ပုံရိပ် & မီဒီယာ ပံ့ပိုးမှု — 2025-12-05¶

WhatsApp channel က Baileys Web ကို အသုံးပြုပြီး အလုပ်လုပ်ပါတယ်။ ဤစာရွက်စာတမ်းသည် send, gateway နှင့် agent replies များအတွက် လက်ရှိ media ကိုင်တွယ်မှု စည်းမျဉ်းများကို ဖော်ပြထားပါသည်။

ရည်မှန်းချက်များ¶

• openclaw message send --media ဖြင့် စာတန်း (caption) ရွေးချယ်နိုင်စွာ ထည့်သွင်းပြီး မီဒီယာ ပို့ရန်။
• ဝဘ် inbox မှ အလိုအလျောက် အဖြေများတွင် စာသားနှင့်အတူ မီဒီယာ ပါဝင်ခွင့်ပြုရန်။
• အမျိုးအစားအလိုက် ကန့်သတ်ချက်များကို သင့်တော်ပြီး ခန့်မှန်းနိုင်အောင် ထိန်းထားရန်။

CLI မျက်နှာပြင်¶

• openclaw message send --media <path-or-url> [--message <caption>]
• --media ကို ရွေးချယ်နိုင်သည်; မီဒီယာသာ ပို့သည့်အခါ စာတန်းကို အလွတ်ထားနိုင်သည်။
• --dry-run သည် ဖြေရှင်းပြီးသား payload ကို ပရင့်ထုတ်ပြီး --json သည် { channel, to, messageId, mediaUrl, caption } ကို ထုတ်ပေးသည်။

WhatsApp Web ချန်နယ် အပြုအမူ¶

• Input: local ဖိုင်လမ်းကြောင်း သို့မဟုတ် HTTP(S) URL။
• လုပ်ငန်းစဉ်: Buffer ထဲသို့ တင်ယူပြီး မီဒီယာ အမျိုးအစားကို ခွဲခြားကာ မှန်ကန်သော payload ကို တည်ဆောက်သည် —
• ပုံရိပ်များ: JPEG သို့ ပြန်လည် အရွယ်အစားချိန်ညှိ & ပြန်လည် ဖိသိပ်ခြင်း (အရှည်ဆုံးဘက် 2048px) ဖြင့် agents.defaults.mediaMaxMb (မူလ 5 MB) ကို ဦးတည်ပြီး 6 MB အထိ ကန့်သတ်သည်။
• အသံ/အသံမှတ်တမ်း/ဗီဒီယို: 16 MB အထိ မပြောင်းလဲဘဲ ဖြတ်သန်းပို့သည်; အသံကို voice note အဖြစ် ပို့သည် (ptt: true)။
• စာရွက်စာတမ်းများ: အခြားအရာအားလုံးကို 100 MB အထိ ခွင့်ပြု하며 ရနိုင်ပါက ဖိုင်အမည်ကို ထိန်းသိမ်းထားသည်။
• WhatsApp GIF စတိုင် ပြန်ဖွင့်မှု: မိုဘိုင်း client များတွင် inline loop ဖြစ်စေရန် gifPlayback: true (CLI: --gif-playback) ပါသော MP4 ကို ပို့သည်။
• MIME ခွဲခြားမှုသည် magic bytes ကို ဦးစားပေးပြီး ထို့နောက် header များ၊ ထို့နောက် ဖိုင်အမျိုးအစား အဆုံးသတ်ကို အသုံးပြုသည်။
• Caption ကို --message သို့မဟုတ် reply.text မှ ယူသည်; caption အလွတ်ထားခြင်းကို ခွင့်ပြုသည်။
• Logging: verbose မဟုတ်ပါက ↩️/✅ ကို ပြသပြီး verbose ဖြစ်ပါက အရွယ်အစားနှင့် မူလ လမ်းကြောင်း/URL ကို ထည့်သွင်းပြသသည်။

Auto-Reply ပိုက်လိုင်း¶

• getReplyFromConfig သည် { text?, mediaUrl?, mediaUrls? } ကို ပြန်ပေးပါသည်။
• မီဒီယာ ပါရှိသည့်အခါ ဝဘ် ပို့သူသည် openclaw message send နှင့် တူညီသော ပိုက်လိုင်းကို အသုံးပြု၍ local လမ်းကြောင်းများ သို့မဟုတ် URL များကို ဖြေရှင်းသည်။
• မီဒီယာ အချက်အလက် အများအပြား ပါရှိပါက အစဉ်လိုက် တစ်ခုချင်းစီ ပို့သည်။

