ClawdBot动态演示：从上传图片→OCR识别→自动翻译→发送结果全过程录屏

1. ClawdBot 是什么？一个能跑在你电脑上的“翻译工作台”

ClawdBot 不是一个云端服务，也不是需要注册账号的 SaaS 工具。它更像一台你亲手组装、随时开机就能用的「AI翻译工作站」——所有处理都在你自己的设备上完成，不上传图片、不外泄文字、不依赖网络 API（可选离线模式），连 Telegram 消息都只在本地解析。

它背后不是单个模型，而是一套协同工作的智能流水线：当你拖入一张菜单截图，ClawdBot 会自动调用 PaddleOCR 提取中文文字，再通过 LibreTranslate 或 Google Translate 引擎实时转成英文；如果你发来一段语音，它先用 Whisper tiny 本地转写成文字，再翻译；甚至群聊里有人贴出带文字的海报，它也能默默识别并回复译文——整个过程，你只需点一下、传一张、等两秒。

最关键的是：它不黑盒。配置文件是明文 JSON，模型路径可改、OCR 引擎可换、翻译后端可插拔。你不是在“使用一个机器人”，而是在“调度一个可定制的 AI 工作流”。

2. 和 MoltBot 的关系：ClawdBot 是“控制台”，MoltBot 是“执行终端”

2.1 它们不是同一个项目，但天生一对

MoltBot 是 2025 年开源的 Telegram 全能翻译机器人——轻量、开箱即用、一条 docker run 就能上线。它专注“交付”，把 OCR、语音转写、多语言翻译、天气汇率查询打包进一个 Telegram bot，树莓派都能扛住 15 人并发。

ClawdBot 则相反：它不直接对接 Telegram，也不提供 bot token。它是一个本地运行的 Web 控制台 + 模型网关，核心价值是「可视化编排」和「全链路调试」。你可以把它理解为 MoltBot 的“驾驶舱”：

• MoltBot 负责在 Telegram 群里收消息、调接口、发回复；
• ClawdBot 负责让你看清每一步发生了什么——图片传进来时 OCR 识别了哪几行字？翻译用了哪个引擎？响应耗时多少毫秒？错误日志在哪一行？

它们的关系，就像「示波器」和「电路板」：MoltBot 是实际工作的硬件电路，ClawdBot 是帮你观测信号、定位抖动、替换元件的调试工具。

2.2 为什么你需要这个组合？

单纯用 MoltBot，你得到的是结果；用 ClawdBot + MoltBot，你得到的是确定性和可控性：

• 当 OCR 把“寿司”识别成“涛司”？你能在 ClawdBot 界面直接上传原图，实时查看 PaddleOCR 的识别框和置信度，调整预处理参数（灰度/二值化/旋转校正）再试一次；
• 当某条翻译结果生硬？你可以在 ClawdBot 中切换 LibreTranslate 和 Google 引擎对比输出，甚至临时注入提示词：“请用餐厅服务员口吻翻译，简洁友好”；
• 当群聊里多人同时发图卡顿？ClawdBot 的监控面板会显示当前 OCR 队列长度、GPU 显存占用、vLLM 推理吞吐，而不是让 MoltBot 黑着屏“假装还在思考”。

这不是炫技，而是把 AI 应用从“玄学调用”拉回“工程实践”。

3. 全流程动态演示：一张日料菜单如何被翻译成英文

我们不讲概念，直接走一遍真实操作——从你双击打开 ClawdBot 控制台，到最终在 Telegram 收到翻译结果。全程无跳步、无剪辑、无美化，就是你第一次上手会经历的全部。

3.1 启动与登录：三步拿到控制台

ClawdBot 默认不开放公网访问，首次使用需手动授权设备。这不是安全漏洞，而是隐私设计：它拒绝“默认联网”，坚持“你点头才通信”。

1. 启动服务后，在终端执行：

   clawdbot devices list
   

   你会看到类似这样的 pending 请求：

   ID: 7a8b9cde-f012-3456-7890-abcdef123456
   Status: pending
   Created: 2026-01-24 14:22:03
   

