Camera Capture 与拍照/短视频能力

OpenClaw 之所以和普通聊天型 agent 不一样，一个重要原因就是它可以通过 nodes 调动真实设备能力。camera capture 是其中最直观、也最容易被期待过高的一项：它确实能让 agent 通过 node 拍照、录制短视频，但前提是权限、平台和设置都清楚。

Camera capture 在系统里是什么

官方当前的设计是：

• iOS node 可以拍照 / 录短视频
• Android node 可以拍照 / 录短视频
• macOS app node 也可以

这些都不是 Gateway 直接控制摄像头，而是通过 node.invoke 调用节点设备能力。

所以它的正确理解应该是：

• Gateway 负责编排
• Node 负责实际访问摄像头
• 用户设置决定是否允许

为什么这不是“默认永远可用”的能力

官方文档一开始就强调：所有 camera access 都受用户设置控制。

这意味着：

• 不是连上 node 就一定能拍
• 不是所有平台权限都相同
• 不是后台场景都能稳定录制

对中文用户来说，最重要的心理预期是：这是一项受平台和权限强约束的能力，不是无限制远程摄像头。

Camera capture 能做什么

根据官方文档，核心能力包括：

• camera.list
• camera.snap
• camera.video

也就是：

• 列出可用相机
• 拍一张图
• 录一段短视频

这足够覆盖很多 agent 工作流里的“取证”“现场感知”“快速确认”场景。

更适合什么场景

1. 现场确认

例如让移动设备拍一张当前画面，供 agent 做判断。

2. 短视频片段采集

当静态图片不够时，用短视频补充上下文。

3. 和其他 node 能力联动

例如：

• 语音唤醒后触发拍照
• 远程节点接入后做现场确认

这时它才真正体现出“设备化代理”的价值。

为什么用户设置比命令更重要

很多人看到 camera.snap 会先想着怎么调用，但真正决定能不能稳用的是：

• 设备设置是否允许 camera
• 系统权限是否授予
• 当前 app / node 是否在合适状态

如果这三层没过，再熟悉命令也没有意义。

Camera capture 的安全含义

它和普通文本消息完全不是一个敏感级别。

因为一旦开放：

• agent 可以请求真实世界图像
• 可能涉及隐私空间
• 还会和远程访问、node pairing 叠加

所以更合理的策略是：

• 默认按需开启
• 只给信任 node 开启
• 明确哪些设备允许摄像头能力

常见误区

1. 以为它是 Gateway 自己的原生能力

不是。它依赖 node 设备。

2. 以为拍照功能等于“远程监控”

官方当前设计仍然是以用户设置和设备权限为前提，不是无边界监控模型。

3. 一上来就想做复杂多设备相机调度

更稳的顺序是先让单设备、单动作跑通。

更适合的启用顺序

1. 先把 node pairing 跑通
2. 只选一台最常用设备
3. 先测试 camera.list
4. 再测试单次拍照
5. 最后再考虑短视频或和语音联动

下一步推荐

• 想理解 node 整体能力：看 Nodes 与设备能力
• 想结合语音入口：看 语音唤醒与 Talk Mode
• 想理解授权边界：看 配对审批与设备授权管理