Openclaw向けVision Tool

Ollamaとqwen3.5:4bモデルを活用し、複数の通信チャネルで高精度のコンテンツ抽出を行う、合理化された画像認識スキルです。

huruilizhen

v1.1.3

Apr 13, 2026

インストール

概要情報

Skill.md

インストール＆ダウンロード

1. ClawHub CLI

レジストリから直接スキルをインストールする最速の方法です。


                  npx clawhub@latest install vision-tool

2. 手動インストール

スキルフォルダを以下のいずれかの場所にコピーしてください

グローバル

~/.openclaw/skills/

ワークスペース

<project>/skills/

優先順位：ワークスペース > ローカル > バンドル

3. プロンプトのインストール

このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。


                  Clawhubを使って vision-tool をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。

ダウンロードをご希望ですか？

ZIPアーカイブで生のスキルファイルを取得します。

Vision Tool とは？

Vision Toolは、Openclaw Skillsエコシステム用に設計された高性能な画像分析ユーティリティです。Ollamaとqwen3.5:4bモデルのローカルな処理能力を活用することで、高価なクラウドAPIに依存することなく、画像から説明文やデータを抽出するための信頼性の高い方法を開発者に提供します。

このツールは /api/chat エンドポイントを使用した直接的なコンテンツ抽出に最適化されており、複雑な思考フィールドの処理を回避することで、よりクリーンで高速な出力を実現します。WeChat、Telegram、Discordのいずれで開発している場合でも、このスキルはAI Agentに視覚的知能を追加するための統一されたインターフェースを提供します。

Vision Tool のユースケース

Telegram、Discord、WeChatなどのチャットプラットフォームにおける画像説明の自動化。
食事の写真やドキュメントからテキストやオブジェクトデータを抽出し、個人的な記録として管理。
自動化されたdevopsおよび監視ワークフローへのローカルビジョン機能の統合。
アップロードされたメディアに対してリアルタイムでalt-textを生成し、アクセシビリティをサポート。

Vision Tool の仕組み

ツールがターゲットの画像ファイルを読み込み、処理のためにBase64エンコード文字列に変換します。
/api/chat エンドポイントを介してqwen3.5:4bモデルを使用し、ローカルのOllamaサービスにリクエストが送信されます。
システムはモデルの応答から直接コンテンツを抽出し、クリーンで構造化された分析を保証します。
予期しない形式や思考フィールドを整理するために、フォールバック処理が適用されます。
最終的な分析結果がフォーマットされ、呼び出し元のOpenclaw Skillsチャネルに返されます。

Vision Tool のセットアップ

Openclaw Skillsライブラリのこの項目を開始するには、前提条件がインストールされ実行されていることを確認してください:

Ollamaサービスの起動:

ollama serve

必要なモデルのダウンロード:

ollama pull qwen3.5:4b

vision-toolスキルのインストール:

clawhub install vision-tool

Vision Tool のデータスキーマとタクソノミー

Vision Toolは、明確なファイル構造と直感的なメタデータを通じて操作を整理します:

コンポーネント	説明
main.py	CLI経由でスキルを実行するための主要なエントリポイント。
vision_core.py	APIインタラクションと画像エンコーディングを担当するエンジン。
SKILL.md	Openclaw Skillsレジストリのドキュメントと技術仕様。
tests/	更新全体にわたる信頼性を保証するためのユニットテスト。