2. 复制 ID，执行批准命令：

   clawdbot devices approve 7a8b9cde-f012-3456-7890-abcdef123456
   

3. 若仍无法访问网页，运行：

   clawdbot dashboard
   

   它会输出一个带 token 的本地链接，例如：

   http://localhost:7860/?token=23588143fd1588692851f6cbe9218ec6b874bb859e775762
   

   粘贴进浏览器，控制台就出现了。

小提醒：这个 token 是单次有效、短期过期的，且只用于本地回环（127.0.0.1）。它不会出现在任何日志或网络请求中，也不会被远程服务器记录。

3.2 上传图片：不是“拖进去就完事”，而是“告诉它你想怎么读”

进入界面后，左侧导航栏点击 Files → Upload，选择一张带日文的菜单图（比如寿司店价目表）。注意：ClawdBot 不会立刻开始 OCR——它先让你做三件事：

• 选择 OCR 模式：

  • Japanese（专精日文，识别假名+汉字更准）
  • Multilingual（支持中英日韩等 80+ 语种，但单语精度略低）
  • Custom（可上传自定义 PaddleOCR 字典）

• 设置区域裁剪（可选）：
  如果菜单上有大量无关信息（Logo、边框、二维码），你可以用鼠标框选仅含文字的区域，避免 OCR 被干扰。

• 开启“增强识别”（推荐勾选）：
  自动进行对比度拉伸 + 文字方向校正 + 噪点抑制——对手机拍摄的倾斜、反光、阴影图片特别有用。

点击上传后，右上角会出现一个实时进度条，同时下方日志区滚动显示：

[OCR] Loading PaddleOCR Japanese model...
[OCR] Preprocessing image (resize, denoise, rotate)...
[OCR] Running text detection...
[OCR] Running recognition on 12 text boxes...

整个过程约 1.8 秒（RTX 4060 笔记本实测），比手机拍照翻译 App 还快。

3.3 查看识别结果：不只是“文字列表”，而是“可编辑的结构化数据”

OCR 完成后，页面自动跳转到 Results → OCR 标签页。这里不是简单罗列文字，而是以表格形式呈现每一块识别内容：

Box ID	Text	Confidence	Language	BBox (x,y,w,h)
001	マグロ（赤身）	0.982	ja	[42, 87, 156, 28]
002	¥1,200	0.991	en	[210, 85, 82, 26]
003	サーモン	0.976	ja	[42, 125, 98, 27]

你可以：

• 点击任意一行，高亮对应图片上的识别框；
• 双击 Text 单元格，手动修正错字（比如把“サーモン”改成“サーモン（三文鱼）”）；
• 拖拽调整 BBox 坐标，重新划定识别范围；
• 点击右侧 → Translate 按钮，将当前行单独提交翻译。

这种“所见即所得”的交互，让 OCR 不再是“一锤子买卖”，而是可验证、可干预、可迭代的环节。

3.4 自动翻译：双引擎 fallback + 上下文感知

点击整页的 Translate All，ClawdBot 开始调用翻译流水线。它不是简单把所有文字拼成一段扔给翻译 API，而是做了三层处理：

1. 语言聚类：自动将日文（ja）、数字价格（en）、英文单位（g / pcs）分组，避免“¥1,200”被误译成“人民币1200元”；
2. 上下文注入：在翻译请求中附带提示：“这是一份日本寿司店菜单，请用美式英语翻译，保留价格符号和单位，专业简洁”；
3. 双引擎 fallback：
   • 首选 LibreTranslate（完全离线，响应快）；
   • 若返回空或置信度＜0.85，则自动切到 Google Translate（需联网，质量更高）。

最终生成的翻译结果如下（左侧为原文，右侧为译文）：

原文	译文	引擎	耗时
マグロ（赤身）	Tuna (Akami)	LibreTranslate	0.32s
¥1,200	¥1,200	—	—
サーモン	Salmon	LibreTranslate	0.28s
トロ（大トロ）	Toro (Otoro)	Google Translate	0.76s

