Geração de imagens no OpenClaw

O OpenClaw gera e edita imagens por meio de uma única ferramenta que fica acima dos provedores de imagem que você configurou. Em uma sessão de chat, ela roda de forma assíncrona: o OpenClaw registra uma tarefa em segundo plano, devolve o ID da tarefa na hora e desperta o agente quando o provedor termina; a resposta de conclusão traz uma legenda curta e todos os anexos gerados, uma falha volta como uma mensagem visível e concisa, e se a sessão que fez o pedido estiver inativa, as imagens são entregues diretamente para que o resultado não se perca. A seguir: a configuração, as rotas, o que a ferramenta aceita e as ressalvas.

Configuração

• Uma chave de API de pelo menos um provedor, entre eles OpenAI, Gemini ou OpenRouter, ou um login no ChatGPT ou no Codex; com um perfil OAuth da OpenAI configurado, as requisições de imagem passam por ele em vez de passar pela chave.
• Opcionalmente, um modelo padrão no bloco de modelos de mídia, com um tempo limite; uma configuração explícita do provedor OpenAI, seja uma chave ou uma URL base personalizada, volta a ativar a rota direta da Images API.
• Peça ao agente. Não é preciso incluir nada em lista de permissões: a ferramenta vem ativada por padrão quando há um provedor disponível e fica ausente caso contrário.

A ferramenta só aparece quando pelo menos um provedor de geração de imagens está disponível.

As rotas

A documentação lista uma rota por objetivo: o modelo de imagem da OpenAI com cobrança pela API ou com o login do ChatGPT, as variantes GPT Image 2.5 pela rota explícita com chave, um PNG ou WebP com fundo transparente pelo modelo mais antigo da OpenAI, FLUX pela DeepInfra, Krea 2 e GPT Image 2.5 pela fal, o modelo de imagem flash do Gemini pelo OpenRouter ou diretamente pelo Google, LiteLLM e implantações do Microsoft Foundry. A mesma ferramenta cuida de texto para imagem e de edição com imagens de referência, com uma ou várias imagens como referência; no Krea, as referências viram referências de estilo. Indicações de saída para qualidade, formato e fundo são repassadas quando o provedor as suporta e reportadas como ignoradas quando não suporta, e a OpenAI aceita moderação low ou auto tanto para a geração quanto para as edições.

As ressalvas

• Um endpoint de LAN compatível com OpenAI, como o LocalAI, precisa da URL base personalizada e de uma permissão explícita na política de SSRF do navegador; endpoints de imagem privados e internos continuam bloqueados por padrão.
• No WebChat e no app para macOS, os anexos gerados ficam na resposta de conclusão em vez de aparecer de novo em uma mensagem separada só com imagens, e uma entrega repetida mantém as mesmas identidades.
• O registro da tarefa em si fica em silêncio; a resposta visível segue o contrato de resposta visível atual da sessão, e é por isso que um canal vê uma única mensagem com legenda em vez de um fluxo de progresso.

OpenClaw com OpenRouter e OpenClaw com Gemini são os dois artigos sobre provedores de onde a maioria das pessoas chega.

Onde ela se encaixa

A geração de imagens é uma das ferramentas de mídia, ao lado de vídeo, música e fala, e segue o mesmo padrão da busca na web do OpenClaw: uma ferramenta que o agente chama, um provedor que você escolheu e um resultado que volta pela resposta, e não por uma interface separada.

Na Diali

Na Diali, a ferramenta segue a mesma regra de qualquer outro lugar: ela aparece quando um provedor capaz de gerar imagens está configurado para o assistente, e é no painel que essa escolha é feita. OpenClaw hospedado na Diali é o assistente.

• Uma ferramenta, vários provedores, uma tarefa em segundo plano por imagem.
• Texto para imagem e edições com referência pela mesma chamada.
• Endpoints de LAN ficam bloqueados até você permitir.