieżka pliku (w tym rozwijanie ~)
• URL file://
• URL http:// i https://
• zarządzane przez OpenClaw przychodzące odwołania, takie jak media://inbound/<id>

• Inne schematy URI (na przykład ftp://) są odrzucane z unsupported_pdf_reference.
• W trybie sandbox zdalne URL-e http(s) są odrzucane.
• Przy włączonej polityce plików ograniczonej do workspace lokalne ścieżki plików poza dozwolonymi katalogami głównymi są odrzucane.
• Zarządzane przychodzące odwołania i odtwarzane ścieżki w magazynie mediów przychodzących OpenClaw są dozwolone przy polityce plików ograniczonej do workspace.

​

Tryby wykonania

​

Natywny tryb dostawcy

• pages nie jest obsługiwane. Jeśli jest ustawione, narzędzie zwraca błąd.
• password nie jest obsługiwane. Użyj nienatywnego modelu, aby analizować zaszyfrowane pliki PDF.
• Obsługiwane są dane wejściowe z wieloma plikami PDF; każdy PDF jest wysyłany jako natywny blok dokumentu / osadzona część PDF przed promptem.

​

Rezerwowy tryb ekstrakcji

1. Wyodrębnij tekst z wybranych stron (do agents.defaults.pdfMaxPages, domyślnie 20).
2. Jeśli długość wyodrębnionego tekstu jest mniejsza niż 200 znaków, wyrenderuj wybrane strony jako obrazy PNG i dołącz je.
3. Wyślij wyodrębnioną treść wraz z promptem do wybranego modelu.

• Ekstrakcja obrazów stron używa budżetu pikseli 4,000,000.
• Zaszyfrowane pliki PDF można otworzyć za pomocą parametru najwyższego poziomu password.
• Jeśli model docelowy nie obsługuje danych wejściowych obrazu i nie ma tekstu możliwego do wyodrębnienia, narzędzie zwraca błąd.
• Jeśli ekstrakcja tekstu powiedzie się, ale ekstrakcja obrazów wymagałaby vision w modelu obsługującym tylko tekst, OpenClaw porzuca wyrenderowane obrazy i kontynuuje z wyodrębnionym tekstem.
• Rezerwowa ekstrakcja używa dołączonego Pluginu document-extract. Plugin jest właścicielem clawpdf, który zapewnia ekstrakcję tekstu i renderowanie obrazów przez PDFium WebAssembly.

​

Konfiguracja

{
  agents: {
    defaults: {
      pdfModel: {
        primary: "anthropic/claude-opus-4-6",
        fallbacks: ["openai/gpt-5.4-mini"],
      },
      pdfMaxBytesMb: 10,
      pdfMaxPages: 20,
    },
  },
}

​

Szczegóły wyjścia

• model: rozwiązane odniesienie modelu (provider/model)
• native: true dla natywnego trybu dostawcy, false dla trybu rezerwowego
• attempts: próby rezerwowe, które nie powiodły się przed sukcesem

• pojedynczy plik PDF na wejściu: details.pdf
• wiele plików PDF na wejściu: details.pdfs[] z wpisami pdf
• metadane przepisywania ścieżek sandbox (gdy ma zastosowanie): rewrittenFrom

​

Zachowanie błędów

• Brak pliku PDF na wejściu: zgłasza pdf required: provide a path or URL to a PDF document
• Zbyt wiele plików PDF: zwraca uporządkowany błąd w details.error = "too_many_pdfs"
• Nieobsługiwany schemat odniesienia: zwraca details.error = "unsupported_pdf_reference"
• Tryb natywny z pages: zgłasza jasny błąd pages is not supported with native PDF providers

​

Przykłady

{
  "pdf": "/tmp/report.pdf",
  "prompt": "Summarize this report in 5 bullets"
}

{
  "pdfs": ["/tmp/q1.pdf", "/tmp/q2.pdf"],
  "prompt": "Compare risks and timeline changes across both documents"
}

{
  "pdf": "https://example.com/report.pdf",
  "pages": "1-3,7",
  "model": "openai/gpt-5.4-mini",
  "prompt": "Extract only customer-impacting incidents"
}

{
  "pdf": "/tmp/locked.pdf",
  "password": "example-password",
  "model": "openai/gpt-5.4-mini",
  "prompt": "Summarize this contract"
}

​

Powiązane

• Przegląd narzędzi - wszystkie dostępne narzędzia agenta
• Odniesienie konfiguracji - konfiguracja pdfMaxBytesMb i pdfMaxPages