TNTest/openclaw-trapi-config
3
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
298cecf100ce12ca6a6a748024060b1d8a6f5ca6
openclaw-trapi-config/SKILL.md
T
OpenClaw Backup Bot 298cecf100 fix: 修正多个模型的上下文窗口、最大输出、API格式等过时参数 
- MiniMax-M2.7: 200K/64K → 150K/16K
- kimi-for-coding: 200K/64K → 262K/32K
- gpt-5.5: anthropic-messages → openai-responses, 64K → 65K
- deepseek-v4-pro/flash: 补充1M上下文说明
- mimo-v2.5-pro: 移除image输入（实际只支持text）
- README/SKILL.md 统一更新
2026-05-28 23:43:33 +08:00

18 KiB
Raw Blame History

name, description
name description
openclaw-trapi-config 配置传米科技 trapi 自定义 Provider 及模型。引导用户将 trapi Provider（lapi.transiglobal.com）添加到 OpenClaw，支持首次安装和动态添加新模型。触发词："配置 trapi"、"安装 trapi"、"添加 trapi provider"、"trapi 配置"、"Transiglobal API"、"配置传米 API"、"trapi 添加模型"、"trapi add model"，或涉及 GLM-5-Turbo / GLM-5.1 / MiniMax-M2.7 / kimi-for-coding / deepseek-v4-pro / deepseek-v4-flash / mimo-v2.5-pro / mimo-v2.5 / claude-opus-4.7 / GLM-5V-Turbo / PaddleOCR-VL-1.5 / qwen3.7-max / qwen3.6-plus 的 trapi 配置。也可在 trapi 已存在时用于添加新模型。

trapi Provider 配置指南

在任意 OpenClaw 实例上配置 trapi 自定义 Provider，使用 Anthropic Messages API 格式。

服务信息

  • Provider 名称：trapi
  • Base URL：https://lapi.transiglobal.com
  • API 格式：anthropic-messages
  • 运营方：传米科技（Transiglobal）

步骤 -1：检查 OpenClaw 版本

在执行任何配置操作前，必须先检查 OpenClaw 版本，以确定正确的配置格式。

检查方法

openclaw --version

版本分支

版本 别名配置位置 说明
>= 2026.5.0 agents.defaults.models."provider/model" → {"alias": "xxx"} 新版格式（本技能默认采用）
< 2026.5.0 同样使用 agents.defaults.models 格式 向下兼容

注意：如果 OpenClaw < 2026.3.0，建议先升级 OpenClaw 再配置 trapi。

前置条件

  1. 用户必须提供自己的 API Key —— 绝不使用默认或硬编码的密钥
  2. 如用户未提供 API Key，立即停止并要求提供；不可继续执行
  3. OpenClaw 必须已安装并运行

步骤 0：检查已有配置

在执行任何配置操作前，必须先检查当前 OpenClaw 配置中是否已有 trapi provider 或部分模型/别名。 避免重复配置，只补齐缺失部分。

检查流程

  1. 使用 gateway config.get 获取当前 models.providers.trapi 配置
  2. 使用 gateway config.get 获取当前 agents.defaults.models 中的 trapi 别名
  3. 对比下表，列出三列状态：
模型 别名 Provider 已有 别名已有
GLM-5-Turbo glm5t ✅/❌ ✅/❌
GLM-5.1 glm51 ✅/❌ ✅/❌
GLM-4.5-Air glm45a ✅/❌ ✅/❌
MiniMax-M2 mxm2 ✅/❌ ✅/❌
MiniMax-M2.7 mxm27 ✅/❌ ✅/❌
kimi-for-coding kimi ✅/❌ ✅/❌
deepseek-v4-pro dsv4p ✅/❌ ✅/❌
deepseek-v4-flash dsv4f ✅/❌ ✅/❌
gpt-5.5 gpt55 ✅/❌ ✅/❌
mimo-v2.5-pro mimo25p ✅/❌ ✅/❌
mimo-v2.5 mimo25 ✅/❌ ✅/❌
claude-opus-4.7 opus47 ✅/❌ ✅/❌
GLM-5V-Turbo glm5v ✅/❌ ✅/❌
PaddleOCR-VL-1.5 pocr ✅/❌ ✅/❌
qwen3.7-max qwn37 ✅/❌ ✅/❌
qwen3.6-plus qwn36 ✅/❌ ✅/❌

