OpenClaw live 测试（network-touching）用于验证模型矩阵、CLI 后端、ACP 绑定和媒体提供者是否正常工作。关键前提：必须在环境中导出所需 API 密钥；运行 pnpm test:live 前设置 OPENCLAW_LIVE_TEST=1；默认仅运行现代模型白名单，可通过环境变量覆盖。如果测试报 "no creds"，先用 openclaw models list 确认 CLI 能否发现凭证。

OpenClaw live 测试模型矩阵与排查指南

对于快速启动、QA 运行器、单元/集成套件和 Docker 流程，请先阅读 Testing。本页覆盖 live（网络连通型）测试套件：模型矩阵、CLI 后端、ACP 和媒体提供者的 live 测试，以及凭证处理。

本地快速测试命令

在临时 live 检查前，先在进程环境中导出需要的 provider 密钥。

安全媒体测试：

bash

pnpm openclaw infer tts convert --local --json \
  --text "OpenClaw live smoke." \
  --output /tmp/openclaw-live-smoke.mp3

安全语音呼叫准备就绪测试：

bash

pnpm openclaw voicecall setup --json
pnpm openclaw voicecall smoke --to "+15555550123"

voicecall smoke 是空跑（dry run），除非加上 --yes。仅在你确实想发出真实通知呼叫时使用 --yes。对于 Twilio、Telnyx 和 Plivo，成功就绪检查需要公共 webhook URL；仅本地 loopback/私有回退会被拒绝。

Android 节点能力全扫描

测试文件：src/gateway/android-node.capabilities.live.test.ts
脚本：pnpm android:test:integration
目标：调用已连接 Android 节点所声明的 每个命令，并断言命令契约行为。
范围：
- 需要前置/手动设置（测试套件不会安装/运行/配对应用）。
- 对选定的 Android 节点逐命令验证网关 node.invoke。
必需的前置设置：
- Android 应用已连接并配对到网关。
- 应用保持在前台。
- 已授予期望通过的 capability 所需的权限/捕获同意。
可选目标覆盖：
- OPENCLAW_ANDROID_NODE_ID 或 OPENCLAW_ANDROID_NODE_NAME
- OPENCLAW_ANDROID_GATEWAY_URL / OPENCLAW_ANDROID_GATEWAY_TOKEN / OPENCLAW_ANDROID_GATEWAY_PASSWORD
完整 Android 设置： Android 应用

模型烟雾测试（profile keys）

Live 测试分为两层，以便隔离失败：

"直接模型"告诉我们该 provider/model 在给定密钥下能否正常响应。
"网关烟雾"告诉我们该模型的完整网关+智能体流水线（会话、历史、工具、沙箱策略等）是否工作。

第一层：直接模型补全（无网关）

测试文件：src/agents/models.profiles.live.test.ts
目标：
- 枚举发现的模型
- 使用 getApiKeyForModel 选择你有凭证的模型
- 对每个模型运行一个小型补全（必要时包括定向回归）
启用方法：
- pnpm test:live（或直接调用 Vitest 时设置 OPENCLAW_LIVE_TEST=1）
设置 OPENCLAW_LIVE_MODELS=modern（或 all，modern 的别名）来实际运行此套件；否则它会跳过，以使 pnpm test:live 专注于网关烟雾
如何选择模型：
- OPENCLAW_LIVE_MODELS=modern 运行现代白名单（Opus/Sonnet 4.6+、GPT-5.2 + Codex、Gemini 3、DeepSeek V4、GLM 4.7、MiniMax M2.7、Grok 4.3）
- OPENCLAW_LIVE_MODELS=all 是 modern 白名单的别名
- 或 OPENCLAW_LIVE_MODELS="openai/gpt-5.5,openai-codex/gpt-5.5,anthropic/claude-opus-4-6,..."（逗号分隔白名单）
- modern/all 扫描默认使用精选的高信号上限；设置 OPENCLAW_LIVE_MAX_MODELS=0 进行穷举现代扫描，或设置正数来限制数量
- 穷举扫描使用 OPENCLAW_LIVE_TEST_TIMEOUT_MS 作为整个直接模型测试的超时。默认值：60 分钟
- 直接模型探测默认以 20 路并行度运行；设置 OPENCLAW_LIVE_MODEL_CONCURRENCY 覆盖
如何选择 provider：
- OPENCLAW_LIVE_PROVIDERS="google,google-antigravity,google-gemini-cli"（逗号分隔白名单）
密钥来源：
- 默认：profile store（智能体认证配置文件）和环境变量回退
- 设置 OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 强制仅使用 profile store
为何存在这一层：
- 将 "provider API 坏了 / 密钥无效" 与 "网关智能体流水线坏了" 分离
- 包含小而隔离的回归（例如 OpenAI Responses/Codex Responses 的推理重放 + 工具调用流程）

