OpenClaw技能打包发布将Qwen3.5-9B-AWQ-4bit图片工具上传ClawHub1. 为什么需要技能打包上周我在整理旅行照片时突然意识到一个痛点每次需要从几百张照片中筛选出包含特定元素的图片比如所有有狗的合照都要手动翻找半天。虽然Qwen3.5-9B-AWQ-4bit这个多模态模型已经能理解图片内容但每次都要写脚本调用太麻烦。于是萌生了一个想法——为什么不把这个功能打包成OpenClaw技能既方便自己复用也能分享给其他有同样需求的人技能打包的本质是把一个特定场景的自动化能力标准化。就像手机APP商店里的应用用户不需要知道背后的代码逻辑安装后就能直接使用。通过ClawHub分享技能可以让更多非技术用户也能享受到AI自动化的便利。2. 开发前的准备工作2.1 环境确认首先确保本地已经部署好OpenClaw核心服务。我使用的是最新稳定版openclaw --version # 输出示例openclaw/1.3.2 darwin-arm64 node-v18.16.0同时需要安装ClawHub CLI工具npm install -g clawhublatest2.2 模型接入验证由于我们的技能要调用Qwen3.5-9B-AWQ-4bit模型需要先在OpenClaw中完成模型配置。在~/.openclaw/openclaw.json中添加{ models: { providers: { qwen-multimodal: { baseUrl: http://localhost:8080, // 模型服务地址 apiKey: your-api-key, api: openai-completions, models: [ { id: qwen3.5-9b-awq-4bit, name: Qwen Multimodal, contextWindow: 32768, maxTokens: 4096 } ] } } } }配置完成后可以通过简单命令测试模型是否可用openclaw models test qwen3.5-9b-awq-4bit -p 描述这张图片 --image ./test.jpg3. 创建技能项目结构OpenClaw技能本质上是一个特定结构的Node.js包。我习惯用以下目录结构image-tool/ ├── package.json ├── README.md ├── src/ │ ├── index.js # 主逻辑 │ ├── test.js # 测试用例 │ └── schemas/ # 参数校验规则 ├── examples/ # 使用示例 └── assets/ # 静态资源3.1 初始化package.json关键是要正确声明openclaw-plugin类型和元数据{ name: image-search-tool, version: 0.1.0, type: openclaw-plugin, main: src/index.js, openclaw: { skillName: 图片搜索工具, description: 基于Qwen多模态模型的图片内容搜索工具, icon: assets/icon.png, author: your-name, categories: [image-processing, productivity], permissions: [files.read, models.query], inputs: { keyword: { type: string, description: 搜索关键词 }, folder: { type: string, description: 图片目录路径, default: ./ } } }, dependencies: { openclaw/core: ^1.3.0, glob: ^10.3.10 } }特别注意permissions字段它声明了技能需要哪些系统权限。这是OpenClaw的安全机制用户安装时会明确知晓技能将访问哪些资源。4. 编写核心逻辑在src/index.js中实现主要功能。以下是处理图片搜索的核心代码const { BaseSkill } require(openclaw/core); const glob require(glob); const path require(path); class ImageSearchSkill extends BaseSkill { async execute(params) { const { keyword, folder ./ } params; // 1. 获取目录下所有图片 const images glob.sync(${folder}/**/*.{jpg,png,gif}); // 2. 分批处理避免token超限 const batchSize 5; const results []; for (let i 0; i images.length; i batchSize) { const batch images.slice(i, i batchSize); const responses await Promise.all( batch.map(img this.queryModel({ model: qwen3.5-9b-awq-4bit, prompt: 图片是否包含${keyword}只需回答是或否, image: path.resolve(img) })) ); // 3. 过滤出包含关键词的图片 batch.forEach((img, idx) { if (responses[idx].toLowerCase().includes(是)) { results.push(img); } }); } return { matchedCount: results.length, matchedImages: results }; } } module.exports ImageSearchSkill;这段代码展示了几个关键点使用glob模块递归查找图片文件分批调用模型API避免token超限通过this.queryModel方法调用配置好的Qwen模型5. 处理模型许可证依赖由于Qwen3.5-9B使用自定义许可证我们需要在技能包中明确声明依赖关系。在package.json中添加{ openclaw: { modelRequirements: { qwen3.5-9b-awq-4bit: { license: Tongyi Qianwen LICENSE, minVersion: 1.0.0, capabilities: [multimodal] } } } }同时在README.md中注明用户须知## 许可证说明 本技能需要配合Qwen3.5-9B-AWQ-4bit模型使用该模型受[Tongyi Qianwen LICENSE](https://qwen.readthedocs.io/en/latest/license.html)约束。使用前请确保 - 已获得合法的模型使用权 - 遵守模型许可证中关于禁止使用的条款6. 编写测试用例好的技能应该包含完整的测试用例。在src/test.js中const { mockSkill } require(openclaw/core); const ImageSearchSkill require(./index); describe(ImageSearchSkill, () { let skill; beforeAll(() { skill mockSkill(ImageSearchSkill, { models: { qwen3.5-9b-awq-4bit: (prompt, { image }) { if (image.includes(dog)) return 是; return 否; } } }); }); it(应该能找出包含特定元素的图片, async () { const result await skill.execute({ keyword: 狗, folder: ./test-images }); expect(result.matchedCount).toBeGreaterThan(0); expect(result.matchedImages.some(img img.includes(dog))).toBeTruthy(); }); });这个测试用例使用mockSkill创建测试环境模拟模型返回结果验证技能的基础功能可以通过以下命令运行测试node src/test.js7. 本地调试技巧开发过程中我总结出几个实用的调试方法使用开发模式加载技能openclaw dev ./image-tool这样修改代码后会自动重载无需反复重启服务。查看详细日志openclaw gateway start --log-level debug模拟用户输入 在OpenClaw Web控制台可以直接输入自然语言测试帮我找出~/Pictures里所有有猫的照片8. 打包与发布到ClawHub当技能通过本地测试后就可以准备发布了。8.1 版本管理与打包首先更新版本号遵循语义化版本控制npm version patch # 或 minor/major然后打包技能clawhub pack ./image-tool这会生成一个image-tool-0.1.0.claw的打包文件。8.2 发布到ClawHub发布前需要先登录clawhub login然后执行发布clawhub publish ./image-tool-0.1.0.claw \ --desc 基于Qwen多模态模型的图片搜索工具 \ --tags image,search,qwen \ --category productivity发布成功后会返回技能的ClawHub页面链接其他用户就可以通过这个链接安装你的技能了。9. 后续维护建议技能发布后我通常会做以下几件事收集用户反馈在README中添加issue模板鼓励用户报告问题版本更新当Qwen模型升级时及时测试兼容性并发布新版本性能优化对于图片多的场景可以增加缓存机制扩展功能比如添加相似图片查找、自动生成相册等功能通过ClawHub的统计功能还能看到技能的使用情况clawhub stats image-search-tool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。