开发者用 OpenClaw 和 MiniCPM-V 4.6 搭出本地照片助手
面壁智能 · wechat · 2026-07-28
Mohammed 是 TechLatest 的创始人，也是一名独立开发者，他用 OpenClaw + MiniCPM-V 4.6 + Ollama + LitServe 搭了一套本地运行的私人照片助理。
这套方案的重点是 不把图片上传到云端视觉 API：vision-photo 技能把本地图片路径和用户问题交给模型，模型在本地完成 OCR、图片问答和结构化输出，再把结果回传到原聊天渠道。文章用收据识别做了演示，模型直接读出总额 $10.75。作者强调，端侧视觉让“看懂图片”从一次性接口调用，变成可复用的智能体能力，适合客服、文档处理和现场巡检等工作流。
「编程与Agent」频道最新
- Ami 是个开源本地 agent，会跨应用学习你的工作流 — vitaelabitur · 2026-07-28
- 搜索 API 看似按次便宜，返回全文后成本可高出 4 倍 — No_Marionberry_5366 · 2026-07-28
- Agent 工作流转向结构化图，AFlow 超过手工流程 — dominik_ddd · 2026-07-28
- 开源代理层拦截 agent 循环并封顶预算 — Electrical-War-549 · 2026-07-28
- RAG 管线里，切块策略可能比 embedding 更关键 — victorialslocum · 2026-07-28
- Claude Code 用户想把参考图本地化给 agent 用 — Ill-Resort-2920 · 2026-07-28