夜雨聆风一、开篇简介
在使用 OpenClaw 构建多智能体工作流时，我们通常会针对不同的任务（如深度写作、素材整理、日常对话）配置不同智商的文本大模型。但在视觉创作环节，所有的智能体往往只能共用同一个画图接口，这在成本和效果上都不够灵活。
本篇教程将带你实现文生图模型的精细化路由。我们将基于 OpenClaw (版本 2026.3.13) 在 macOS 环境下，通过“全局技能统一部署 + 局部环境变量隔离”的架构，为不同的智能体分配不同级别的画图模型。例如：给负责高质量输出的写作智能体配置 qwen-image-2.0-pro，给日常助手的配置经济型的 qwen-image-2.0。
核心思路：OpenClaw 原生的 models 配置主要针对 LLM 推理。对于调用外部 API 画图，我们需要将其封装为 Skill（技能），并在各自扁平化的工作空间中通过 .env 注入独立的模型和 API 配置。
二、详细配置流程
2.1 创建全局文生图 Skill 脚本
我们需要编写一个底层 Python 脚本来对接阿里云通义万相最新的多模态生成接口。注意，Qwen-Image 2.0 已经全面升级为类似对话模型的 messages 数组结构，这个坑了我老半天。
在 Mac 终端执行以下命令，创建脚本目录及文件：
mkdir -p ~/.openclaw/skills/qwen-imagenano ~/.openclaw/skills/qwen-image/gen.py将以下纯净版代码写入 gen.py：
# -*- coding: utf-8 -*-import osimport sysimport requests# 动态读取当前智能体工作空间的环境变量api_key = os.getenv("QWEN_IMAGE_API_KEY")base_url = os.getenv("QWEN_IMAGE_BASE_URL", "https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation")model_name = os.getenv("QWEN_IMAGE_MODEL", "qwen-image-2.0")prompt = " ".join(sys.argv[1:])headers = {"Authorization": f"Bearer {api_key}","Content-Type": "application/json"}# 适配 Qwen-Image 2.0 最新底层架构payload = {"model": model_name,"input": {"messages": [ {"role": "user","content": [ {"text": prompt} ] } ] },"parameters": {"size": "1024*1024" }}try: response = requests.post(base_url, json=payload, headers=headers)if response.status_code != 200: print(f"❌ API 请求失败！HTTP 状态码: {response.status_code}") print(f"❌ 详细错误信息: {response.text}") sys.exit(1) res_json = response.json()# 解析新版 API 返回的复杂数据结构try: content_list = res_json['output']['choices'][0]['message']['content'] img_url = Nonefor item in content_list:if'image'in item: img_url = item['image']breakelif'url'in item: img_url = item['url']breakif img_url:# 返回 OpenClaw 识别的 MEDIA 标签 print(f"MEDIA:{img_url}")else: print(f"图片已生成但提取 URL 失败，API 原始返回: {res_json}")except KeyError: print(f"无法解析新的返回结构，API 原始返回: {res_json}")except Exception as e: print(f"请求崩溃: {str(e)}")这里的 QWEN_IMAGE_BASE_URL 地址是你在对应的文生图大模型平台拿到的，包括下面的 api_Key 也是。本文演示我使用的是阿里千问的免费额度。
Nano 编辑器保存/退出快捷键：代码粘贴完成后，按
Ctrl + O保存文件，接着按Enter键确认文件名，最后按Ctrl + X退出编辑器。
保存退出后，务必赋予执行权限，直接执行这个：
chmod +x ~/.openclaw/skills/qwen-image/gen.py2.2 为不同智能体配置隔离的 .env
假设你的 OpenClaw 根目录 (~/.openclaw/) 下有两个扁平化工作空间：writer_agent_workspace（写作）和 chat_agent_workspace（日常）。
注意：这里的writer_agent_workspace 和 chat_agent_workspace 是你每个智能体对应的工作空间的名字（即文件夹名）。
A. 写作智能体（使用 Pro 版模型）
nano ~/.openclaw/writer_agent_workspace/.env写入配置：
QWEN_IMAGE_API_KEY="sk-你的真实API_KEY"QWEN_IMAGE_BASE_URL="https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation"QWEN_IMAGE_MODEL="qwen-image-2.0-pro"B. 日常智能体（使用标准版模型）
nano ~/.openclaw/chat_agent_workspace/.env写入配置：
QWEN_IMAGE_API_KEY="sk-你的真实API_KEY"QWEN_IMAGE_BASE_URL="https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation"QWEN_IMAGE_MODEL="qwen-image-2.0"(注：如果你的 openclaw.json 全局配置文件中曾定义过这些 Key，请将其删除，以免覆盖局部变量。)
2.3. 注册技能到智能体 (TOOLS.md)
为了让大模型知道何时以及如何调用这个画图工具，你需要手动分别编辑各个工作空间下的 TOOLS.md，加入以下说明：
# 可用技能 (Skills)## qwen-image- 用途：当你需要生成图片、插图或视觉素材时调用此工具。- 触发方式：运行 `python3 ~/.openclaw/skills/qwen-image/gen.py "<你的中/英文画面提示词>"`。- 示例：`python3 ~/.openclaw/skills/qwen-image/gen.py "A high-end, artistic close-up of a futuristic car dashboard, suitable for a tutorial material cover. Clear text watermark '小生写博客' at the bottom right corner. Strictly do not include any image size or source text in the picture."`- 注意：当前环境已为你默认配置了最适合你任务的图像模型版本，请直接专注优化提示词，无需在命令中指定模型。记得保存一下。
2.4. 重启并验证
重启网关服务使配置生效：
openclaw gateway restart2.5. 编写脚本测试
我们可以通过编写一个简单的 bash 脚本遍历工作空间执行 python3 ~/.openclaw/skills/qwen-image/gen.py "测试提示词"，检查终端是否分别打印了不同模型名称以及绿色的 MEDIA:https://... 链接，如果是这样，那就是正确的，可以在聊天终端进行生图了。
测试脚本如下：
#!/bin/bashSKILL_SCRIPT="$HOME/.openclaw/skills/qwen-image/gen.py"# 替换为你的实际工作空间名称WORKSPACES=("writer_agent_workspace""chat_agent_workspace")# 图片提示词 可以自己改中文TEST_PROMPT="A high-end, artistic close-up of a futuristic car dashboard, suitable for a tutorial cover. Clear text watermark '小生写博客' at the bottom right corner."for WS in"${WORKSPACES[@]}"; do ENV_FILE="$HOME/.openclaw/$WS/.env"echo"📂 正在测试工作空间: $WS"if [ -f "$ENV_FILE" ]; thenset -a; source"$ENV_FILE"; set +aecho"✅ 当前模型: $QWEN_IMAGE_MODEL" python3 "$SKILL_SCRIPT""$TEST_PROMPT"elseecho"❌ 找不到环境文件"fiecho"--------------------------------------------------"done三、常见问题与排错指南
在部署过程中，你可能会遇到以下报错，对照解决即可：
Q1：出现 NotOpenSSLWarning: urllib3 v2 only supports OpenSSL 1.1.1+ 警告
原因：Mac 系统自带的 Python 底层使用了较老的 LibreSSL，与新版的 urllib3网络请求库发生冲突。解决：在终端执行降级命令： pip3 install "urllib3<2"。
ok！到这里我们给不同的智能体配置了不同的生图模型，基本上都齐活了，剩下的就是根据需求安装技能包，我们下篇内容写这个。
大家好，我是小生，从程序员转行做自媒体，每天学习一点 AI 技术。