第二层：网关 + 开发智能体烟雾（实际 `@openclaw` 做的事）

测试文件：src/gateway/gateway-models.profiles.live.test.ts
目标：
- 启动进程内网关
- 创建/修补一个 agent:dev:* 会话（每次运行可覆盖模型）
- 遍历有密钥的模型并断言：
  - "有意义"的响应（无工具）
  - 真实的工具调用工作（read 探针）
  - 可选的额外工具探针（exec+read 探针）
  - OpenAI 回归路径（仅工具调用 → 后续轮次）持续工作
探针细节（便于快速解释失败）：
- read 探针：测试在工作区写入一个 nonce 文件，要求智能体 read 它并回显 nonce。
- exec+read 探针：测试要求智能体 exec 将 nonce 写入临时文件，然后 read 回来。
- 图像探针：测试附加一个生成的 PNG（猫 + 随机代码），期望模型返回 cat <CODE>。
- 实现参考：src/gateway/gateway-models.profiles.live.test.ts 和 test/helpers/live-image-probe.ts。
启用方法：
- pnpm test:live（或 OPENCLAW_LIVE_TEST=1）
如何选择模型：
- 默认：现代白名单（Opus/Sonnet 4.6+、GPT-5.2 + Codex、Gemini 3、DeepSeek V4、GLM 4.7、MiniMax M2.7、Grok 4.3）
- OPENCLAW_LIVE_GATEWAY_MODELS=all 是现代白名单的别名
- 或设置 OPENCLAW_LIVE_GATEWAY_MODELS="provider/model"（或逗号列表）来缩小范围
- 现代/all 网关扫描默认使用精选的高信号上限；设置 OPENCLAW_LIVE_GATEWAY_MAX_MODELS=0 进行穷举扫描，或设置正数限制数量
如何选择 provider（避免 "OpenRouter 包含一切"）：
- OPENCLAW_LIVE_GATEWAY_PROVIDERS="google,google-antigravity,google-gemini-cli,openai,anthropic,zai,minimax"（逗号分隔白名单）
此 live 测试始终启用工具 + 图像探针：
- read 探针 + exec+read 探针（工具压力测试）
- 当模型声明支持图像输入时运行图像探针
- 流程（高层）：
  - 测试生成一个包含 "CAT" + 随机代码的小 PNG（test/helpers/live-image-probe.ts）
  - 通过 agent 的 attachments: [{ mimeType: "image/png", content: "<base64>" }] 发送
  - 网关将附件解析为 images[]（src/gateway/server-methods/agent.ts + src/gateway/chat-attachments.ts）
  - 嵌入的智能体将多模态用户消息转发给模型
  - 断言：回复包含 cat + 代码（OCR 容错：允许轻微错误）

TIP

要查看你机器上能测试什么（以及确切的 provider/model ID），运行：

bash

openclaw models list
openclaw models list --json

CLI 后端烟雾测试（Claude、Gemini 或其他本地 CLI）

测试文件：src/gateway/gateway-cli-backend.live.test.ts
目标：使用本地 CLI 后端验证网关+智能体流水线，不触及默认配置。
后端特定烟雾默认值位于所属扩展的 cli-backend.ts 定义中。
启用：
- pnpm test:live（或 OPENCLAW_LIVE_TEST=1）
- OPENCLAW_LIVE_CLI_BACKEND=1
默认值：
- 默认 provider/model：claude-cli/claude-sonnet-4-6
- 命令/参数/图像行为来自所属 CLI 后端插件的元数据。
覆盖项（可选）：
- OPENCLAW_LIVE_CLI_BACKEND_MODEL="claude-cli/claude-sonnet-4-6"
- OPENCLAW_LIVE_CLI_BACKEND_COMMAND="/full/path/to/claude"
- OPENCLAW_LIVE_CLI_BACKEND_ARGS='["-p","--output-format","json"]'
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_PROBE=1 发送真实图像附件（路径注入到提示中）。Docker 配方默认关闭，除非显式请求。
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_ARG="--image" 将图像文件路径作为 CLI 参数传递，而非提示注入。
- OPENCLAW_LIVE_CLI_BACKEND_IMAGE_MODE="repeat"（或 "list"）控制当设置了 IMAGE_ARG 时图像参数的传递方式。
- OPENCLAW_LIVE_CLI_BACKEND_RESUME_PROBE=1 发送第二轮并验证恢复流程。
- OPENCLAW_LIVE_CLI_BACKEND_MODEL_SWITCH_PROBE=1 选择 Claude Sonnet → Opus 同一会话连续性探针（当所选模型支持切换目标时）。Docker 配方默认关闭以保持聚合可靠性。
- OPENCLAW_LIVE_CLI_BACKEND_MCP_PROBE=1 选择 MCP/工具回环探针。Docker 配方默认关闭，除非显式请求。

