تصویر اور میڈیا سپورٹ — 2025-12-05¶

WhatsApp چینل Baileys Web کے ذریعے چلتا ہے۔ یہ دستاویز بھیجنے، گیٹ وے، اور ایجنٹ کے جوابات کے لیے موجودہ میڈیا ہینڈلنگ قواعد کو بیان کرتی ہے۔

مقاصد¶

• openclaw message send --media کے ذریعے اختیاری کیپشن کے ساتھ میڈیا بھیجیں۔
• ویب اِن باکس سے خودکار جوابات میں متن کے ساتھ میڈیا شامل کرنے کی اجازت دیں۔
• ہر قسم کی حدیں معقول اور قابلِ پیش گوئی رکھیں۔

CLI سطح¶

• openclaw message send --media <path-or-url> [--message <caption>]
• --media اختیاری؛ صرف میڈیا بھیجنے کے لیے کیپشن خالی ہو سکتا ہے۔
• --dry-run حل شدہ پے لوڈ پرنٹ کرتا ہے؛ --json { channel, to, messageId, mediaUrl, caption } خارج کرتا ہے۔

WhatsApp Web چینل کا رویہ¶

• اِن پٹ: لوکل فائل پاتھ یا HTTP(S) URL۔
• بہاؤ: بفر میں لوڈ کریں، میڈیا کی قسم معلوم کریں، اور درست پے لوڈ تیار کریں:
• Images: JPEG میں سائز کم کریں اور دوبارہ کمپریس کریں (زیادہ سے زیادہ سائیڈ 2048px) ہدف agents.defaults.mediaMaxMb (بطورِ طے شدہ 5 MB)، حد 6 MB۔
• Audio/Voice/Video: 16 MB تک پاس تھرو؛ آڈیو کو وائس نوٹ کے طور پر بھیجا جاتا ہے (ptt: true)۔
• Documents: دیگر سب کچھ، 100 MB تک، جہاں ممکن ہو فائل نام برقرار رکھا جاتا ہے۔
• WhatsApp GIF طرز کی پلے بیک: MP4 کو gifPlayback: true (CLI: --gif-playback) کے ساتھ بھیجیں تاکہ موبائل کلائنٹس اِن لائن لوپ کریں۔
• MIME شناخت میں ترجیح: میجک بائٹس، پھر ہیڈرز، پھر فائل ایکسٹینشن۔
• کیپشن --message یا reply.text سے آتا ہے؛ خالی کیپشن کی اجازت ہے۔
• لاگنگ: غیر تفصیلی میں ↩️/✅ دکھائے جاتے ہیں؛ تفصیلی میں سائز اور ماخذ پاتھ/URL شامل ہوتا ہے۔

خودکار جواب پائپ لائن¶

• getReplyFromConfig { text?, mediaUrl?, mediaUrls? } واپس کرتا ہے۔
• جب میڈیا موجود ہو، ویب سینڈر لوکل پاتھ یا URLs کو openclaw message send کی طرح اسی پائپ لائن سے حل کرتا ہے۔
• اگر متعدد میڈیا اندراجات فراہم ہوں تو انہیں ترتیب وار بھیجا جاتا ہے۔

آنے والا میڈیا برائے کمانڈز (Pi)¶

• جب اِن باؤنڈ ویب پیغامات میں میڈیا شامل ہو، OpenClaw اسے عارضی فائل میں ڈاؤن لوڈ کرتا ہے اور ٹیمپلیٹنگ متغیرات فراہم کرتا ہے:
• {{MediaUrl}} اِن باؤنڈ میڈیا کے لیے فرضی URL۔
• {{MediaPath}} کمانڈ چلانے سے پہلے لکھا گیا لوکل عارضی پاتھ۔
• جب فی سیشن Docker sandbox فعال ہو، اِن باؤنڈ میڈیا کو sandbox ورک اسپیس میں کاپی کیا جاتا ہے اور MediaPath/MediaUrl کو media/inbound/<filename> جیسے نسبتی پاتھ میں دوبارہ لکھا جاتا ہے۔
• میڈیا فہم (اگر tools.media.* یا مشترکہ tools.media.models کے ذریعے کنفیگر کیا گیا ہو) ٹیمپلیٹنگ سے پہلے چلتا ہے اور [Image]، [Audio]، اور [Video] بلاکس کو Body میں داخل کر سکتا ہے۔
• آڈیو {{Transcript}} سیٹ کرتا ہے اور کمانڈ پارسنگ کے لیے ٹرانسکرپٹ استعمال کرتا ہے تاکہ سلیش کمانڈز کام کرتی رہیں۔
• ویڈیو اور تصویر کی وضاحتیں کمانڈ پارسنگ کے لیے کسی بھی کیپشن متن کو برقرار رکھتی ہیں۔
• بطورِ ڈیفالٹ صرف پہلی مطابقت رکھنے والی تصویر/آڈیو/ویڈیو اٹیچمنٹ پراسیس کی جاتی ہے؛ متعدد اٹیچمنٹس کو پراسیس کرنے کے لیے tools.media.<cap>.attachments سیٹ کریں۔

حدود اور خرابیاں¶

آؤٹ باؤنڈ ارسال کی حدیں (WhatsApp ویب ارسال)

• تصاویر: دوبارہ کمپریشن کے بعد تقریباً 6 MB کی حد۔
• آڈیو/وائس/ویڈیو: 16 MB کی حد؛ دستاویزات: 100 MB کی حد۔
• حد سے بڑی یا ناقابلِ مطالعہ میڈیا → لاگز میں واضح خرابی، اور جواب چھوڑ دیا جاتا ہے۔

میڈیا فہم کی حدیں (ٹرانسکرپشن/تفصیل)

• تصویر بطورِ طے شدہ: 10 MB (tools.media.image.maxBytes)۔
• آڈیو بطورِ طے شدہ: 20 MB (tools.media.audio.maxBytes)۔
• ویڈیو بطورِ طے شدہ: 50 MB (tools.media.video.maxBytes)۔
• حد سے بڑی میڈیا فہم کو چھوڑ دیتی ہے، مگر اصل باڈی کے ساتھ جوابات پھر بھی بھیجے جاتے ہیں۔

ٹیسٹس کے لیے نوٹس¶

• تصویر/آڈیو/دستاویز کیسز کے لیے ارسال + جواب کے بہاؤ کو کور کریں۔
• تصاویر کے لیے دوبارہ کمپریشن (سائز کی حد) اور آڈیو کے لیے وائس نوٹ فلیگ کی توثیق کریں۔
• یقینی بنائیں کہ کثیر میڈیا جوابات ترتیب وار ارسال کے طور پر پھیلیں۔