熬了2个大夜，这是晨念Agent实战的第46篇。

窗外已经黑透了，键盘敲得快冒烟，但这个设计思路必须得说——它是一个真实的客户定制案例。

客户是做门定制的源头工厂，每天要在微信发朋友圈营销。车间实拍、安装现场、客户好评、发货晒单……图片拍了，但文案不知道怎么写。只会说"又装完一套"、"今天发货"。

说白了，他需要的不是ChatGPT那种"帮我写一段文案"——他需要一个懂门业、懂工厂营销、能看图说话的AI搭档。

而且辛辛苦苦薅秃脑袋瓜子发了三个月朋友圈，一条询盘没接到

我们用OpenClaw给他搭了一套完整的解决方案。

一、问题来了：GLM-5看不懂图

客户用的是阿里云百炼Coding套餐，一个月40块钱。

老实说，这个套餐性价比极高——GLM-5、Qwen系列随便用，常规业务场景完全足够。

但有一个坑：GLM-5没有图片识别能力。

它是纯文本模型，朋友圈文案的核心场景恰恰是"用户发图，AI看图写文案"。这不废了吗？

别听外面那些割韭菜的瞎吹"换GPT-4V就行"——换模型意味着成本翻倍、推理变慢、GLM-5的推理优势全丢。

听晨念一句劝：不要一个模型干所有事。

让每个模型做它最擅长的事，通过API串联成完整流程。

这就是"API嵌套"的设计思路。

二、架构：GLM-5 + 百炼视觉API

GLM-5负责推理、判断、文案生成。

阿里云百炼视觉模型负责"看图"。

两个API各司其职，通过脚本串联。

用户发图（微信）
     ↓
OpenClaw ClawBot
     ↓
图片缓存 → 用户说"朋友圈文案"
     ↓
调用视觉识别脚本
     ↓
阿里云百炼视觉API（看图）
     ↓
返回JSON：{场景类型, 产品类型, 亮点}
     ↓
GLM-5读取Skill + 词库
     ↓
输出三种风格文案

成本多少？

Coding套餐一个月40元，常规使用完全够用。单次调用成本可以忽略不计。

老规矩啊，架构图放出来了，照着抄就行。

三、核心设计：图片缓存机制

这里有个坑。

用户可能连续发多张图，你不能发一张处理一张——那样会乱。

正确姿势：先把图片路径缓存到本地JSON，等用户说触发词（"朋友圈文案"/"发朋友圈"）再批量处理。

{
  "images": ["/path/to/image1.jpg", "/path/to/image2.jpg"],
  "lastUpdate": "2026-04-05T23:00:00Z"
}

💡 踩坑预警：多图场景千万别一次性把所有图片传给视觉API。一次性传入会导致信息丢失。逐张调用，手动整合。我昨天在这里卡了半小时，血的教训。

四、词库分片加载：别浪费Token

这个Skill配了一个巨大的词库：

• 15款产品完整信息
• 14种装修风格矩阵
• 10种客户类型话术
• 10种痛点场景
• 晒单/发货/转介绍词汇
• 节日钩子词

全加载进去？Token爆炸。

智能加载策略：识别出什么产品，就只加载那个产品的章节。

简单来说，按需加载，不浪费。

五、输出：三种风格供挑选

每次输出三套文案，覆盖不同人群：

约束也量化死了：

• Emoji：1-3个，禁止连续2个以上
• 标签：文末1-2个
• 禁用词：微商感话术、小红书语气、最高级绝对化用语

💡 再提醒一句："错过后悔一辈子""最后10套"这种微商话术，门业老板用了只会显得不靠谱。克制才是高级。

六、真实效果展示

光说不练假把式。来看实际效果。

场景：客户发了一张安装现场图，说"朋友圈文案"。

优化前（老板自己写的）：

又装完一套，法式烤漆门，感谢信任。

AI生成的三种风格：

风格A【生活美学风】

奶油白的门框配着午后的光，整个空间都温柔了。

业主说"推开门就像进了韩剧现场"，法式线条不张扬，但气质藏不住。三底两面油漆，触感像婴儿皮肤一样细腻。

#法式烤漆门#奶油风装修

风格B【专业硬核风】

又一套法式烤漆门落地交付。

橡木指接板芯材+三底两面油漆工艺，72小时慢烤，色牢度10年不褪。业主对比了三家，最后选了这套——品质经得起放大镜检验。

#门业源头工厂#定制周期15天

风格C【老板随手拍】

装完业主说：比展厅看的还好看。

法式奶油风，又拿下一套。

#烤漆门定制

对比一下：

客户现在每天发图、说"朋友圈文案"、三选一、发布。从"想半天写不出来"到"30秒搞定三条"。

七、技术实现：视觉识别脚本

核心逻辑（简化版）：

const response = await fetch(API_ENDPOINT, {
  method: "POST",
  headers: {
    "Authorization": `Bearer ${apiKey}`,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "qwen-vl-plus",
    messages: [{
      role: "user",
      content: [
        { type: "image_url", image_url: { url: imageBase64 } },
        { type: "text", text: ANALYSIS_PROMPT }
      ]
    }]
  })
});

API端点自适应：

八、为什么用OpenClaw？

这个客户定制案例的核心价值：

1. 完整的Agent框架
   ：微信机器人 + Skill系统 + 多模型协作
2. Skill可迭代
   ：词库、提示词、约束条件都可以独立更新
3. 成本极低
   ：Coding套餐40元/月 + 百炼视觉API，常规业务完全够用
4. 私有化部署
   ：数据在自己的服务器，不经过第三方

本质上，OpenClaw + 百炼Coding，是当前性价比最高的AI落地组合之一。

九、总结

这是一个典型的OpenClaw客户定制案例。

客户有明确的业务场景（门业朋友圈营销），有明确的痛点（不会写文案），我们用OpenClaw + 百炼Coding给他搭了一套完整的解决方案。

核心设计理念：不强求一个模型干所有事，而是让每个模型做它最擅长的事，通过API串联成完整流程。

成本？一个月40块的Coding套餐，常规业务场景完全足够。

代码、配置、词库都在上面了。

去跑跑看。