အဝင် မီဒီယာမှ Commands (Pi)¶

• အဝင် ဝဘ် မက်ဆေ့ချ်များတွင် မီဒီယာ ပါရှိပါက OpenClaw သည် temp ဖိုင်တစ်ခုသို့ ဒေါင်းလုဒ်လုပ်ပြီး templating variables များကို ဖော်ထုတ်ပေးသည် —
• {{MediaUrl}} သည် အဝင် မီဒီယာအတွက် pseudo-URL ဖြစ်သည်။
• {{MediaPath}} သည် command ကို လည်ပတ်မီ ရေးသားထားသော local temp လမ်းကြောင်း ဖြစ်သည်။
• per-session Docker sandbox ကို ဖွင့်ထားပါက အဝင် မီဒီယာကို sandbox workspace ထဲသို့ ကူးယူပြီး MediaPath/MediaUrl ကို media/inbound/<filename> ကဲ့သို့သော relative လမ်းကြောင်းအဖြစ် ပြန်ရေးသားသည်။
• မီဒီယာ နားလည်မှု ( tools.media.* သို့မဟုတ် မျှဝေထားသော tools.media.models ဖြင့် ပြင်ဆင်ထားပါက) သည် templating မတိုင်မီ လည်ပတ်ပြီး Body ထဲသို့ [Image], [Audio], နှင့် [Video] block များကို ထည့်သွင်းနိုင်သည်။
• အသံအတွက် {{Transcript}} ကို သတ်မှတ်ပြီး slash command များ ဆက်လက် အလုပ်လုပ်နိုင်စေရန် transcript ကို command parsing အတွက် အသုံးပြုသည်။
• ဗီဒီယိုနှင့် ပုံရိပ် ဖော်ပြချက်များသည် command parsing အတွက် caption စာသားကို ထိန်းသိမ်းထားသည်။
• default အနေဖြင့် ကိုက်ညီသည့် ပထမဆုံး image/audio/video attachment ကိုသာ process လုပ်ပါသည်; attachment များစွာကို process လုပ်ရန် tools.media.<cap>.attachments ကို သတ်မှတ်ပါ။

ကန့်သတ်ချက်များ & အမှားများ¶

အပြင်ပို့ ကန့်သတ်ချက်များ (WhatsApp web send)

• ပုံရိပ်များ: ပြန်လည် ဖိသိပ်ပြီးနောက် ~6 MB ကန့်သတ်။
• အသံ/voice/ဗီဒီယို: 16 MB ကန့်သတ်; စာရွက်စာတမ်းများ: 100 MB ကန့်သတ်။
• အရွယ်အစား ကြီးလွန်းခြင်း သို့မဟုတ် ဖတ်မရသော မီဒီယာ → log များတွင် ထင်ရှားသော အမှားပြပြီး အဖြေကို ကျော်သွားသည်။

မီဒီယာ နားလည်မှု ကန့်သတ်ချက်များ (transcription/description)

• ပုံရိပ် မူလ: 10 MB (tools.media.image.maxBytes)။
• အသံ မူလ: 20 MB (tools.media.audio.maxBytes)။
• ဗီဒီယို မူလ: 50 MB (tools.media.video.maxBytes)။
• အရွယ်အစား ကြီးလွန်းသော မီဒီယာများတွင် နားလည်မှုကို ကျော်သွားသော်လည်း မူလ body ဖြင့် အဖြေများကို ဆက်လက် ပို့သည်။

စမ်းသပ်မှုများအတွက် မှတ်ချက်များ¶

• ပုံ/အသံ/စာရွက်စာတမ်း ကိစ္စရပ်များအတွက် send + reply လုပ်ငန်းစဉ်များကို လွှမ်းခြုံစမ်းသပ်ပါ။
• ပုံရိပ်များအတွက် ပြန်လည် ဖိသိပ်မှု (အရွယ်အစား ကန့်သတ်) နှင့် အသံအတွက် voice-note flag ကို အတည်ပြုပါ။
• မီဒီယာ အများအပြား ပါဝင်သည့် အဖြေများကို အစဉ်လိုက် ပို့ကြောင်း သေချာစေပါ။