示例：

bash

  OPENCLAW_LIVE_CLI_BACKEND=1 \
  OPENCLAW_LIVE_CLI_BACKEND_MODEL="claude-cli/claude-sonnet-4-6" \
  pnpm test:live src/gateway/gateway-cli-backend.live.test.ts

便宜的 Gemini MCP 配置烟雾：

bash

OPENCLAW_LIVE_TEST=1 \
  pnpm test:live src/agents/cli-runner/bundle-mcp.gemini.live.test.ts

这个测试不会让 Gemini 生成响应。它会写入 OpenClaw 给 Gemini 的相同系统设置，然后运行 gemini --debug mcp list 来证明保存的 transport: "streamable-http" 服务器被标准化为 Gemini 的 HTTP MCP 形状，并且可以连接到本地 streamable-HTTP MCP 服务器。

Docker 配方：

bash

pnpm test:docker:live-cli-backend

单 provider Docker 配方：

bash

pnpm test:docker:live-cli-backend:claude
pnpm test:docker:live-cli-backend:claude-subscription
pnpm test:docker:live-cli-backend:gemini

备注：

Docker 运行器位于 scripts/test-live-cli-backend-docker.sh。
它在仓库 Docker 镜像中以非 root 用户 node 运行 live CLI 后端烟雾。
它从所属扩展解析 CLI 烟雾元数据，然后将匹配的 Linux CLI 包（@anthropic-ai/claude-code 或 @google/gemini-cli）安装到可写缓存前缀 OPENCLAW_DOCKER_CLI_TOOLS_DIR（默认：~/.cache/openclaw/docker-cli-tools）。
pnpm test:docker:live-cli-backend:claude-subscription 需要便携式 Claude Code 订阅 OAuth，通过 ~/.claude/.credentials.json 中的 claudeAiOauth.subscriptionType 或来自 claude setup-token 的 CLAUDE_CODE_OAUTH_TOKEN。它首先在 Docker 中证明直接的 claude -p，然后运行两轮网关 CLI 后端，不保留 Anthropic API 密钥环境变量。这个订阅通道默认禁用 Claude MCP/工具和图像探针，因为 Claude 目前将第三方应用使用路由到额外使用计费，而不是正常订阅计划限制。
live CLI 后端烟雾现在对 Claude 和 Gemini 执行相同的端到端流程：文本轮、图像分类轮，然后是通过网关 CLI 验证的 MCP cron 工具调用。
Claude 的默认烟雾还会将会话从 Sonnet 切换到 Opus，并验证恢复后的会话是否仍记得之前的笔记。

APNs HTTP/2 代理可达性

测试文件：src/infra/push-apns-http2.live.test.ts
目标：通过本地 HTTP CONNECT 代理隧道连接到 Apple 的沙箱 APNs 端点，发送 APNs HTTP/2 验证请求，并断言 Apple 的真实 403 InvalidProviderToken 响应通过代理路径返回。
启用：
- OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_APNS_REACHABILITY=1 pnpm test:live src/infra/push-apns-http2.live.test.ts
可选超时：
- OPENCLAW_LIVE_APNS_TIMEOUT_MS=30000

ACP 绑定烟雾测试（`/acp spawn ... --bind here`）

测试文件：src/gateway/gateway-acp-bind.live.test.ts
目标：使用真实的 ACP 智能体验证 ACP 对话绑定流程：
- 发送 /acp spawn <agent> --bind here
- 在原地绑定一个合成消息通道对话
- 在同一对话上发送正常后续消息
- 验证后续消息出现在绑定的 ACP 会话转录中
启用：
- pnpm test:live src/gateway/gateway-acp-bind.live.test.ts
- OPENCLAW_LIVE_ACP_BIND=1
默认值：
- Docker 中的 ACP 智能体：claude,codex,gemini
- 直接 pnpm test:live ... 的 ACP 智能体：claude
- 合成通道：Slack DM 风格的对话上下文
- ACP 后端：acpx
覆盖项：
- OPENCLAW_LIVE_ACP_BIND_AGENT=claude
- OPENCLAW_LIVE_ACP_BIND_AGENT=codex
- OPENCLAW_LIVE_ACP_BIND_AGENT=droid
- OPENCLAW_LIVE_ACP_BIND_AGENT=gemini
- OPENCLAW_LIVE_ACP_BIND_AGENT=opencode
- OPENCLAW_LIVE_ACP_BIND_AGENTS=claude,codex,gemini
- OPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND='npx -y @agentclientprotocol/claude-agent-acp@<version>'
- OPENCLAW_LIVE_ACP_BIND_CODEX_MODEL=gpt-5.5
- OPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL=opencode/kimi-k2.6
- OPENCLAW_LIVE_ACP_BIND_REQUIRE_TRANSCRIPT=1
- OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1
- OPENCLAW_LIVE_ACP_BIND_PARENT_MODEL=openai/gpt-5.5
备注：
- 此通道使用网关 chat.send 接口，并附加仅管理员可用的合成来源路由字段，以便测试可以附加消息通道上下文而不假装往外部投递。
- 当 OPENCLAW_LIVE_ACP_BIND_AGENT_COMMAND 未设置时，测试使用嵌入的 acpx 插件的内置智能体注册表来选取选定的 ACP harness 智能体。
- 绑定会话的 cron MCP 创建默认是尽力而为的，因为外部 ACP harness 可能在绑定/图像证明通过后取消 MCP 调用；设置 OPENCLAW_LIVE_ACP_BIND_REQUIRE_CRON=1 使该绑后 cron 探针变为严格。

