OpenClaw技能开发入门：为Qwen3.5-9B定制图片分类插件
OpenClaw技能开发入门：为Qwen3.5-9B定制图片分类插件
1. 为什么需要开发图片分类技能
上周整理手机相册时，我对着3000多张杂乱无章的照片头疼不已——旅行风景、工作截图、宠物照片全都混在一起。手动分类不仅耗时费力，还经常因为主观判断不一致导致重复劳动。这让我萌生了一个想法：能否用OpenClaw+Qwen3.5-9B多模态能力实现自动化图片分类？
经过三天摸索，我成功开发出一个能理解图片内容并按主题自动归档的技能。这个过程中踩过的坑和最终解决方案，正是本文要分享的核心内容。相比通用AI助手，定制化技能的优势在于：
- 精准适配个人需求：可以按照自己的分类体系（如"工作/生活/宠物"）来定义规则
- 保护隐私数据：所有处理都在本地完成，避免上传照片到第三方服务
- 持续迭代优化：可以根据实际效果不断调整分类逻辑
2. 开发环境准备
2.1 基础工具链检查
在开始前，请确保已具备以下环境（以macOS为例）：
# 检查Node.js版本（需要v18+） node -v # 检查OpenClaw CLI openclaw --version # 安装clawhub脚手架 npm install -g clawhub如果尚未部署Qwen3.5-9B模型，可以使用星图平台的一键镜像：
# 快速启动模型服务（假设使用平台镜像） docker run -p 5000:5000 qwen3.5-9b-awq-4bit2.2 模型能力验证
开发前建议先用curl测试模型的多模态能力：
curl -X POST http://localhost:5000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{ "model": "qwen-vl", "messages": [ { "role": "user", "content": [ {"type": "text", "text": "描述这张图片的主要内容"}, {"type": "image_url", "image_url": {"url": "file:///Users/me/photo.jpg"}} ] } ] }'正常响应应包含对图片内容的文字描述，这是后续分类的基础。
3. 创建技能脚手架
3.1 初始化项目
使用clawhub创建技能骨架：
clawhub init photo-classifier --template=basic-skill cd photo-classifier生成的核心文件结构如下：
. ├── manifest.json # 技能元数据 ├── package.json # Node.js依赖 ├── src │ ├── index.js # 主逻辑 │ └── utils.js # 工具函数 └── test # 测试用例3.2 配置技能元数据
编辑manifest.json定义技能能力：
{ "name": "photo-classifier", "version": "0.1.0", "description": "基于Qwen3.5的智能图片分类器", "entry": "src/index.js", "triggers": { "classifyPhotos": { "description": "对指定目录图片进行分类", "parameters": { "folderPath": { "type": "string", "description": "待分类图片目录路径" } } } }, "dependencies": { "models": ["qwen-vl"] } }关键配置说明：
triggers定义了技能调用入口dependencies声明需要Qwen多模态模型支持parameters定义了用户需要提供的参数
4. 核心逻辑开发
4.1 图片处理模块
在src/utils.js中添加图片预处理函数：
const fs = require('fs'); const path = require('path'); async function scanImageFolder(folderPath) { const files = await fs.promises.readdir(folderPath); return files .filter(file => ['.jpg', '.png'].includes(path.extname(file).toLowerCase())) .map(file => path.join(folderPath, file)); } function createCategoryFolders(rootPath, categories) { categories.forEach(cat => { const dir = path.join(rootPath, cat); if (!fs.existsSync(dir)) { fs.mkdirSync(dir, { recursive: true }); } }); }4.2 模型交互逻辑
在src/index.js中实现分类主逻辑：
const axios = require('axios'); const { scanImageFolder, createCategoryFolders } = require('./utils'); const MODEL_API = 'http://localhost:5000/v1/chat/completions'; async function analyzeImage(imagePath) { const response = await axios.post(MODEL_API, { model: "qwen-vl", messages: [{ role: "user", content: [ { type: "text", text: "用不超过3个关键词描述图片内容，格式为: 人物|物体|场景" }, { type: "image_url", image_url: { url: `file://${imagePath}` } } ] }] }); return response.data.choices[0].message.content; } function determineCategory(analysisResult) { const [person, object, scene] = analysisResult.split('|').map(s => s.trim()); // 自定义分类规则 if (person.includes('同事') || object.includes('截图')) return '工作'; if (person.includes('猫') || object.includes('宠物')) return '宠物'; if (scene.includes('海滩') || scene.includes('山')) return '旅行'; return '其他'; }5. 技能集成与测试
5.1 主函数实现
继续完善src/index.js：
module.exports = async function (context) { const { folderPath } = context.parameters; const categories = ['工作', '旅行', '宠物', '其他']; try { createCategoryFolders(folderPath, categories); const imageFiles = await scanImageFolder(folderPath); for (const file of imageFiles) { const analysis = await analyzeImage(file); const category = determineCategory(analysis); const destPath = path.join( path.dirname(file), category, path.basename(file) ); fs.renameSync(file, destPath); context.log(`已分类: ${file} -> ${category}`); } return { success: true, classified: imageFiles.length }; } catch (error) { context.logger.error('分类失败:', error); throw new Error('图片分类处理失败'); } };5.2 本地测试方法
创建测试脚本test/test.js：
const skill = require('../src/index'); (async () => { const mockContext = { parameters: { folderPath: './test-photos' }, log: console.log, logger: { error: console.error } }; await skill(mockContext); })();放置测试图片到test-photos目录后运行：
node test/test.js6. 部署与使用
6.1 安装到OpenClaw
在技能目录执行：
clawhub pack clawhub install ./photo-classifier-0.1.0.claw6.2 通过对话调用
启动OpenClaw后，可以在聊天窗口输入：
帮我分类照片：~/Pictures/未整理6.3 性能优化建议
在实际使用中发现两个优化点：
- 批量处理：修改为每次请求分析多张图片，减少API调用次数
- 缓存机制：对已分类图片记录哈希值，避免重复处理
优化后的模型请求示例：
async function analyzeImagesBatch(imagePaths) { const messages = imagePaths.map(path => ({ role: "user", content: [ { type: "text", text: "批量分析：用关键词描述每张图片" }, { type: "image_url", image_url: { url: `file://${path}` } } ] })); // 实际实现需要模型支持批量处理 const response = await axios.post(MODEL_API, { model: "qwen-vl", messages }); return response.data; }7. 开发心得与注意事项
通过这次开发，我总结了几个关键经验：
模型提示词设计：最初使用"描述这张图片"的简单提示，导致返回结果格式不一致。改为严格指定"关键词1|关键词2|关键词3"格式后，解析成功率显著提升。
错误处理：要特别注意模型可能返回非预期内容的情况。我在determineCategory函数中添加了默认分类和格式校验：
function safeSplit(str) { try { const parts = str.split('|'); return parts.length === 3 ? parts : ['','','']; } catch { return ['','','']; } }权限问题：在Windows开发时遇到文件操作权限错误，需要通过openclaw.config.json显式声明需要的权限：
{ "permissions": { "filesystem": ["read", "write"] } }这个技能的开发过程让我深刻体会到，好的AI应用不仅需要强大的模型，更需要细致的工程化设计。现在我的相册终于恢复了整洁，而开发过程中积累的经验，也为后续开发更复杂的OpenClaw技能打下了基础。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。