极客玩法：OpenClaw+Qwen3.5-9B-AWQ-4bit搭建智能相册分类系统
极客玩法：OpenClaw+Qwen3.5-9B-AWQ-4bit搭建智能相册分类系统
1. 为什么需要智能相册分类
作为一个摄影爱好者，我的硬盘里堆积着超过3万张未整理的照片。每次想找特定场景的照片时，都要花费大量时间翻找。传统相册管理工具要么依赖手动打标签，要么只能基于EXIF信息做简单分类，无法理解照片内容本身。
直到发现OpenClaw可以调用Qwen3.5这类多模态模型，我突然意识到：让AI看懂照片内容并自动分类，才是解决这个痛点的终极方案。经过两周的折腾，终于实现了一套能通过自然语言指令（比如"按地点整理去年旅行照片"）自动分类相册的系统。下面分享我的实践过程。
2. 技术方案设计
2.1 核心组件选型
这套系统的核心是OpenClaw的任务编排能力和Qwen3.5的图像理解能力的组合：
- OpenClaw：负责文件系统操作（读取照片、创建文件夹、移动文件）和任务流程控制
- Qwen3.5-9B-AWQ-4bit：负责分析图片内容，提取关键信息（场景、主体、时间等）
选择Qwen3.5的AWQ量化版本是因为：
- 4bit量化后9B参数的模型在我的RTX 3060显卡（12GB显存）上能流畅运行
- 在多模态任务中表现出良好的中文理解能力
- 支持长上下文（32K tokens），适合处理批量图片分析
2.2 混合判断逻辑设计
单纯依赖模型分析每张照片效率太低，我设计了三层判断逻辑：
- EXIF元数据优先：先读取照片的拍摄时间、GPS位置等元数据
- 内容分析补充：当EXIF信息不全时，调用Qwen3.5分析图片内容
- 用户指令适配：根据用户指令（如"按地点"或"按主题"）动态调整分类策略
这种混合方案既利用了EXIF的高可靠性，又通过模型补足了元数据缺失的情况。
3. 系统搭建过程
3.1 环境准备
首先在Ubuntu 22.04系统上部署所需组件：
# 安装OpenClaw curl -fsSL https://openclaw.ai/install.sh | bash openclaw onboard --mode Advanced # 拉取Qwen3.5镜像 docker pull registry.cn-hangzhou.aliyuncs.com/qwen/qwen3.5-9b-awq:4bit配置OpenClaw连接本地模型服务。编辑~/.openclaw/openclaw.json：
{ "models": { "providers": { "local-qwen": { "baseUrl": "http://localhost:8000/v1", "api": "openai-completions", "models": [ { "id": "qwen3.5-9b-awq", "name": "Local Qwen3.5", "contextWindow": 32768 } ] } } } }3.2 核心技能开发
我开发了一个自定义Skill来处理相册分类任务。核心代码逻辑：
def classify_photos(task): # 解析用户指令 instruction = analyze_instruction(task.command) # 遍历照片目录 for photo in scan_photos(task.photo_dir): # 尝试读取EXIF meta = read_exif(photo.path) # 根据指令类型决定分类策略 if instruction.type == "location": if meta.gps: category = reverse_geocode(meta.gps) else: # 调用模型分析场景 description = qwen_analyze( photo.path, "描述这张照片的拍摄地点特征" ) category = extract_location(description) # 创建分类目录并移动文件 ensure_dir(f"{task.output_dir}/{category}") move_file(photo.path, f"{task.output_dir}/{category}")3.3 模型提示词优化
为了让Qwen3.5更好地理解分类需求，我设计了特定的提示词模板：
你是一个专业的照片内容分析助手。请根据用户指令分析图片，提取关键信息。 当前指令：{instruction} 图片分析要求： 1. 重点识别{instruction}相关特征 2. 用中文输出简洁的描述 3. 不要添加无关的分析 例如当指令是"按地点分类"时，关注： - 自然景观特征（山脉、河流等） - 建筑特征（地标、街道等） - 室内场景特征（餐厅、酒店等）这种结构化提示显著提高了模型输出的可用性。
4. 实际效果演示
4.1 基础分类场景
对包含200张旅行照片的文件夹执行：
openclaw execute "按地点整理去年旅行照片" \ --photo-dir ~/Photos/2023-trip \ --output-dir ~/Photos/sorted系统自动创建了以下目录结构：
sorted/ ├── 北京-故宫 ├── 杭州-西湖 ├── 成都-熊猫基地 └── 西安-兵马俑分类准确率约85%，主要错误发生在：
- 某些室内场景难以确定具体城市
- 相似建筑风格的不同景点被混淆
4.2 复杂指令处理
更复杂的自然语言指令也能处理：
"把去年夏天的照片按活动类型分类，跳过室内人像"系统会：
- 先通过EXIF过滤出6-8月拍摄的照片
- 识别"室内人像"并排除
- 按"徒步"、"美食"、"观光"等类别分类
4.3 性能表现
在我的设备上（RTX 3060 + i7-12700）：
- 纯EXIF分类：约500张/秒
- 需要模型分析的场景：约2张/秒
- 内存占用：模型加载后约8GB
对于万张级别的相册，建议分批处理。
5. 遇到的问题与解决方案
5.1 模型分析不一致性
初期发现同一场景的照片可能得到不同的描述。通过以下方法改善：
- 在提示词中要求更具体的描述风格
- 对模型输出添加后处理（提取关键词、标准化地名）
- 对不确定的照片增加人工复核队列
5.2 长任务稳定性
处理大批量照片时，OpenClaw任务可能中断。解决方案：
- 实现任务状态持久化，支持断点续传
- 将大任务拆分为小批次（每次100张）
- 添加监控和通知机制
5.3 隐私考虑
所有照片都在本地处理，但为避免意外：
- 限制技能只能访问指定目录
- 敏感照片单独存放不纳入自动处理
- 定期清理模型生成的临时分析结果
6. 扩展应用场景
这套方案稍作修改就能支持更多有趣的应用：
- 智能照片搜索：通过自然语言查找特定内容照片
- 自动生成相册：根据时间线或主题生成带描述的电子相册
- 家庭照片管理：自动识别人物并建立关系图谱
- 摄影作品筛选：根据构图、色彩等美学要素分类
相比商业相册管理软件，这种自建方案的最大优势是完全可定制，能根据个人需求调整分类逻辑。
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。