示例：

bash

OPENCLAW_LIVE_ACP_BIND=1 \
  OPENCLAW_LIVE_ACP_BIND_AGENT=claude \
  pnpm test:live src/gateway/gateway-acp-bind.live.test.ts

Docker 配方：

bash

pnpm test:docker:live-acp-bind

单智能体 Docker 配方：

bash

pnpm test:docker:live-acp-bind:claude
pnpm test:docker:live-acp-bind:codex
pnpm test:docker:live-acp-bind:droid
pnpm test:docker:live-acp-bind:gemini
pnpm test:docker:live-acp-bind:opencode

Docker 备注：

Docker 运行器位于 scripts/test-live-acp-bind-docker.sh。
默认情况下，它按顺序针对聚合的 live CLI 智能体运行 ACP 绑定烟雾：claude、codex、然后 gemini。
使用 OPENCLAW_LIVE_ACP_BIND_AGENTS=claude、OPENCLAW_LIVE_ACP_BIND_AGENTS=codex、OPENCLAW_LIVE_ACP_BIND_AGENTS=droid、OPENCLAW_LIVE_ACP_BIND_AGENTS=gemini 或 OPENCLAW_LIVE_ACP_BIND_AGENTS=opencode 来缩小矩阵。
它将匹配的 CLI 认证材料放入容器，然后安装请求的 live CLI（如果缺少的话）：@anthropic-ai/claude-code、@openai/codex、Factory Droid（通过 https://app.factory.ai/cli）、@google/gemini-cli 或 opencode-ai。ACP 后端本身是来自官方 acpx 插件的嵌入 acpx/runtime 包。
Droid Docker 变体准备 ~/.factory 用于设置，传递 FACTORY_API_KEY，并且需要该 API 密钥，因为本地 Factory OAuth/密钥链认证无法移植到容器中。它使用 ACPX 内置的 droid exec --output-format acp 注册表条目。
OpenCode Docker 变体是一个严格的单智能体回归通道。它从 OPENCLAW_LIVE_ACP_BIND_OPENCODE_MODEL（默认 opencode/kimi-k2.6）写入临时 OPENCODE_CONFIG_CONTENT 默认模型，并且 pnpm test:docker:live-acp-bind:opencode 需要绑定的助手转录，而不是接受通用的绑后跳过。
直接的 acpx CLI 调用仅是手动/备用路径，用于在网关外部比较行为。Docker ACP 绑定烟雾实际使用 OpenClaw 嵌入的 acpx 运行时后端。

Codex 应用服务器 harness 烟雾测试

目标：通过正常的网关 agent 方法验证插件拥有的 Codex harness：
- 加载捆绑的 codex 插件
- 选择 openai/gpt-5.5，默认情况下该模型通过 Codex 路由 OpenAI 智能体轮次
- 向 openai/gpt-5.5 发送第一个网关智能体轮次，并选择 Codex harness
- 向同一个 OpenClaw 会话发送第二轮，验证应用服务器线程可以恢复
- 通过相同的网关命令路径运行 /codex status 和 /codex models
- 可选地运行两个 Guardian 审查的升级 shell 探针：一个应被允许的良性命令和一个应被拒绝的假秘密上传，以便智能体追问
测试文件：src/gateway/gateway-codex-harness.live.test.ts
启用：OPENCLAW_LIVE_CODEX_HARNESS=1
默认模型：openai/gpt-5.5
可选图像探针：OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1
可选 MCP/工具探针：OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1
可选 Guardian 探针：OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1
该烟雾强制 provider/model 的 agentRuntime.id: "codex"，因此损坏的 Codex harness 无法通过静默回退到 PI 来通过。
认证：来自本地 Codex 订阅登录的 Codex 应用服务器认证。Docker 烟雾还可以在适用时提供 OPENAI_API_KEY 用于非 Codex 探针，以及可选的复制 ~/.codex/auth.json 和 ~/.codex/config.toml。

本地配方：

bash

OPENCLAW_LIVE_CODEX_HARNESS=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=1 \
  OPENCLAW_LIVE_CODEX_HARNESS_MODEL=openai/gpt-5.5 \
  pnpm test:live -- src/gateway/gateway-codex-harness.live.test.ts

