讓任何媒體可搜尋

🔑 增強重點摘要

• •OpenClaw 的媒體理解節點支援多種提供者整合，包括 OpenAI、Anthropic、Google 用於圖像，OpenAI、Groq、Deepgram 用於音頻，以及 Google Gemini 用於影片。[1]
• •媒體處理使用 CLI 工具如 whisper-cli（基於 whisper-cpp）和 gemini CLI，具備 maxChars、maxBytes 和 timeoutSeconds 等參數限制。[1]
• •OpenClaw 作為工作流程引擎，可自動化媒體產業的資產攝取、轉碼、元數據生成、審批和發布流程。[2]

🛠️ 技術深入

• •媒體理解配置使用 JSON 格式定義 CLI 類型，如 gemini CLI 命令："gemini -m gemini-3-flash --allowed-tools read_file 'Read the media at {{MediaPath}} and describe it in <= {{MaxChars}} characters.'"，支援 capabilities 如 ["video", "image"].[1]
• •記憶系統儲存於 ~/.openclaw/memory/.sqlite，使用向量嵌入和 BM25 混合搜尋，提供語意相關上下文；嵌入模型優先順序為本地 > OpenAI > Gemini。[5]
• •內部架構包含入站訊息解析層，處理多平台媒體附件（圖像、音頻、影片），並標準化為統一格式。[5]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線