OpenClaw跨平台控制：Qwen3.5-9B远程解析手机截图
OpenClaw跨平台控制：Qwen3.5-9B远程解析手机截图
1. 为什么需要跨平台截图解析
上周我需要从手机相册里提取20多张截图中的会议纪要文字。手动打字转录到电脑不仅耗时，还容易出错。更麻烦的是有些截图包含流程图，需要先理解图示逻辑才能整理成文字。这让我开始思考：能否用AI自动完成这个跨平台的信息处理流程？
经过多次尝试，我最终通过OpenClaw+Qwen3.5-9B的组合实现了这个需求：手机截图上传飞书→AI自动解析内容→返回结构化操作指南。整个过程无需编写复杂代码，且完全在私有环境运行，避免了敏感信息外泄的风险。
2. 技术方案设计思路
2.1 核心组件选型
这个方案需要解决三个关键问题：
- 跨平台文件传输：选择飞书作为中转站，因其同时具备移动端上传和PC端接收能力
- 图像理解能力：采用Qwen3.5-9B-AWQ-4bit镜像，它在测试中表现出优秀的图文多模态理解能力
- 自动化执行框架：使用OpenClaw作为调度中枢，连接飞书消息与本地模型推理
2.2 典型工作流程
当用户在飞书对话窗口发送手机截图时：
- OpenClaw飞书插件捕获消息事件
- 自动下载图片附件到本地临时目录
- 调用Qwen3.5模型进行图像解析
- 将解析结果结构化后返回飞书会话
- 可选执行后续自动化操作（如保存到指定文档）
3. 具体实现步骤
3.1 基础环境准备
首先确保已部署好以下组件：
# 安装OpenClaw核心组件 curl -fsSL https://openclaw.ai/install.sh | bash # 安装飞书插件 openclaw plugins install @m1heng-clawd/feishu # 部署Qwen3.5镜像（假设已获取镜像） docker run -d -p 5000:5000 qwen3.5-9b-awq-4bit3.2 飞书通道配置
在~/.openclaw/openclaw.json中添加飞书配置：
{ "channels": { "feishu": { "enabled": true, "appId": "your_app_id", "appSecret": "your_app_secret", "eventEncryptKey": "your_encrypt_key", "verificationToken": "your_token" } } }关键配置点：
- 需要在飞书开放平台创建自建应用
- 配置消息订阅时需开启"接收消息"和"图片"权限
- 回调地址填写
http://your_domain:18789/feishu/events
3.3 模型接入配置
在同一个配置文件中添加模型端点：
{ "models": { "providers": { "local-qwen": { "baseUrl": "http://localhost:5000/v1", "api": "openai-completions", "models": [ { "id": "qwen-vl", "name": "Local Qwen VL", "contextWindow": 32768 } ] } } } }3.4 图像处理优化
为防止图片传输质量损失，在飞书插件配置中添加预处理参数：
{ "plugins": { "feishu": { "image": { "maxSizeMB": 5, "quality": 90, "convertTo": "png" } } } }4. 实际应用案例
4.1 会议纪要提取
当收到包含会议截图的飞书消息时，OpenClaw会自动触发以下流程：
- 下载原始图片（如
/tmp/meeting_screenshot.png） - 构造提示词：
你收到一张会议纪要截图，请： 1. 提取所有文字内容 2. 识别其中的待办事项（包含负责人和截止时间） 3. 用Markdown表格格式返回- 调用Qwen3.5模型进行解析
- 返回类似结果：
| 事项描述 | 负责人 | 截止时间 | |---------|--------|----------| | 完成需求文档 | 张三 | 5月20日 | | 测试API接口 | 李四 | 5月22日 |4.2 流程图解析
对于技术流程图截图，使用不同的提示词模板：
这是一张系统架构流程图，请： 1. 描述图中的核心组件及其关系 2. 指出可能存在的设计问题 3. 给出优化建议模型返回结果会包含对图中箭头走向、组件命名的专业分析，甚至能识别出像"缺少熔断机制"这样的设计缺陷。
5. 踩坑与优化经验
5.1 图片质量陷阱
初期测试发现模型对压缩严重的图片识别率骤降。解决方案：
- 在飞书后台调整图片质量参数
- 添加图片预处理环节（如超分辨率增强）
- 对模糊图片自动回复要求重新上传
5.2 多图关联分析
当用户连续发送多张相关截图时（如长文档分页截图），需要特殊处理：
// 在skill中添加会话状态管理 context.setState({ multiPageScan: true, prevPages: [...] });5.3 安全边界控制
为防止滥用，需要设置防护措施：
- 限制单日处理图片数量
- 对含人脸/证件照的图片自动拒绝处理
- 敏感关键词过滤（如"机密"、"内部"等）
6. 效果评估与改进方向
经过两周实际使用，这个方案成功处理了87%的日常截图解析需求。典型改进反馈包括：
- 对表格截图的支持需要加强（特别是合并单元格情况）
- 夜间处理速度比白天慢20%左右（可能由于共享GPU资源）
- 复杂技术架构图的解析深度有待提升
一个意外收获是，团队开始自发规范截图习惯——知道AI会"看"之后，大家截图时会更注意画面整洁度和信息完整性。
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。