当前位置：首页 > news >正文

OpenClaw+Phi-3-vision-128k-instruct：自动化社交媒体内容生成

news 2026/6/3 8:06:54

OpenClaw+Phi-3-vision-128k-instruct：自动化社交媒体内容生成

1. 为什么需要自动化社交媒体运营

作为一个技术博主，我每天需要维护多个社交媒体账号。最头疼的不是写内容，而是那些重复性工作：找配图、写文案、调整格式、定时发布。这些工作占据了我30%的创作时间，直到我发现了OpenClaw+Phi-3-vision的组合方案。

OpenClaw的本地自动化能力，加上Phi-3-vision的多模态理解，让我实现了从素材收集到发布的全流程自动化。现在我的社交媒体运营效率提升了3倍，更重要的是，这套方案完全运行在我的本地电脑上，所有数据都不会外泄。

2. 环境准备与模型部署

2.1 部署Phi-3-vision-128k-instruct

我选择使用vllm部署Phi-3-vision模型，这是目前性价比最高的部署方案。在星图平台找到Phi-3-vision-128k-instruct镜像后，一键部署到我的本地开发机：

# 拉取镜像 docker pull csdn-mirror/phi-3-vision-128k-instruct # 启动服务 docker run -d -p 5000:5000 --gpus all csdn-mirror/phi-3-vision-128k-instruct

模型启动后会提供OpenAI兼容的API接口，这正是OpenClaw需要的。我特意测试了多模态能力，上传一张咖啡图片，模型能准确描述画面并生成相关文案，这为后续自动化打下了基础。

2.2 OpenClaw基础配置

在macOS上安装OpenClaw只用了3分钟：

curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --install-daemon

配置向导中我选择了Advanced模式，关键是将模型地址指向本地部署的Phi-3-vision：

{ "models": { "providers": { "phi3-vision": { "baseUrl": "http://localhost:5000/v1", "apiKey": "no-need", "api": "openai-completions" } } } }

配置完成后，执行openclaw gateway restart重启服务，通过openclaw models list确认模型已成功连接。

3. 构建自动化内容流水线

3.1 素材收集自动化

我开发了一个简单的Python脚本，让OpenClaw每天自动收集行业热点：

from openclaw.skills import web_crawler def collect_trends(): # 从知乎、微博等平台抓取热门话题 trends = web_crawler.scrape( urls=["https://www.zhihu.com/billboard"], selectors=["div.HotList-list"] ) return trends

这个脚本被打包成OpenClaw的Skill，现在每天9点自动运行，结果会存入我的Notion数据库。

3.2 图文内容生成

核心突破在于Phi-3-vision的多模态能力。我创建了一个自动化工作流：

从素材库选取3张相关图片
调用模型生成10条备选文案
自动筛选最符合品牌调性的3条

关键代码如下：

def generate_post(image_path, topic): response = openclaw.models.generate( model="phi3-vision", messages=[ { "role": "user", "content": [ {"type": "text", "text": f"为这张图写3条社交媒体文案，主题是{topic}"}, {"type": "image_url", "image_url": image_path} ] } ] ) return response.choices[0].message.content

实际测试发现，模型对科技类图片的理解尤其准确，生成的文案专业又不失趣味性。