Một skill nhận diện hình ảnh được tinh giản, tận dụng Ollama và mô hình qwen3.5:4b để trích xuất nội dung có độ chính xác cao trên nhiều kênh giao tiếp.
Cài đặt & Tải xuống
1. ClawHub CLI
Cách nhanh nhất để cài đặt kỹ năng trực tiếp từ thư viện.
npx clawhub@latest install vision-tool
2. Cài đặt Thủ công
Sao chép thư mục kỹ năng vào một trong những vị trí sau
~/.openclaw/skills/ <project>/skills/ Ưu tiên: Không gian làm việc > Cục bộ > Gói sẵn
3. Cài đặt Prompt
Sao chép prompt này vào OpenClaw để tự động cài đặt.
Giúp tôi cài đặt vision-tool bằng Clawhub. Nếu Clawhub chưa
Bạn muốn tải xuống?
Nhận các tệp kỹ năng gốc dưới dạng lưu trữ ZIP.
Vision Tool là gì?
Vision Tool là một tiện ích phân tích hình ảnh hiệu suất cao được thiết kế cho hệ sinh thái Openclaw Skills. Bằng cách tận dụng sức mạnh cục bộ của Ollama và mô hình qwen3.5:4b, nó cung cấp cho các nhà phát triển một cách đáng tin cậy để trích xuất văn bản mô tả và dữ liệu từ hình ảnh mà không cần phụ thuộc vào các cloud API đắt đỏ.
Công cụ này được tối ưu hóa đặc biệt cho việc trích xuất nội dung trực tiếp bằng endpoint /api/chat, giúp bỏ qua các trường tư duy phức tạp để có đầu ra sạch hơn và nhanh hơn. Cho dù bạn đang phát triển cho WeChat, Telegram hay Discord, skill này cung cấp một giao diện thống nhất để thêm trí thông minh thị giác vào AI Agents của bạn.
Trường hợp sử dụng Vision Tool
- Tự động hóa mô tả hình ảnh trên các nền tảng trò chuyện như Telegram, Discord và WeChat.
- Trích xuất văn bản và dữ liệu đối tượng từ ảnh bữa ăn hoặc tài liệu để theo dõi cá nhân.
- Tích hợp khả năng thị giác cục bộ vào các quy trình làm việc devops và giám sát tự động.
- Cung cấp hỗ trợ khả năng truy cập bằng cách tạo alt-text cho các phương tiện truyền thông được tải lên trong thời gian thực.
Cách thức hoạt động của Vision Tool
- Công cụ đọc tệp hình ảnh mục tiêu và chuyển đổi nó thành chuỗi mã hóa Base64 để xử lý.
- Một yêu cầu được gửi đến dịch vụ Ollama cục bộ thông qua endpoint /api/chat sử dụng mô hình qwen3.5:4b.
- Hệ thống thực hiện trích xuất nội dung trực tiếp từ phản hồi của mô hình, đảm bảo phân tích sạch và có cấu trúc.
- Xử lý fallback được áp dụng để dọn dẹp mọi định dạng hoặc trường tư duy không mong muốn.
- Phân tích mô tả cuối cùng được định dạng và trả về kênh Openclaw Skills đã gọi nó.
Cài đặt Vision Tool
Để bắt đầu với mục này trong thư viện Openclaw Skills, hãy đảm bảo rằng bạn đã cài đặt và chạy các điều kiện tiên quyết sau:
- Khởi động dịch vụ Ollama:
ollama serve
- Tải xuống mô hình cần thiết:
ollama pull qwen3.5:4b
- Cài đặt skill vision-tool:
clawhub install vision-tool
Lược đồ dữ liệu & Hệ thống phân loại của Vision Tool
Vision Tool tổ chức các hoạt động của mình thông qua cấu trúc tệp rõ ràng và siêu dữ liệu trực tiếp:
| Thành phần | Mô tả |
|---|---|
| main.py | Điểm truy cập chính để thực thi skill thông qua CLI. |
| vision_core.py | Công cụ chịu trách nhiệm tương tác API và mã hóa hình ảnh. |
| SKILL.md | Tài liệu và thông số kỹ thuật cho thư mục Openclaw Skills. |
| tests/ | Các bài kiểm tra đơn vị để đảm bảo độ tin cậy qua các bản cập nhật. |
Phân loại siêu dữ liệu:
- Phiên bản: 1.1.3
- Phụ thuộc chính: Ollama, Python 3.8+
- Kích thước hình ảnh được hỗ trợ: 100KB - 500KB (khuyên dùng để đạt hiệu suất tối ưu).
Tính năng Nâng cao của Vision Tool
- Hỗ trợ đa kênh để tích hợp mượt mà giữa WeChat, Telegram và Discord.
- Tiêm prompt tùy chỉnh cho phép người dùng xác định các mục tiêu phân tích cụ thể (ví dụ: 'Đối tượng nào có trong hình ảnh này?').
- Chế độ gỡ lỗi cho các nhà phát triển theo dõi phản hồi API thô và độ trễ thực thi.
- Kiến trúc phụ thuộc thấp sử dụng các lệnh gọi API trực tiếp thay vì phân tích cú pháp dựa trên regex phức tạp.
SKILL.md
Đang tải
Các kỹ năng Openclaw liên quan
Baby Planner
Một trợ lý tất cả trong một cho việc chuẩn bị mang thai, quản lý sức khỏe, đặt tên cho bé và tạo kiến thức nuôi dạy con.
Chiến lược giao dịch siêu ngắn hạn cổ phiếu A
Một kỹ năng giao dịch cổ phiếu A cấp chuyên nghiệp được thiết kế cho giao dịch chênh lệch giá ngắn hạn, tần suất cao, tập trung vào các cổ phiếu dẫn đầu và các lĩnh vực nóng.
Summarize CLI
Một giao diện dòng lệnh cực nhanh để tóm tắt các URL, tài liệu cục bộ và liên kết đa phương tiện bằng cách sử dụng các mô hình AI hiện đại nhất.
Humanizer
Một công cụ chuyên dụng để loại bỏ các mẫu nhân tạo và các dấu hiệu ngôn ngữ từ văn bản do AI tạo ra để làm cho nó nghe có vẻ giống con người thực sự.
TikTok Add Music
Một kỹ năng chỉnh sửa video được hỗ trợ bởi AI, tự động chọn và đồng bộ nhạc nền cho các clip TikTok của bạn bằng quy trình kết xuất đám mây chuyên nghiệp.
Adversarial Engine v2.0
Một công cụ tranh luận đa mô hình tinh vi tận dụng các vai trò cộng tác để kiến trúc, triển khai và kiểm thử áp lực các giải pháp kỹ thuật thông qua suy luận đối kháng.
Đặc sắc*
