配置

所有设置通过环境变量或 ~/.openclaw/openclaw.json 控制。

环境变量

变量	默认值	描述
VIDEO_VISION_API_KEY	必填	视觉模型 API 密钥
VIDEO_VISION_API_URL	https://api.openai.com/v1/chat/completions	任何 OpenAI 兼容的视觉端点
VIDEO_VISION_MODEL	gpt-4o	使用的视觉模型
VIDEO_VISION_MODE	auto	提取模式：auto / ytdlp / browser（参见提取模式）
VIDEO_VISION_PROXY	—	默认代理 URL（HTTP/HTTPS/SOCKS5）
VIDEO_VISION_FRAME_INTERVAL	5	提取帧之间的间隔秒数
VIDEO_VISION_MAX_FRAMES	20	每个视频的最大帧数
VIDEO_VISION_COOKIES_DIR	—	Cookie 文件目录（参见 Cookie）
VIDEO_VISION_LOW_RESOURCE	false	跳过资源检查，禁用转录
VIDEO_VISION_TRANSCRIPTION	auto	转录模式：auto / on / off（auto = 非低资源时开启）
VIDEO_VISION_WHISPER_PATH	whisper-cli	whisper-cli 二进制文件路径
VIDEO_VISION_WHISPER_MODEL_PATH	（自动检测）	ggml 模型文件的完整路径
VIDEO_VISION_WHISPER_MODEL	medium	模型名称：tiny/base/small/medium/large-v3
VIDEO_VISION_WHISPER_THREADS	0（自动）	whisper 使用的 CPU 线程数（0 = 核数/2）
VIDEO_VISION_WHISPER_LANGUAGE	auto	音频语言提示
VIDEO_VISION_BROWSER	local	浏览器后端：local / browserless / browserbase / steel
VIDEO_VISION_BROWSERLESS_TOKEN	—	Browserless API 令牌
VIDEO_VISION_BROWSERBASE_API_KEY	—	Browserbase API 密钥
VIDEO_VISION_BROWSERBASE_PROJECT_ID	—	Browserbase 项目 ID
VIDEO_VISION_STEEL_API_KEY	—	Steel API 密钥

OpenClaw JSON 配置

{
  "skills": {
    "entries": [
      {
        "name": "video-vision",
        "env": {
          "VIDEO_VISION_API_KEY": "sk-...",
          "VIDEO_VISION_MODEL": "gpt-4o",
          "VIDEO_VISION_MODE": "ytdlp",
          "VIDEO_VISION_PROXY": "http://127.0.0.1:7890",
          "VIDEO_VISION_FRAME_INTERVAL": "5",
          "VIDEO_VISION_MAX_FRAMES": "20",
          "VIDEO_VISION_COOKIES_DIR": "~/.openclaw/cookies"
        }
      }
    ]
  }
}

代理

支持 HTTP、HTTPS 和 SOCKS5 代理。代理用于：

• yt-dlp 视频元数据获取和下载
• 浏览器网络流量（阶段 2）

export VIDEO_VISION_PROXY="http://127.0.0.1:7890"
# 或
export VIDEO_VISION_PROXY="socks5://127.0.0.1:1080"

通过 CLI 参数设置单次请求的代理：

node src/index.js https://youtube.com/watch?v=xxx --proxy=http://127.0.0.1:7890

视觉 API 端点

任何 OpenAI 兼容的 /v1/chat/completions 端点均可使用：

# OpenAI（默认）
export VIDEO_VISION_API_URL="https://api.openai.com/v1/chat/completions"
export VIDEO_VISION_MODEL="gpt-4o"

# Anthropic（通过兼容代理）
export VIDEO_VISION_API_URL="https://your-proxy/v1/chat/completions"
export VIDEO_VISION_MODEL="claude-sonnet-4-20250514"

# 本地模型
export VIDEO_VISION_API_URL="http://localhost:11434/v1/chat/completions"
export VIDEO_VISION_MODEL="llava"