OpenClaw 额外配置 OCR 能力：免费可行方案详解

很多小伙伴配置好 OpenClaw 后，发现默认的大模型不具备图像分析能力，无法识别图片中的文字或内容。今天就给大家分享几个免费且可行的解决方案！

---

📋 问题现状

OpenClaw 默认配置的大模型（如 GPT-4o、Claude 等）如果你的 API 版本不支持 vision，或者模型本身不具备多模态能力，就无法分析图片。

常见场景：

• ❌ 无法识别截图中的文字
• ❌ 无法分析上传的图片内容
• ❌ 无法读取证件、文档照片

---

✅ 解决方案一：使用 ocr-local 技能（推荐）

推荐理由： 100% 本地运行，完全免费，无需 API Key，支持中文和英文！

安装步骤

# 安装 tesseract.js
npm install tesseract.js

# 或者使用 OpenClaw 技能市场安装
openclaw skills install ocr-local

使用方法

# 识别中文截图
node scripts/ocr.js screenshot.png

# 识别英文文档
node scripts/ocr.js document.jpg --lang eng

# 混合中英文
node scripts/ocr.js mixed.png --lang chi_sim+eng

# JSON 格式输出
node scripts/ocr.js image.jpg --json

支持语言

代码	语言
chi_sim	简体中文
chi_tra	繁体中文
eng	英文

优缺点

• ✅ 完全免费
• ✅ 本地运行，隐私安全
• ✅ 无需 API Key
• ⚠️ 首次运行需下载语言包（~20MB）
• ⚠️ 手写体识别效果一般

---

✅ 解决方案二：使用免费的多模态模型

如果你需要识别图片内容（而不仅是文字），可以配置支持 Vision 的免费模型：

方案 A：使用 Ollama 本地模型

# 安装 Ollama
# 下载地址：https://ollama.com

# 拉取支持 vision 的模型
ollama pull llava
ollama pull moondream

配置文件：

{
  env: { 
    OLLAMA_BASE_URL: "http://localhost:11434" 
  },
  agents: { 
    defaults: { 
      model: { 
        primary: "ollama/llava" 
      } 
    } 
  }
}

方案 B：使用免费的 API 服务

1. GLM-4V-Flash（推荐）

{
  env: { 
    ZHIPU_API_KEY: "你的API Key" 
  },
  agents: { 
    defaults: { 
      model: { 
        primary: "zhipu/glm-4v-flash" 
      } 
    } 
  }
}

📌 GLM-4V-Flash 每月有免费额度，足够个人使用！

2. Moonshot AI (Kimi)

{
  env: { 
    MOONSHOT_API_KEY: "你的API Key" 
  },
  agents: { 
    defaults: { 
      model: { 
        primary: "moonshot/kimivl-v1.8k-vision" 
      } 
    } 
  }
}

3. MiniMax Vision

{
  env: { 
    MINIMAX_API_KEY: "你的API Key" 
  },
  agents: { 
    defaults: { 
      model: { 
        primary: "minimax/abab6.5s-chat" 
      } 
    } 
  }
}

---

✅ 解决方案三：ecloud-paper-grading 技能（高级 OCR）

如果你是教育行业或者需要高精度的印刷体 OCR，推荐使用 ecloud-paper-grading 技能：

核心能力

• ✅ PaddleOCR - 印刷体识别效果领先，中文识别准确率高
• ✅ 多模态大模型 - 手写体识别（需配置 API Key）
• ✅ 全学科支持 - 语文/数学/英语/物理/化学等

安装

openclaw skills install ecloud-paper-grading

环境要求

• Python 3.11+
• Visual C++ 运行库（Windows 必装）
• 首次运行自动安装 PaddleOCR

手动安装命令

# 安装 Visual C++ 运行库
# 下载: https://aka.ms/vs/17/release/vc_redist.x64.exe

# 安装 Python 依赖
pip install numpy==1.26.4
pip install protobuf==3.20.2
pip install paddlepaddle==2.6.2
pip install paddleocr==2.8.1

# 国内镜像
pip install numpy==1.26.4 protobuf==3.20.2 paddlepaddle==2.6.2 paddleocr==2.8.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

---

📊 方案对比

方案	费用	隐私	难度	适用场景
ocr-local	✅ 免费	✅ 本地	⭐ 简单	文字识别、中英文
Ollama 本地	✅ 免费	✅ 本地	⭐⭐ 中等	需要本地部署
GLM-4V-Flash	✅ 免费额度	❌ 云端	⭐ 简单	图片分析+理解
Moonshot/Kimi	❌ 付费	❌ 云端	⭐ 简单	图片分析+理解
PaddleOCR	✅ 免费	✅ 本地	⭐⭐⭐ 较复杂	高精度印刷体

---

🚀 快速上手推荐

场景 1：只需要识别图片文字

# 安装 ocr-local 技能
openclaw skills install ocr-local

# 使用
node scripts/ocr.js your_image.png

场景 2：需要分析图片内容

// 在配置文件中添加
{
  env: { 
    ZHIPU_API_KEY: "你的免费API Key" 
  },
  agents: { 
    defaults: { 
      model: { 
        primary: "zhipu/glm-4v-flash" 
      } 
    } 
  }
}

场景 3：教育行业高精度 OCR

# 安装 ecloud-paper-grading 技能
openclaw skills install ecloud-paper-grading

---

💡 常见问题

Q1：为什么模型不能识别图片？

检查配置文件中模型是否支持 vision，如 glm-4v-flash、moondream 等。

Q2：OCR 识别结果不准确怎么办？

• 确保图片清晰度高
• 选择合适的语言参数（chi_sim/eng）
• 对于手写体，建议使用多模态大模型方案

Q3：API Key 哪里获取？

• 智谱 AI：https://open.bigmodel.cn
• Moonshot：https://platform.moonshot.cn
• MiniMax：https://platform.minimax.io

---

📝 总结

需求	推荐方案
纯文字识别（免费）	ocr-local 技能
图片理解分析（免费额度）	GLM-4V-Flash
高精度印刷体	PaddleOCR (ecloud-paper-grading)
完全本地隐私	Ollama + llava

希望这篇方案能帮到你！如果觉得有用，欢迎收藏转发～有任何问题评论区见！