检查结果处理

  • 全部已有（Provider + 所有模型 + 所有别名）：告知用户已完整配置，无需操作
  • Provider 已有，部分模型缺失：只 patch 缺失的模型，不覆盖已有配置
  • Provider 缺失：按步骤 1-6 完整配置
  • 模型已有但别名缺失：只 patch 缺失的别名
  • API Key 需要更新：即使用户提供了新 Key，也要先确认旧 Key 是否仍有效

操作原则

  1. 绝不覆盖已有配置 — config.patch 是合并操作，但新模型如果 ID 与已有不同则追加
  2. 只补齐缺失部分 — 精确对比已有 vs 缺失，只 patch 差集
  3. 向用户展示补齐方案 — 明确列出将要添加/跳过的内容，等用户确认后再执行

步骤 1：要求 API Key

进行任何配置前，先向用户索要 trapi API Key。接受形式：

  • 直接粘贴 Key 字符串
  • 通过环境变量引用

如用户拒绝或无法提供，以明确信息终止流程："trapi provider 配置需要 API Key，未提供无法继续。请获取 Key 后重新运行。"

步骤 2：配置 Provider

使用 gateway config.patch 将 trapi provider 添加到 models.providers。

{
  "models": {
    "providers": {
      "trapi": {
        "baseUrl": "https://lapi.transiglobal.com",
        "apiKey": "<用户提供的API_KEY>",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "GLM-5-Turbo",
            "name": "GLM-5-Turbo (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "GLM-5.1",
            "name": "GLM-5.1 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "GLM-4.5-Air",
            "name": "GLM-4.5-Air (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "MiniMax-M2",
            "name": "MiniMax-M2 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "MiniMax-M2.7",
            "name": "MiniMax-M2.7 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 150000,
            "maxTokens": 16384
          },
          {
            "id": "kimi-for-coding",
            "name": "kimi-for-coding (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 262144,
            "maxTokens": 32768
          },
          {
            "id": "GLM-5V-Turbo",
            "name": "GLM-5V-Turbo (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": true,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "PaddleOCR-VL-1.5",
            "name": "PaddleOCR-VL-1.5 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 131072,
            "maxTokens": 8192
          },
          {
            "id": "deepseek-v4-pro",
            "name": "DeepSeek V4 Pro (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 384000
          },
          {
            "id": "deepseek-v4-flash",
            "name": "DeepSeek V4 Flash (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 384000
          },
          {
            "id": "gpt-5.5",
            "name": "GPT-5.5 (Transiglobal)",
            "api": "openai-responses",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 65536
          },
          {
            "id": "mimo-v2.5-pro",
            "name": "MiMo 2.5 Pro (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": true,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "mimo-v2.5",
            "name": "MiMo 2.5 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": true,
            "input": ["text", "image", "video", "audio"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 200000,
            "maxTokens": 64000
          },
          {
            "id": "claude-opus-4.7",
            "name": "claude-opus-4.7 (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": true,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 300000,
            "maxTokens": 64000
          },
          {
            "id": "qwen3.7-max",
            "name": "Qwen 3.7 Max (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 100000
          },
          {
            "id": "qwen3.6-plus",
            "name": "Qwen 3.6 Plus (Transiglobal)",
            "api": "anthropic-messages",
            "reasoning": false,
            "input": ["text", "image"],
            "cost": { "input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0 },
            "contextWindow": 1000000,
            "maxTokens": 100000
          }
        ]
      }
    }
  }
}

步骤 3：配置模型别名

⚠️ 关键：别名只能放在 agents.defaults.models 中

绝对不要把别名放在以下位置（会导致配置无效）：

  • ❌ agents.defaults.model.aliases — 错误！
  • ❌ agents.modelAliases — 错误！
  • ✅ agents.defaults.models."provider/model" — 正确！