Docker 配方：

bash

pnpm test:docker:live-codex-harness

Docker 备注：

Docker 运行器位于 scripts/test-live-codex-harness-docker.sh。
它传递 OPENAI_API_KEY，在存在时复制 Codex CLI 认证文件，将 @openai/codex 安装到可写挂载的 npm 前缀，准备源代码树，然后只运行 Codex-harness live 测试。
Docker 默认启用图像、MCP/工具和 Guardian 探针。当你需要更窄的调试运行时，设置 OPENCLAW_LIVE_CODEX_HARNESS_IMAGE_PROBE=0、OPENCLAW_LIVE_CODEX_HARNESS_MCP_PROBE=0 或 OPENCLAW_LIVE_CODEX_HARNESS_GUARDIAN_PROBE=0。
Docker 使用同样的显式 Codex 运行时配置，因此遗留别名或 PI 回退无法隐藏 Codex harness 回归。

模型矩阵（覆盖范围）

没有固定的 "CI 模型列表"（live 是 opt-in），但以下是推荐在带有密钥的开发机器上定期覆盖的模型。

现代烟雾集（工具调用 + 图像）

这是预期的 "常用模型" 运行：

OpenAI（非 Codex）：openai/gpt-5.5
OpenAI Codex OAuth：openai-codex/gpt-5.5
Anthropic：anthropic/claude-opus-4-6（或 anthropic/claude-sonnet-4-6）
Google（Gemini API）：google/gemini-3.1-pro-preview 和 google/gemini-3-flash-preview（避免较老的 Gemini 2.x 模型）
Google（Antigravity）：google-antigravity/claude-opus-4-6-thinking 和 google-antigravity/gemini-3-flash
DeepSeek：deepseek/deepseek-v4-flash 和 deepseek/deepseek-v4-pro
Z.AI（GLM）：zai/glm-5.1
MiniMax：minimax/MiniMax-M2.7

运行带工具和图像的网关烟雾： OPENCLAW_LIVE_GATEWAY_MODELS="openai/gpt-5.5,openai-codex/gpt-5.5,anthropic/claude-opus-4-6,google/gemini-3.1-pro-preview,google/gemini-3-flash-preview,google-antigravity/claude-opus-4-6-thinking,google-antigravity/gemini-3-flash,deepseek/deepseek-v4-flash,zai/glm-5.1,minimax/MiniMax-M2.7" pnpm test:live src/gateway/gateway-models.profiles.live.test.ts

基线：工具调用（Read + 可选 Exec）

每个 provider 系列至少选一个：

OpenAI：openai/gpt-5.5
Anthropic：anthropic/claude-opus-4-6（或 anthropic/claude-sonnet-4-6）
Google：google/gemini-3-flash-preview（或 google/gemini-3.1-pro-preview）
DeepSeek：deepseek/deepseek-v4-flash
Z.AI（GLM）：zai/glm-5.1
MiniMax：minimax/MiniMax-M2.7

可选额外覆盖（有更好）：

xAI：xai/grok-4.3（或最新可用）
Mistral：mistral/…（选一个你已启用的支持 "tools" 的模型）
Cerebras：cerebras/…（如果你有访问权限）
LM Studio：lmstudio/…（本地；工具调用取决于 API 模式）

视觉：图像发送（附件 → 多模态消息）

在 OPENCLAW_LIVE_GATEWAY_MODELS 中至少包含一个支持图像的模型（Claude/Gemini/OpenAI 的 vision 能力变体等），以执行图像探针。

聚合器 / 替代网关

如果你有启用密钥，我们也支持通过以下方式测试：

OpenRouter：openrouter/...（数百个模型；使用 openclaw models scan 找到支持工具+图像的候选）
OpenCode：opencode/... 用于 Zen，opencode-go/... 用于 Go（通过 OPENCODE_API_KEY / OPENCODE_ZEN_API_KEY 认证）

你可以包含在 live 矩阵中的更多 provider（如果你有凭证/配置）：

内置：openai、openai-codex、anthropic、google、google-vertex、google-antigravity、google-gemini-cli、zai、openrouter、opencode、opencode-go、xai、groq、cerebras、mistral、github-copilot
通过 models.providers（自定义端点）：minimax（云/API），加上任何兼容 OpenAI/Anthropic 的代理（LM Studio、vLLM、LiteLLM 等）

