用 view_image 让 AI 看懂图片：OpenClaw 本地图片/截图/二维码理解实战

openclaw view image 图片理解实战 —— AI 不必联网就能读图——本地与 URL 图片直接进模型上下文，附二维码解码技巧。

为什么需要 view_image

很多 OpenClaw 任务会产出或接触到图片：截图、生成的封面、下载的报表、别人发来的二维码、报错截图。以往要「看」一张图，得先把图传到某个多模态 API 再取回结果，链路长、还可能把图泄露到第三方。

view_image 是 OpenClaw 内置的图片加载工具：它把图片直接读进当前模型上下文，模型当场就能「看」并回答。它不依赖额外上传步骤，本地路径和受信任 URL 都能用，最多一次 20 张。一句话：让 AI 用眼睛替你把图看明白，而不是让你自己描述图里有什么。

注意：view_image 是「加载到模型上下文」用于推理，不会把它当成要发给用户的附件。要给用户发图，用的是 message 工具的 attachments。

工具长什么样

核心参数就这几个：

| 参数 | 含义 | 默认值/约束 |

|------|------|------|

| path | 单个本地图片路径或受信任 URL | 与 paths 二选一 |

| paths | 多图列表，最多 20 张 | 与 path 二选一 |

| prompt | 针对图片要回答的问题 | 可选；不给也会进上下文 |

| maxImages | 限制加载数量 | 默认 20 |

用法分两种：单图用 path，批量用 paths。maxBytesMb 可限制单图大小（避免超大图撑爆上下文）。

真实可用的调用

1) 看一张本地截图

假设你截了某个后台报错页面，想知道问题出在哪：

{
  "path": "/root/.openclaw/workspace/tmp/error-shot.png",
  "prompt": "这是一段报错截图，请识别错误信息并给出最可能的解决方向"
}

模型会读取这张图，识别图中的文字与布局，直接告诉你错在哪、怎么修——不用你手抄报错文本。

2) 批量看一组生成稿

你用 image_generate 一次出了 4 张封面，想快速挑一张：

{
  "paths": [
    "/root/.openclaw/workspace/out/cover-1.png",
    "/root/.openclaw/workspace/out/cover-2.png",
    "/root/.openclaw/workspace/out/cover-3.png",
    "/root/.openclaw/workspace/out/cover-4.png"
  ],
  "prompt": "这四张封面分别适合什么主题？哪张信息层级最清晰？"
}

3) 看一个 URL 图片（受信任源）

{
  "path": "https://zyker.cn/images/wechat-qr.png",
  "prompt": "这是公众号二维码吗？请确认它是二维码而非普通图片"
}

一个实用组合技：二维码解码

view_image 配合 prompt 能直接「读」二维码内容（当模型本身具备视觉能力时）。这在两个场景很有用：

你收到一张二维码截图，想确认它指向哪里再决定是否扫码——先看图、再决定，避免乱扫。

发布流程自检：文章末尾会带公众号二维码，发布后你想确认线上那张图确实是二维码而不是加载失败的占位图。

{
  "path": "/var/www/zyker.cn-static/images/wechat-qr.png",
  "prompt": "请判断这张图是否为有效的二维码，并尽可能解码其内容类型（如公众号/网址），不要编造具体跳转地址"
}

安全提醒：view_image 只是「看」，不会执行二维码里的任何动作。看到是网址也别直接打开，先确认来源可信。

和其他工具的边界

容易混淆的几个点：

view_image vs image_generate：前者是「读图」，后者是「生图」。一个输入图片、一个输出图片，方向相反。

view_image vs message attachments：前者把图喂给模型看；后者把图作为消息附件发给用户。想让用户看到图，用 message；想让 AI 分析图，用 view_image。

view_image vs browser screenshot：browser 工具截图是「操控网页时顺手截」，view_image 是「拿已有的图来分析」，不依赖浏览器。

踩坑提示

路径要真实存在：本地路径必须是绝对路径且文件可读，path 指向不存在的文件会直接失败，不会静默跳过。

URL 需受信任：不是任意外链都能拉，脚本/工具会按允许范围处理；内网或本机静态资源的 URL 最稳。

上下文成本：图片进上下文会占用 token，超大或过多图会拉长推理。用 maxBytesMb 和 maxImages 控量。

它不替代 OCR 工具：如果要做精确的文本批量提取或二维码程序化解码（而非「让模型看一眼」），专门的 OCR / 二维码解析脚本更可靠，本工作区的 qr-image-extraction 技能就是干这个的。

小结

view_image 把「看图」这件事拉回到了 AI 的本职工作里——本地图、URL 图、批量图，直接进上下文就能问答。最适合的场景是：报错截图分析、生成稿挑选、二维码/图片内容确认。记住它的边界：它是给模型看的，不是给用户发的；是读图，不是生图。

扫码关注公众号，获取更多 OpenClaw 实操技巧：

公众号二维码