PDF 工具

pdf 分析一个或多个 PDF 文档并返回文本。它在 Anthropic 和 Google 模型上使用原生文档输入，对其他所有提供商则回退到文本/图像提取。

可用性

仅当 OpenClaw 能为智能体解析到支持 PDF 的模型时，才会注册该工具。解析顺序如下：

1. agents.defaults.pdfModel（显式指定的主模型/回退模型）
2. agents.defaults.imageModel（显式指定的主模型/回退模型）
3. 智能体解析出的会话/默认模型，前提是其提供商支持原生 PDF 输入（Anthropic、Google），或已配置视觉模型
4. 自动检测具有可用身份验证的图像/视觉模型提供商，并优先选择原生支持 PDF 的提供商

使用每个回退候选模型前都会检查身份验证，因此已配置的 provider/model 只有在 OpenClaw 能为该智能体通过对应提供商的身份验证时才算有效。如果无法解析到可用模型，则不会公开 pdf 工具。

输入参考

一个 PDF 路径或 URL。

多个 PDF 路径或 URL，总计最多 10 个。

分析提示词。

页面筛选条件，例如 1-5 或 1,3,7-9。原生提供商模式不支持此参数。

加密 PDF 的密码。应用于请求中的每个 PDF；仅供提取回退模式使用。

可选的模型覆盖，格式为 provider/model。

每个 PDF 的大小上限，以 MB 为单位。默认为 agents.defaults.pdfMaxMb；若未设置，则为 10。

注意：

• 加载前会合并 pdf 和 pdfs 并去重；至少需要提供其中一个。
• pages 会解析为从 1 开始的页码，经过去重、排序，并限制在 agents.defaults.pdfMaxPages（默认值为 20）以内。如果某个范围没有匹配任何有效页码，则会在调用模型前报错。

支持的 PDF 引用

• 本地文件路径（包括 ~ 展开）
• file:// URL
• http:// 和 https:// URL
• OpenClaw 管理的入站引用，例如 media://inbound/<id>

其他 URI 方案（例如 ftp://）会返回 details.error = "unsupported_pdf_reference"。工具在沙箱隔离环境中运行时，会拒绝远程 http(s) URL。启用仅限工作区的文件策略后，允许根目录之外的本地路径会被拒绝；OpenClaw 入站媒体存储区下由系统管理的入站引用和重放路径仍然允许使用。

执行模式

原生提供商模式

用于提供商 anthropic 和 google（目前仅这两个提供商声明支持原生 PDF 文档）。每个文件的原始 PDF 字节会作为原生文档/内联 PDF 部分直接发送到提供商 API。

限制：

• 不支持 pages；如果设置此参数，工具会抛出 pages is not supported with native PDF providers。
• 不支持 password；如果设置此参数，工具会抛出 password is not supported with native PDF providers。对于加密 PDF，请使用非原生模型。

提取回退模式

用于其他所有提供商。

1. 通过内置的 document-extract 插件，从选定页面（最多 agents.defaults.pdfMaxPages 页，默认 20 页）中提取文本。该插件使用 clawpdf 软件包（PDFium WebAssembly）提取文本和图像。
2. 如果提取的文本少于 200 个字符，则将相同页面渲染为 PNG 图像。总渲染预算为 4,000,000 像素，由所有需要图像的页面共享（按比例分配给剩余页面，而不是每页单独分配），因此已提取到足够文本的页面会完全跳过渲染。
3. 将提取的文本（以及所有已渲染图像）与提示词一并发送给选定模型。

详细信息：

• 加密 PDF 使用顶层 password 参数打开。
• 如果模型不支持图像输入，且无法提取任何文本，工具会报错。
• 如果图像渲染失败，OpenClaw 会丢弃图像并继续使用提取的文本。
• 如果目标模型仅支持文本输入，而提取过程生成了图像，OpenClaw 会丢弃图像并仅发送文本。

配置

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

有关字段的完整详细信息，请参阅配置参考。

输出详细信息

该工具在 content[0].text 中返回文本，并在 details 中返回结构化元数据。

常见的 details 字段：

• model：解析出的模型引用（provider/model）
• native：原生提供商模式为 true，回退模式为 false
• attempts：成功前失败的回退尝试

路径字段：

• 单个 PDF 输入：details.pdf
• 多个 PDF 输入：details.pdfs[]，包含 pdf 条目
• 沙箱路径重写元数据（如适用）：rewrittenFrom

错误行为

示例

单个 PDF：

{
  "pdf": "/tmp/report.pdf",
  "prompt": "用 5 个要点总结此报告"
}

多个 PDF：

{
  "pdfs": ["/tmp/q1.pdf", "/tmp/q2.pdf"],
  "prompt": "比较两份文档中的风险和时间线变化"
}

带页面筛选条件的回退模型：

{
  "pdf": "https://example.com/report.pdf",
  "pages": "1-3,7",
  "model": "openai/gpt-5.4-mini",
  "prompt": "仅提取影响客户的事件"
}

使用提取回退模式处理加密 PDF：

{
  "pdf": "/tmp/locked.pdf",
  "password": "example-password",
  "model": "openai/gpt-5.4-mini",
  "prompt": "总结此合同"
}

相关内容

• 工具概览 - 所有可用的智能体工具
• 配置参考 - pdfMaxBytesMb 和 pdfMaxPages 配置