OpenClaw家庭相册：Qwen3.5-9B-VL自动识别人物与场景分类

本文介绍了如何在星图GPU平台上自动化部署Qwen3.5-9B 90亿参数开源大语言模型镜像，实现智能家庭相册管理。该方案通过多模态识别技术，自动分析照片中的人物、场景和活动内容，适用于本地隐私安全的家庭照片分类与检索，显著提升相册管理效率。

Jump小酱

180人浏览 · 2026-04-03 01:54:54

Jump小酱 · 2026-04-03 01:54:54 发布

OpenClaw家庭相册：Qwen3.5-9B-VL自动识别人物与场景分类

1. 为什么需要智能相册管理

作为一个摄影爱好者和两个孩子的父亲，我的手机和硬盘里堆积了超过5万张家庭照片。每次想找特定场景（比如"去年夏天在海边的全家福"）都要花费大量时间翻找，更别提手动分类的枯燥感。直到发现OpenClaw结合Qwen3.5-9B-VL多模态模型的能力，才找到了解决方案。

传统相册管理工具通常依赖文件名或EXIF信息，而现代家庭照片更需要理解图像内容本身。这正是多模态大模型的优势所在——它不仅能识别物体和场景，还能理解人物关系、活动类型等语义信息。通过本地部署OpenClaw，我可以在不上传隐私数据到云端的情况下，实现智能相册管理。

2. 环境准备与模型部署

2.1 硬件与基础环境

我的实验环境是一台MacBook Pro（M1 Pro芯片，32GB内存），系统为macOS Sonoma 14.5。虽然Qwen3.5-9B-VL对显存要求较高，但通过量化技术和内存交换，在苹果芯片上仍能运行：

# 安装OpenClaw核心组件
curl -fsSL https://openclaw.ai/install.sh | bash
openclaw onboard --install-daemon

2.2 多模态模型配置

关键步骤是在~/.openclaw/openclaw.json中配置Qwen3.5-9B-VL模型：

{
  "models": {
    "providers": {
      "qwen-vl": {
        "baseUrl": "http://localhost:5000/v1",
        "api": "openai-completions",
        "models": [
          {
            "id": "qwen3.5-9b-vl",
            "name": "Qwen-VL Local",
            "contextWindow": 32768,
            "vision": true
          }
        ]
      }
    }
  }
}

这里我使用了星图平台提供的Qwen3.5-9B-VL镜像，通过Docker本地运行：

docker run -p 5000:5000 --gpus all qwen3.5-9b-vl:latest

3. 构建智能相册工作流

3.1 照片扫描与预处理

首先创建一个Python脚本photo_scanner.py，利用OpenClaw SDK扫描照片目录：

from openclaw.sdk import ClawSDK
import os

claw = ClawSDK()
photo_dir = "/Users/me/Pictures/Family"

def scan_photos():
    photos = []
    for root, _, files in os.walk(photo_dir):
        for file in files:
            if file.lower().endswith(('.jpg', '.jpeg', '.png')):
                photos.append(os.path.join(root, file))
    return photos[:1000]  # 首次测试限制1000张

claw.store("family_photos", scan_photos())

3.2 多模态识别任务设计

通过OpenClaw控制台创建识别任务时，需要精心设计提示词。这是我经过多次调整后的版本：

你是一个专业的家庭相册助手。请分析每张照片并输出JSON格式结果，包含：
1. 主要人物（描述外貌特征与可能的身份）
2. 场景类型（室内/户外+具体地点）
3. 活动内容（如生日派对、旅行等）
4. 情感氛围（欢乐/温馨/正式等）
5. 时间推测（季节、白天/夜晚）

特别注意事项：
- 对儿童外貌变化保持宽容识别
- 同一场景多次出现要保持分类一致
- 不确定时标记"unknown"而非猜测

3.3 自动化分类实现

在OpenClaw中创建auto_album技能，核心处理逻辑如下：

import json
from datetime import datetime
from pathlib import Path

def analyze_photo(image_path):
    vision_prompt = open("prompts/photo_analysis.txt").read()
    result = claw.vision_query(
        model="qwen3.5-9b-vl",
        image=image_path,
        prompt=vision_prompt
    )
    return json.loads(result)

def organize_photos():
    albums = {}
    for photo in claw.recall("family_photos"):
        try:
            analysis = analyze_photo(photo)
            key = f"{analysis['scene']}/{analysis['activity']}"
            
            if key not in albums:
                albums[key] = []
            albums[key].append({
                "path": photo,
                "people": analysis["people"],
                "date": guess_date(photo, analysis)
            })
        except Exception as e:
            print(f"Error processing {photo}: {str(e)}")
    
    generate_html_albums(albums)

4. 实践中的挑战与解决方案

4.1 人物识别准确率问题

初期测试发现模型对儿童成长变化识别较差——同一孩子不同年龄段的照片常被误认为不同人。通过以下策略改善：

在提示词中强调"考虑儿童成长带来的外貌变化"
对关键家庭成员添加参考照片（如"这是小明3岁时的样子"）
建立人物别名表（"宝宝"="小明"="我们家儿子"）

4.2 场景分类一致性

模型有时对相似场景给出不同分类，比如"海滩"和"海边"。解决方法包括：

后处理阶段使用语义相似度聚类
维护场景同义词词典
对模糊结果添加人工标记接口

4.3 性能优化技巧

处理万级照片时，需要注意：

# 启用OpenClaw的批处理模式
openclaw config set batch.size 32
openclaw config set batch.delay 5

# 模型推理参数调优
openclaw config set model.qwen3.5-9b-vl.temperature 0.2
openclaw config set model.qwen3.5-9b-vl.max_tokens 512