OpenClaw是本地化AI智能体框架，支持Phi-3-vision、千问3.5、Qwen3-4B等多模型接入，通过文件监控、技能编排与本地API调用，实现商品图识别、结构化数据解析、多语种文案生成及营销素材一体化输出。
☞☞☞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☜☜☜
如果您拥有商品图片或结构化商品信息，但缺乏高效生成专业电商文案的能力，则可能是由于缺少本地化、可定制的AI自动化执行框架。以下是实现OpenClaw自动生成商品文案的具体路径：
一、基于OpenClaw+Phi-3-vision-128k-instruct的图文直出方案
该方法利用多模态模型对商品图像进行端到端视觉理解，并结合OpenClaw的文件监控与流程编排能力，实现“图片上传→特征识别→文案生成→HTML输出”的全自动闭环。其核心在于模型能直接从像素中提取材质、颜色、款式等细粒度属性，避免人工录入误差。
1、确保本地已部署Phi-3-vision-128k-instruct的vLLM服务，监听端口为http://localhost:8000/v1。
2、编辑~/.openclaw/openclaw.json，在providers下新增phi3-vision配置，apiKey必须设为"no-key-required"，且contextWindow值设为128000。
3、在工作区建立标准目录：~/openclaw_workspace/input_images/用于存放新商品图，output_md/用于接收生成的Markdown文案。
4、编写或启用image-to-copy技能脚本，设定触发条件为input_images/内新增.jpg或.png文件。
5、运行openclaw gateway start启动网关，系统将自动捕获图片并调用模型生成含3个卖点标题、5项特征描述及1段场景化故事的完整文案。
二、基于OpenClaw+千问3.5-9B的结构化数据驱动方案
该方法适用于已有Excel或CSV格式商品参数（如材质、适用场景、关键词）的场景，通过OpenClaw解析结构化字段并构造精准提示词，交由千问3.5-9B生成风格可控、逻辑严密的详情页内容。其优势在于文案一致性高、支持LoRA微调适配店铺语感。
1、准备标准CSV模板，包含列名：ID,名称,材质,颜色,适用场景,关键词,竞品分析。
2、在openclaw.json中配置qwen-local提供方，baseUrl必须指向千问3.5-9B的本地服务地址（如http://localhost:8080/v1），并确认api字段为openai-completions。
3、使用file-processor技能加载CSV，OpenClaw将自动拼接提示词：“基于以下要素创作电商详情页文案：-商品:{名称} -核心卖点:{材质}+{颜色} -使用场景:{适用场景}……”
4、调用qwen3-9b模型执行生成任务，输出结果将严格遵循预设结构，含3个卖点标题、5个产品特征描述及1个使用场景故事。
5、通过html-generator技能将输出注入预设HTML模板，保存至电商后台指定发布路径。
三、基于OpenClaw+Qwen3-4B的轻量级创意辅助方案
该方法面向资源受限环境（如16GB内存MacBook Pro），采用量化更激进的Qwen3-4B模型，聚焦社交媒体短文案与视觉建议联动生成。OpenClaw在此承担自然语言指令解析与多步骤任务分发角色，适合高频次、小批量创意产出。
1、运行官方一键安装脚本：curl -fsSL https://openclaw.ai/install.sh | bash，安装后执行openclaw onboard --install-daemon。
2、配置qwen-local时，在openclaw.json中将maxTokens设为4096，并在prompt中强制添加“用简体中文回答”指令以规避乱码。
3、创建copywriter.js脚本，定义产品对象（如{name:"夏日冷萃咖啡包", features:["零糖添加","3秒即溶"]}）。
4、调用openclaw run copywriter.js，OpenClaw将自动构造5条差异化社交媒体文案，并行输出配套配色方案与构图建议。
5、结果直接写入output_md/，支持后续人工快速筛选与微调。
四、基于OpenClaw+千问3.5-35B-A3B-FP8的双语图文批量处理方案
该方法专为跨境电商设计，依托千问3.5-35B-A3B-FP8的强大多模态与双语生成能力，配合OpenClaw的跨平台操作技能，实现单次处理多张商品图并同步输出中英双语详情页。关键在于模型vision字段必须显式设为true以激活图像理解模块。
1、在Docker中部署千问3.5-35B-A3B-FP8镜像，确认服务运行于http://localhost:8080且开放/v1/chat/completions接口。
2、修改openclaw.json中对应provider的配置，必须将"vision": true加入models数组内对应项，否则图像无法被送入模型上下文。
3、构建商品目录树：/products/A001/main.jpg、/A001/detail-1.jpg、/A001/specs.json，OpenClaw将递归扫描并逐图分析。
4、对每张图执行两阶段生成：先调用qwen3.5-35b提取中文卖点，再以相同上下文触发翻译子任务生成英文版本。
5、最终输出按SKU归档，每个文件夹内含desc_zh.md、desc_en.md及带双语标注的preview.jpg。
五、基于OpenClaw+GLM-4.7-Flash的营销海报一体化生成方案
该方法突破纯文本限制，将文案生成与视觉设计耦合，通过OpenClaw协调GLM-4.7-Flash的文本生成与DALL-E类图像技能，输出“文案+配色+构图”三位一体的营销素材包。OpenClaw在此作为统一调度中枢，确保各技能间数据无缝流转。
1、安装dalle-image-generator与copywriter-pro两个核心技能：clawhub install dalle-image-generator copywriter-pro。
2、编辑~/.openclaw/skills/dalle/config.json，将api_base指向http://localhost:11434，image_model字段必须设为"glm-4.7-flash"。
3、向OpenClaw提交自然语言指令，例如：“为一款主打零添加的酸奶设计小红书风格海报，需要突出'纯净'和'健康'”。
4、系统自动拆解任务：GLM-4.7-Flash生成5组广告语，dalle-image-generator输出3版配色方案，copywriter-pro完成主标与副文撰写。
5、OpenClaw整合全部输出，生成含文案层、配色层、构图层的PSD分层文件及800x800像素PNG预览图。