TIP

不要在文档中硬编码 "all models"。权威列表是你机器上 discoverModels(...) 返回的内容加上可用的密钥。

凭证（切勿提交）

Live 测试发现凭证的方式与 CLI 相同。实际影响：

如果 CLI 工作，live 测试应能找到相同的密钥。
如果 live 测试说 "no creds"，用调试 openclaw models list / 模型选择相同的方式来调试。
每个智能体的认证 profile：~/.openclaw/agents/<agentId>/agent/auth-profiles.json（这就是 live 测试中 "profile keys" 所指的）
配置：~/.openclaw/openclaw.json（或 OPENCLAW_CONFIG_PATH）
遗留状态目录：~/.openclaw/credentials/（在存在时会被复制到临时的 live home 目录中，但不是主要的 profile-key 存储）
Live 本地运行默认将活跃配置、每个智能体的 auth-profiles.json 文件、遗留的 credentials/ 和支持的外部 CLI 认证目录复制到临时测试 home；暂存的 live home 会跳过 workspace/ 和 sandboxes/，并移除 agents.*.workspace / agentDir 路径覆盖，使探针保持在你真实主机工作区之外。

如果你想依赖环境密钥，在本地测试前导出它们，或使用下面的 Docker 运行器并显式提供 OPENCLAW_PROFILE_FILE。

Deepgram 实时音频转写

测试文件：extensions/deepgram/audio.live.test.ts
启用：DEEPGRAM_API_KEY=... DEEPGRAM_LIVE_TEST=1 pnpm test:live extensions/deepgram/audio.live.test.ts

BytePlus 编码计划实时测试

测试文件：extensions/byteplus/live.test.ts
启用：BYTEPLUS_API_KEY=... BYTEPLUS_LIVE_TEST=1 pnpm test:live extensions/byteplus/live.test.ts
可选模型覆盖：BYTEPLUS_CODING_MODEL=ark-code-latest

ComfyUI 工作流媒体实时测试

测试文件：extensions/comfy/comfy.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 COMFY_LIVE_TEST=1 pnpm test:live -- extensions/comfy/comfy.live.test.ts
范围：
- 执行捆绑的 comfy 图像、视频和 music_generate 路径
- 除非配置了 plugins.entries.comfy.config.<capability>，否则跳过每个能力
- 在更改 comfy 工作流提交、轮询、下载或插件注册后特别有用

图像生成实时测试

测试文件：test/image-generation.runtime.live.test.ts
命令：pnpm test:live test/image-generation.runtime.live.test.ts
运行器：pnpm test:live:media image
范围：
- 枚举每个已注册的图像生成 provider 插件
- 在探测前使用已导出的 provider 环境变量
- 默认优先使用 live/env API 密钥而非存储的认证 profile，因此 auth-profiles.json 中的过期测试密钥不会掩盖真实的 shell 凭据
- 跳过没有可用认证/profile/模型的 provider
- 对每个配置的 provider 运行共享的图像生成运行时：
  - <provider>:generate
  - <provider>:edit（当 provider 声明支持 edit 时）
当前覆盖的内置 provider：
- deepinfra
- fal
- google
- minimax
- openai
- openrouter
- vydra
- xai
可选缩小：
- OPENCLAW_LIVE_IMAGE_GENERATION_PROVIDERS="openai,google,openrouter,xai"
- OPENCLAW_LIVE_IMAGE_GENERATION_PROVIDERS="deepinfra"
- OPENCLAW_LIVE_IMAGE_GENERATION_MODELS="openai/gpt-image-2,google/gemini-3.1-flash-image-preview,openrouter/google/gemini-3.1-flash-image-preview,xai/grok-imagine-image"
- OPENCLAW_LIVE_IMAGE_GENERATION_CASES="google:flash-generate,google:pro-edit,openrouter:generate,xai:default-generate,xai:default-edit"
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 强制使用 profile-store 认证，忽略仅环境变量的覆盖

对于发布的 CLI 路径，在 provider/runtime live 测试通过后，添加一个 infer 烟雾：

bash

OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_INFER_CLI_TEST=1 pnpm test:live -- test/image-generation.infer-cli.live.test.ts
openclaw infer image providers --json
openclaw infer image generate \
  --model google/gemini-3.1-flash-image-preview \
  --prompt "Minimal flat test image: one blue square on a white background, no text." \
  --output ./openclaw-infer-image-smoke.png \
  --json

这涵盖了 CLI 参数解析、配置/默认智能体解析、捆绑插件激活、共享图像生成运行时和实时 provider 请求。插件依赖项需要在运行时加载前存在。

音乐生成实时测试

测试文件：extensions/music-generation-providers.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/music-generation-providers.live.test.ts
运行器：pnpm test:live:media music
范围：
- 执行共享的捆绑音乐生成 provider 路径
- 当前覆盖 Google 和 MiniMax
- 在探测前使用已导出的 provider 环境变量
- 默认优先使用 live/env API 密钥而非存储的认证 profile，因此 auth-profiles.json 中的过期测试密钥不会掩盖真实的 shell 凭据
- 跳过没有可用认证/profile/模型的 provider
- 在可用时运行两种声明的运行时模式：
  - generate 仅使用提示输入
  - edit（当 provider 声明 capabilities.edit.enabled 时）
- 当前共享通道覆盖：
  - google：generate、edit
  - minimax：generate
  - comfy：单独的 Comfy live 文件，不在此共享扫描中
可选缩小：
- OPENCLAW_LIVE_MUSIC_GENERATION_PROVIDERS="google,minimax"
- OPENCLAW_LIVE_MUSIC_GENERATION_MODELS="google/lyria-3-clip-preview,minimax/music-2.6"
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 强制使用 profile-store 认证，忽略仅环境变量的覆盖