使用 gateway config.patch 添加别名到 agents.defaults.models：

{
  "agents": {
    "defaults": {
      "models": {
        "trapi/GLM-5-Turbo": { "alias": "glm5t" },
        "trapi/GLM-5.1": { "alias": "glm51" },
        "trapi/GLM-4.5-Air": { "alias": "glm45a" },
        "trapi/MiniMax-M2": { "alias": "mxm2" },
        "trapi/MiniMax-M2.7": { "alias": "mxm27" },
        "trapi/kimi-for-coding": { "alias": "kimi" },
        "trapi/GLM-5V-Turbo": { "alias": "glm5v" },
        "trapi/PaddleOCR-VL-1.5": { "alias": "pocr" },
        "trapi/deepseek-v4-pro": { "alias": "dsv4p" },
        "trapi/deepseek-v4-flash": { "alias": "dsv4f" },
        "trapi/gpt-5.5": { "alias": "gpt55" },
        "trapi/mimo-v2.5-pro": { "alias": "mimo25p" },
        "trapi/mimo-v2.5": { "alias": "mimo25" },
        "trapi/claude-opus-4.7": { "alias": "opus47" },
        "trapi/qwen3.7-max": { "alias": "qwn37" },
        "trapi/qwen3.6-plus": { "alias": "qwn36" }
      }
    }
  }
}

别名格式说明

  • key 为完整模型引用 <provider>/<model>（如 trapi/GLM-5-Turbo）
  • value 为 { "alias": "短别名" }
  • 注意：设置 agents.defaults.models 后它会成为 allowlist，只有列表中的模型可用

步骤 4：应用配置

使用 gateway config.patch 并附带 note 参数说明变更内容。Gateway 会自动热加载或重启。

重要：配置完成后用 openclaw gateway status 确认 Gateway 正常运行，无 Invalid input 错误。

步骤 5：逐个验证模型

配置生效后，使用 subagent 逐个验证模型：

sessions_spawn(
  model: "trapi/<模型ID>",
  task: "Reply with exactly: OK",
  runtime: "subagent"
)

验证顺序：

  1. trapi/GLM-5-Turbo（别名：glm5t）
  2. trapi/GLM-5.1（别名：glm51）
  3. trapi/GLM-4.5-Air（别名：glm45a）
  4. trapi/MiniMax-M2（别名：mxm2）
  5. trapi/MiniMax-M2.7（别名：mxm27）
  6. trapi/kimi-for-coding（别名：kimi）
  7. trapi/GLM-5V-Turbo（别名：glm5v）
  8. trapi/PaddleOCR-VL-1.5（别名：pocr）
  9. trapi/deepseek-v4-pro（别名：dsv4p）
  10. trapi/deepseek-v4-flash（别名：dsv4f）
  11. trapi/gpt-5.5（别名：gpt55）
  12. trapi/claude-opus-4.7（别名：opus47）
  13. trapi/qwen3.7-max（别名：qwn37）
  14. trapi/qwen3.6-plus（别名：qwn36）

验证标准

每个模型验证通过的条件：

  • subagent 返回正常响应（非错误/超时）
  • 响应包含文本输出

验证报告

所有模型验证完成后，输出汇总表：

模型 别名 状态
GLM-5-Turbo glm5t ✅/❌
GLM-5.1 glm51 ✅/❌
GLM-4.5-Air glm45a ✅/❌
MiniMax-M2 mxm2 ✅/❌
MiniMax-M2.7 mxm27 ✅/❌
kimi-for-coding kimi ✅/❌
GLM-5V-Turbo glm5v ✅/❌
PaddleOCR-VL-1.5 pocr ✅/❌
deepseek-v4-pro dsv4p ✅/❌
deepseek-v4-flash dsv4f ✅/❌
gpt-5.5 gpt55 ✅/❌
mimo-v2.5-pro mimo25p ✅/❌
mimo-v2.5 mimo25 ✅/❌
claude-opus-4.7 opus47 ✅/❌
qwen3.7-max qwn37 ✅/❌
qwen3.6-plus qwn36 ✅/❌

步骤 6：使用指引

配置完成并通过验证后，向用户展示快捷切换模型的使用方式：

/glm45a   → 切换到 GLM-4.5-Air（轻量）
/glm5t    → 切换到 GLM-5-Turbo（高性价比）
/glm51    → 切换到 GLM-5.1（旗舰）
/mxm2     → 切换到 MiniMax-M2
/mxm27    → 切换到 MiniMax-M2.7
/kimi     → 切换到 kimi-for-coding（支持图片）
/dsv4p    → 切换到 DeepSeek V4 Pro（1M上下文）
/dsv4f    → 切换到 DeepSeek V4 Flash（1M上下文，快速）
/gpt55    → 切换到 GPT-5.5
/mimo25p   → 切换到 MiMo 2.5 Pro
/mimo25    → 切换到 MiMo 2.5（全模态）
/glm5v    → 切换到 GLM-5V-Turbo（支持图片）
/pocr     → 切换到 PaddleOCR-VL-1.5（OCR识别）
/opus47    → 切换到 Claude Opus 4.7（最新旗舰）
/qwn37     → 切换到 Qwen 3.7 Max（1M上下文，纯文本）
/qwn36     → 切换到 Qwen 3.6 Plus（1M上下文，支持图片）

