当前位置：首页 > news >正文

零代码玩转OpenClaw：ollama-QwQ-32B自动化脚本生成教程

news 2026/4/8 21:32:27

零代码玩转OpenClaw：ollama-QwQ-32B自动化脚本生成教程

1. 为什么选择OpenClaw+ollama-QwQ-32B组合？

上周我在整理旅行照片时，面对上千张命名混乱的图片文件，突然意识到：这不正是测试OpenClaw自动化能力的绝佳场景吗？作为一个非技术背景的普通用户，我决定尝试用自然语言指令让AI帮我完成这项繁琐工作。

OpenClaw与ollama-QwQ-32B的组合给了我惊喜。不同于传统编程需要掌握语法规则，这套方案让我用日常对话的方式描述需求，就能自动生成可执行的Python脚本。更关键的是，整个过程完全在本地运行，我的照片数据不会上传到任何第三方服务器。

2. 环境准备：10分钟快速搭建

2.1 基础组件安装

首先确保系统已安装Node.js（v18+），然后在终端执行以下命令完成OpenClaw安装：

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

对于ollama-QwQ-32B模型，推荐使用Docker快速部署：

docker run -d -p 11434:11434 --name qwq-32b ollama/qwq-32b

2.2 配置模型连接

编辑OpenClaw配置文件（~/.openclaw/openclaw.json），在models部分添加：

"providers": { "ollama-local": { "baseUrl": "http://localhost:11434", "api": "openai-completions", "models": [{ "id": "qwq-32b", "name": "Local QwQ-32B", "contextWindow": 32768 }] } }

启动网关服务后，可以通过openclaw models list验证连接状态：

openclaw gateway start openclaw models list

3. 实战：批量重命名图片

3.1 初始指令与响应

我在OpenClaw的Web控制台输入了第一条自然语言指令：

"请帮我写一个Python脚本，将桌面/Photos文件夹里的所有.jpg文件按拍摄日期重命名，格式为'旅行照片_YYYYMMDD_HHMMSS.jpg'"

约20秒后，系统返回了完整的Python脚本：

import os from datetime import datetime from PIL import Image photo_dir = os.path.expanduser("~/Desktop/Photos") for filename in os.listdir(photo_dir): if filename.lower().endswith('.jpg'): try: img_path = os.path.join(photo_dir, filename) img = Image.open(img_path) exif = img._getexif() date_str = exif[36867] if exif and 36867 in exif else "19700101_000000" dt = datetime.strptime(date_str, "%Y:%m:%d %H:%M:%S") new_name = f"旅行照片_{dt.strftime('%Y%m%d_%H%M%S')}.jpg" os.rename(img_path, os.path.join(photo_dir, new_name)) except Exception as e: print(f"处理 {filename} 失败: {str(e)}")

3.2 错误调试与迭代

首次运行时脚本报错，因为部分手机照片的EXIF信息格式不同。我直接向OpenClaw反馈错误：

"有些照片报错说时间格式不匹配，请改进脚本兼容不同格式的EXIF日期"

系统返回了改进版本，增加了多种日期格式解析：

date_formats = [ "%Y:%m:%d %H:%M:%S", # 标准EXIF格式 "%Y-%m-%d %H:%M:%S", # 部分安卓格式 "%Y%m%d_%H%M%S" # 备用格式 ] for fmt in date_formats: try: dt = datetime.strptime(date_str, fmt) break except ValueError: continue

4. 进阶技巧：处理复杂需求

4.1 多条件组合任务

当我需要更复杂的命名规则时，发现用自然语言描述越具体效果越好。例如：

"现在想按城市分类照片：先读取图片GPS信息获取城市，然后创建城市名文件夹，把照片移动进去并按'城市_序号.jpg'命名。找不到GPS的就放在'未分类'文件夹。"

生成的脚本自动集成了geopy库进行逆地理编码：

from geopy.geocoders import Nominatim geolocator = Nominatim(user_agent="photo_organizer") def get_city(lat, lng): location = geolocator.reverse(f"{lat}, {lng}") return location.raw['address'].get('city', '未知城市')