视频生成实时测试

测试文件：extensions/video-generation-providers.live.test.ts
启用：OPENCLAW_LIVE_TEST=1 pnpm test:live -- extensions/video-generation-providers.live.test.ts
运行器：pnpm test:live:media video
范围：
- 执行共享的捆绑视频生成 provider 路径
- 默认使用发布安全烟雾路径：非 FAL provider，每个 provider 一个文生视频请求，一秒钟龙虾提示，以及来自 OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS（默认 180000）的每个 provider 操作上限
- 默认跳过 FAL，因为 provider 端队列延迟可能主导发布耗时；传递 --video-providers fal 或 OPENCLAW_LIVE_VIDEO_GENERATION_PROVIDERS="fal" 来显式运行它
- 在探测前使用已导出的 provider 环境变量
- 默认优先使用 live/env API 密钥而非存储的认证 profile，因此 auth-profiles.json 中的过期测试密钥不会掩盖真实的 shell 凭据
- 跳过没有可用认证/profile/模型的 provider
- 默认只运行 generate
- 设置 OPENCLAW_LIVE_VIDEO_GENERATION_FULL_MODES=1 也运行声明的转换模式（当可用时）：
  - imageToVideo（当 provider 声明 capabilities.imageToVideo.enabled 并且所选 provider/model 在共享扫描中接受缓冲区支持的本地图像输入时）
  - videoToVideo（当 provider 声明 capabilities.videoToVideo.enabled 并且所选 provider/model 在共享扫描中接受缓冲区支持的本地视频输入时）
- 当前共享扫描中声明但跳过的 imageToVideo provider：
  - vydra，因为捆绑的 veo3 仅支持文本，而捆绑的 kling 需要远程图像 URL
- provider 特定的 Vydra 覆盖：
  - OPENCLAW_LIVE_TEST=1 OPENCLAW_LIVE_VYDRA_VIDEO=1 pnpm test:live -- extensions/vydra/vydra.live.test.ts
  - 该文件运行 veo3 文生视频，加上默认使用远程图像 URL 夹具的 kling 通道
- 当前 videoToVideo live 覆盖：
  - runway 仅当所选模型为 runway/gen4_aleph 时
- 当前共享扫描中声明但跳过的 videoToVideo provider：
  - alibaba、qwen、xai，因为那些路径当前需要远程 http(s) / MP4 引用 URL
  - google，因为当前共享的 Gemini/Veo 通道使用本地缓冲区支持的输入，而该路径在共享扫描中不被接受
  - openai，因为当前共享通道缺乏组织特定的视频 inpaint/remix 访问保证
可选缩小：
- OPENCLAW_LIVE_VIDEO_GENERATION_PROVIDERS="deepinfra,google,openai,runway"
- OPENCLAW_LIVE_VIDEO_GENERATION_MODELS="google/veo-3.1-fast-generate-preview,openai/sora-2,runway/gen4_aleph"
- OPENCLAW_LIVE_VIDEO_GENERATION_SKIP_PROVIDERS="" 以包括默认扫描中的每个 provider，包括 FAL
- OPENCLAW_LIVE_VIDEO_GENERATION_TIMEOUT_MS=60000 以减少每个 provider 操作上限，用于快速烟雾运行
可选认证行为：
- OPENCLAW_LIVE_REQUIRE_PROFILE_KEYS=1 强制使用 profile-store 认证，忽略仅环境变量的覆盖

媒体 live 运行器

命令：pnpm test:live:media
目的：
- 通过一个仓库原生入口点运行共享的图像、音乐和视频 live 套件
- 使用已导出的 provider 环境变量
- 默认自动将每个套件缩小到当前有可用认证的 provider
- 复用 scripts/test-live.mjs，因此心跳和安静模式行为保持一致
示例：
- pnpm test:live:media
- pnpm test:live:media image video --providers openai,google,minimax
- pnpm test:live:media video --video-providers openai,runway --all-providers
- pnpm test:live:media music --quiet

常见问题

OpenClaw live 测试一直报 "no creds" 怎么办？

先用 openclaw models list 确认 CLI 能否发现你的密钥。如果不能，检查 ~/.openclaw/agents/<agentId>/agent/auth-profiles.json 是否存在且包含有效凭证，或者是否已导出正确的环境变量。live 测试发现凭证的方式与 CLI 相同，因此如果 CLI 没找到，测试也没找到。