关键细节：价格行未被翻译，因为 ClawdBot 识别出它是纯数字+货币符号，属于“无需翻译的元信息”。这种判断不是靠规则硬编码，而是基于 vLLM 模型对文本语义的实时理解。

3.5 发送至 Telegram：不是“发消息”，而是“触发 MoltBot 工作流”

ClawdBot 本身不连接 Telegram。它的“发送”按钮，本质是向本地运行的 MoltBot 发起一个 HTTP POST 请求，载荷包含：

{
  "chat_id": "-1001234567890",
  "message": "【Sushi Menu Translation】\nTuna (Akami) — ¥1,200\nSalmon — ¥980\nToro (Otoro) — ¥2,500",
  "source_image_url": "http://localhost:7860/files/menu_jp_20260124.jpg"
}

MoltBot 收到后，会：

• 自动添加来源水印（“via ClawdBot”）；
• 检查目标群是否启用“图片翻译”功能；
• 若开启，则将原文图片+译文文本合并为一张带双语标注的卡片图，再发送；
• 同时记录本次任务 ID，供后续在 ClawdBot 的 History 标签页追溯。

你不需要配置 webhook、不用管理 bot token、不碰 Telegram Bot API——ClawdBot 和 MoltBot 通过本地 Unix Socket 通信，零配置、零暴露、零中间代理。

4. 为什么这套流程值得你花时间部署？

很多人会问：手机拍照翻译 App 不香吗？为什么还要自己搭一套？

答案藏在三个被忽略的刚性需求里：

4.1 隐私不是“选项”，而是“默认状态”

• 手机 App 上传的每张图，都经过厂商服务器；OCR 结果、翻译记录、使用频次，全在对方数据库里；
• ClawdBot + MoltBot 的整个链路，图片只存在于你本地 /app/workspace 目录，OCR 模型在内存中加载，翻译请求若用 LibreTranslate 则全程离线——你的菜单图，永远不会离开你的硬盘。

4.2 稳定不是“大概率可用”，而是“故障可定位”

• 当翻译突然变慢，App 只给你一个“加载中…”图标；ClawdBot 的 Monitoring 面板则实时显示：
  • OCR 队列深度：2（正常＜5）
  • vLLM GPU 显存占用：62%
  • LibreTranslate 响应 P95 延迟：0.41s
  • 最近 10 分钟错误日志：0 条
• 一切异常，都可归因到具体模块，而不是归咎于“网络不好”。

4.3 可控不是“只能开关”，而是“每个齿轮都可调”

• 你想让 OCR 更侧重日文假名？改 clawdbot.json 里的 "ocr_lang": "ja"；
• 你觉得 Google 翻译太啰嗦？在 UI 的 Config → Translation 里，把提示词从“专业简洁”换成“口语化，带emoji”；
• 你发现群聊里常发 PDF 菜单？在 Models → Providers 添加 pdf2image 插件，ClawdBot 就能自动转 PDF 第一页为图片再 OCR。

这不是“用一个工具”，而是“拥有一个工具链”。

5. 总结：ClawdBot 不是终点，而是你掌控 AI 的起点

ClawdBot 的价值，从来不在它能多快翻译一张图，而在于它把原本黑箱的 AI 流程，拆解成你肉眼可见、手指可触、逻辑可溯的每一个环节：

• 你看到的不是“翻译结果”，而是 OCR 的识别框、翻译引擎的选择、上下文提示的注入；
• 你操作的不是“一键生成”，而是对每张图做区域裁剪、对每行字做人工校验、对每次翻译做策略切换；
• 你部署的不是“一个机器人”，而是本地可控的 AI 工作台，它随时听你调度，也随时为你留出调试入口。

它不承诺“取代你”，而是坚定地站在你身后，把技术的不确定性，变成你指尖的确定性。

---

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。