OpenClaw自动内容审核可通过五种路径实现：一、集成本地Qwen3.5-9B-VL多模态模型；二、接入百度智能云司南API；三、配置GLM-4.7-Flash文本过滤；四、部署Phi-3-vision审查设计稿；五、启用Kimi-VL-A3B-Thinking多模态套件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您正在使用OpenClaw构建内容安全机制，但尚未配置自动审核能力，则可能是由于未集成审核模型或技能未启用。以下是实现OpenClaw自动内容审核的多种可行路径：
一、集成Qwen3.5-9B本地多模态审核
该方法利用Qwen3.5-9B-VL模型在本地完成图文联合分析，所有数据不离开设备，适用于对隐私要求极高的场景。模型具备视觉-语言早期融合架构，可识别文字隐喻与图像敏感元素的组合风险。
1、通过Docker部署Qwen3.5-9B-VL服务，映射端口至http://localhost:5000/v1，并挂载模型权重目录。
2、编辑~/.openclaw/openclaw.json，在models.providers下新增local-qwen35条目，指定baseUrl、api为openai-completions，并声明capabilities包含["text", "image"]。
3、创建content-moderation技能配置，设置watchDirs为待监控的上传目录，quarantineDir为隔离区路径，并将modelEndpoint指向本地Qwen服务地址。
4、运行openclaw gateway restart重启网关，使新模型与技能配置生效。
二、接入百度智能云司南审核Skill
该方法调用百度智能云成熟的内容审核API，覆盖文本、图像、视频等多类型违规识别，无需本地GPU资源，适合中小团队快速上线合规能力。
1、在OpenClaw对话框中发送指令：下载并安装此Skill https://adv-icr-persistent-store.bj.bcebos.com/skills/v1.0.0/baidu-content-censor.zip。
2、登录百度智能云控制台，开通“内容审核”服务，创建应用并获取API Key与Secret Key。
3、在OpenClaw对话框中执行自然语言指令：帮我设置环境变量BCE_SINAN_AK为【您的APIKey】 BCE_SINAN_SK为【您的SecretKey】。
4、验证安装：向AI提问“请帮我列举一下你当前掌握的skill”，确认返回列表中包含baidu-content-censor。
三、配置GLM-4.7-Flash轻量级文本过滤
该方法聚焦高精度文本语义识别，采用低temperature（0.4）参数抑制幻觉输出，适合处理论坛评论、弹幕、私信等纯文本UGC内容，推理延迟低于800ms。
1、使用Ollama部署GLM-4.7-Flash模型：ollama run glm-4.7-flash，确保服务监听于http://localhost:11434。
2、在openclaw.json的models.providers中添加local-glm配置，嵌套params对象，明确设置temperature: 0.4与top_p: 0.9。
3、启用file-watcher技能，执行命令：openclaw skills config file-watcher --path /var/www/uploads --action "GLM文本审核"。
4、定义分块策略：对PDF/DOCX等格式先OCR提取文本，再按每500字符切片送入GLM模型进行多维度风险判断。
四、部署Phi-3-vision-128k-instruct设计审查流
该方法专用于设计稿、宣传图、广告素材等视觉内容的自动化审查，可识别配色冲突、品牌元素缺失、文字可读性不足等专业问题，同时检测NSFW图像与违禁文案的隐性关联。
1、使用vLLM启动Phi-3-vision服务：python -m vllm.entrypoints.api_server --model Phi-3-vision-128k-instruct --trust-remote-code --port 5000。
2、在openclaw.json中为phi3-vision provider添加capabilities: ["image"]字段，确保OpenClaw识别其多模态输入能力。
3、构造结构化prompt模板，强制模型以JSON格式返回risk_level、violation_types及reason字段，便于后续自动化处置。
4、配置screen-capture技能定时截取目标网页或设计软件界面，将截图与OCR文本同步传入Phi-3-vision进行交叉验证。
五、启用Kimi-VL-A3B-Thinking多模态审核套件
该方法基于Kimi-VL-A3B-Thinking模型的中文语境深度优化能力，特别擅长识别阴阳怪气、谐音黑话、地域歧视等复杂违规表达，在技术博客、知识社区等垂直场景中误判率低于2.3%。
1、通过ClawHub CLI安装审核套件：clawhub install content-moderation-toolkit，执行后检查已安装列表是否含moderation关键词。
2、编辑openclaw.json，在models.providers下配置kimi-vl-a3b，确保baseUrl指向本地vLLM服务地址，并设置maxTokens: 8192以支持长上下文分析。
3、在技能配置中启用logPath参数，指定结构化日志路径，记录每次审核的原始输入、模型输出及处置动作。
4、设置双通道触发机制：当用户消息含“审核这段文字”或“图片审核”等关键词时，自动调用Kimi-VL技能；当文件变更事件发生时，由file-watcher技能主动推送至审核队列。