如何只测试单个模型而不是全量扫描？

设置环境变量缩小范围。例如直接模型测试：OPENCLAW_LIVE_MODELS="openai/gpt-5.5" pnpm test:live src/agents/models.profiles.live.test.ts。网关烟雾同理：OPENCLAW_LIVE_GATEWAY_MODELS="openai/gpt-5.5" pnpm test:live src/gateway/gateway-models.profiles.live.test.ts。

Docker 下的 CLI 后端测试需要什么凭证？

Docker 运行器会自动将主机的 CLI 认证材料复制到容器中，但你需要确保对应的 CLI 包已安装且认证有效。对于 claude-subscription 变体，还需要 CLAUDE_CODE_OAUTH_TOKEN 或 ~/.claude/.credentials.json。运行 pnpm test:docker:live-cli-backend:claude-subscription 前，先用 claude -p 验证本地 CLI 能否工作。

OpenClaw live 测试模型矩阵与排查指南

本地快速测试命令

Android 节点能力全扫描

模型烟雾测试（profile keys）

第一层：直接模型补全（无网关）

第二层：网关 + 开发智能体烟雾（实际 `@openclaw` 做的事）

CLI 后端烟雾测试（Claude、Gemini 或其他本地 CLI）

APNs HTTP/2 代理可达性

ACP 绑定烟雾测试（`/acp spawn ... --bind here`）

Codex 应用服务器 harness 烟雾测试

推荐的 live 配方

模型矩阵（覆盖范围）

现代烟雾集（工具调用 + 图像）

基线：工具调用（Read + 可选 Exec）

视觉：图像发送（附件 → 多模态消息）

聚合器 / 替代网关

凭证（切勿提交）

Deepgram 实时音频转写

BytePlus 编码计划实时测试

ComfyUI 工作流媒体实时测试

图像生成实时测试

音乐生成实时测试

视频生成实时测试

媒体 live 运行器

相关

常见问题

OpenClaw live 测试一直报 "no creds" 怎么办？

如何只测试单个模型而不是全量扫描？

Docker 下的 CLI 后端测试需要什么凭证？

OpenClaw live 测试模型矩阵与排查指南 ​

本地快速测试命令 ​

Android 节点能力全扫描 ​

模型烟雾测试（profile keys） ​

第一层：直接模型补全（无网关） ​

第二层：网关 + 开发智能体烟雾（实际 @openclaw 做的事） ​

CLI 后端烟雾测试（Claude、Gemini 或其他本地 CLI） ​

APNs HTTP/2 代理可达性 ​

ACP 绑定烟雾测试（/acp spawn ... --bind here） ​

Codex 应用服务器 harness 烟雾测试 ​

推荐的 live 配方 ​

模型矩阵（覆盖范围） ​

现代烟雾集（工具调用 + 图像） ​

基线：工具调用（Read + 可选 Exec） ​

视觉：图像发送（附件 → 多模态消息） ​

聚合器 / 替代网关 ​

凭证（切勿提交） ​

Deepgram 实时音频转写 ​

BytePlus 编码计划实时测试 ​

ComfyUI 工作流媒体实时测试 ​

图像生成实时测试 ​

音乐生成实时测试 ​

视频生成实时测试 ​

媒体 live 运行器 ​

相关 ​

常见问题 ​

OpenClaw live 测试一直报 "no creds" 怎么办？ ​

如何只测试单个模型而不是全量扫描？ ​

Docker 下的 CLI 后端测试需要什么凭证？ ​

OpenClaw live 测试模型矩阵与排查指南

本地快速测试命令

Android 节点能力全扫描

模型烟雾测试（profile keys）

第一层：直接模型补全（无网关）

第二层：网关 + 开发智能体烟雾（实际 `@openclaw` 做的事）

CLI 后端烟雾测试（Claude、Gemini 或其他本地 CLI）

APNs HTTP/2 代理可达性

ACP 绑定烟雾测试（`/acp spawn ... --bind here`）

Codex 应用服务器 harness 烟雾测试

推荐的 live 配方

模型矩阵（覆盖范围）

现代烟雾集（工具调用 + 图像）

基线：工具调用（Read + 可选 Exec）

视觉：图像发送（附件 → 多模态消息）

聚合器 / 替代网关

凭证（切勿提交）

Deepgram 实时音频转写

BytePlus 编码计划实时测试

ComfyUI 工作流媒体实时测试

图像生成实时测试

音乐生成实时测试

视频生成实时测试

媒体 live 运行器

相关

常见问题

OpenClaw live 测试一直报 "no creds" 怎么办？

如何只测试单个模型而不是全量扫描？

Docker 下的 CLI 后端测试需要什么凭证？