提示用户在对话中直接输入 /alias 即可快速切换模型。

添加新模型（trapi 已配置时）

当 trapi Provider 已存在，用户需要添加新模型时使用此流程。

用户需提供的信息

字段 是否必填 默认值
模型 ID（全称） ✅ 必填 —
contextWindow 选填 200000（200K）
maxTokens 选填 64000（64K）
input 类型 选填 ["text"]（可加 "image"）

别名生成规则

生成 ≤ 5 字符的别名，按以下优先级：

  1. 已知模式 — 从常见缩写推导：
    • GLM- → glm，MiniMax- → mxm，kimi-for-coding → kimi，mimo → mimo
  2. 去除分隔符 — 去掉 -、.、空格：GLM-5-Turbo → GLM5Turbo
  3. 取前 5 字符：GLM5T
  4. 转小写：glm5t
  5. 冲突处理：如与已有别名冲突，追加数字后缀：glm5t2

已有别名（不可重复）

模型 别名
GLM-4.5-Air glm45a
GLM-5-Turbo glm5t
GLM-5.1 glm51
MiniMax-M2 mxm2
MiniMax-M2.7 mxm27
kimi-for-coding kimi
deepseek-v4-pro dsv4p
deepseek-v4-flash dsv4f
gpt-5.5 gpt55
mimo-v2.5-pro mimo25p
mimo-v2.5 mimo25
claude-opus-4.7 opus47
GLM-5V-Turbo glm5v
PaddleOCR-VL-1.5 pocr
qwen3.7-max qwn37
qwen3.6-plus qwn36

支持图片输入的模型

以下模型支持图片输入（input 包含 "image"）：

  • kimi-for-coding（别名：kimi）
  • GLM-5V-Turbo（别名：glm5v）
  • PaddleOCR-VL-1.5（别名：pocr）
  • qwen3.6-plus（别名：qwn36）

操作流程

  1. 向用户询问模型 ID（全称）
  2. 询问是否需要自定义 contextWindow、maxTokens 或 input 类型
  3. 按上述规则生成别名
  4. 向用户展示拟配置方案并确认
  5. gateway config.patch 添加模型到 models.providers.trapi.models
  6. gateway config.patch 添加别名到 agents.defaults.models（格式：{"trapi/<模型ID>":{"alias":"<别名>"}}）
  7. subagent 验证：sessions_spawn(model: "trapi/<模型ID>", task: "Reply with exactly: OK", runtime: "subagent")
  8. 报告结果

示例：添加 "Qwen-3-Plus"

用户说："给 trapi 加一个 Qwen-3-Plus"

  1. 模型 ID：Qwen-3-Plus
  2. 默认参数：contextWindow 200K，maxTokens 64K，input ["text"]
  3. 别名：清理为 Qwen3Plus → qwen3（无冲突）→ 别名：qwen3
  4. Patch 模型到 trapi.models，别名到 agents.defaults.models
  5. 验证

参考文档

遇到问题时，读取 references/custom-provider-config.md 获取 OpenClaw 官方 Custom Provider 配置参考。

在线文档

故障排查

  • 401/403：API Key 无效或过期 — 请用户核实
  • 连接超时：检查到 lapi.transiglobal.com 的网络连通性
  • Model not found：模型 ID 可能已变更 — 联系传米科技确认
  • Invalid input 错误：别名放错了位置！确认别名只在 agents.defaults.models."provider/model" 中，没有放到 agents.defaults.model.aliases 或 agents.modelAliases
  • config.patch 冲突：trapi provider 已存在时 patch 会合并；别名冲突时警告用户
  • 别名冲突：重新生成带数字后缀的别名并与用户确认
Reference in New Issue View Git Blame Copy Permalink