OpenClaw 图片识别失败？90% 的人都卡在这个模型配置上

你好，我是郑工长。

又发现一个OpenClaw使用中的问题：私聊可以分析图片，但群聊和 WebChat 中机器人说"图片没有成功传递给我"

本文档详细说明如何配置 OpenClaw 的多模态模型，使其在群聊、私聊和WebChat中都能正确识别和分析图片。

---

📋 问题现象

✅ 正常情况

• 私聊发送图片 + "分析这张图片" → 机器人可以分析图片内容

❌ 问题情况

• 群聊发送图片并@机器人 → 机器人回复："图片好像没有成功传递给我"
• WebChat 发送图片 → 机器人无法识别图片

🔍 日志分析

群聊图片消息日志：

feishu: post message contains 1 embedded image(s)
feishu: downloaded embedded image img_v3_02vi_..., saved to /Users/xxx/.openclaw/media/inbound/xxx.jpg
feishu[default]: dispatching to agent

关键发现：

• ✅ 图片已成功下载并保存到本地
• ✅ 媒体数据已生成 (mediaPayload)
• ❌ 但模型说"看不到图片"

---

🐛 问题根源

核心原因

模型配置中缺少 "image" 输入类型支持。

查看 ~/.openclaw/openclaw.json 中的模型配置：

{
  "id": "qwen3.5-plus",
  "name": "Qwen3.5 Plus (百炼)",
  "reasoning": false,
  "input": ["text"],  // ❌ 只支持文本！
  "contextWindow": 1000000,
  "maxTokens": 65536
}

问题分析：

1. "input": ["text"] 表示模型只接受文本输入
2. 虽然图片被下载到本地，但 OpenClaw 不会将图片传递给不支持图像的模型
3. 模型接收到的只有文本占位符（如 ![image]），所以回复"看不到图片"

---

✅ 解决方案

步骤 1：编辑配置文件

配置位置：~/.openclaw/openclaw.json 中的 models 数组

快速定位：

# 打开配置文件
vim ~/.openclaw/openclaw.json

# 搜索关键字（在 vim 中按 / 然后输入）
/input
# 或者搜索模型名称
qwen3.5-plus

配置说明：

• 这是 OpenClaw 的模型能力声明配置
• 告诉系统该模型支持哪些输入类型（text/image/file）
• 不是模型本身的参数，而是 OpenClaw 的适配层配置

打开 OpenClaw 配置文件：

vim ~/.openclaw/openclaw.json

步骤 2：修改模型配置

找到你使用的多模态模型配置（如 qwen3.5-plus），将 "input" 从 ["text"] 改为 ["text", "image"]：

修改前：

{
  "id": "qwen3.5-plus",
  "name": "Qwen3.5 Plus (阿里)",
  "reasoning": false,
  "input": ["text"],
  "cost": {
    "input": 0,
    "output": 0,
    "cacheRead": 0,
    "cacheWrite": 0
  },
  "contextWindow": 128000,
  "maxTokens": 8192
}

修改后：

{
  "id": "qwen3.5-plus",
  "name": "Qwen3.5 Plus (阿里)",
  "reasoning": false,
  "input": ["text", "image"],  // ✅ 添加 "image"
  "cost": {
    "input": 0,
    "output": 0,
    "cacheRead": 0,
    "cacheWrite": 0
  },
  "contextWindow": 128000,
  "maxTokens": 8192
}

步骤 3：修改所有使用的模型

如果你的配置中有多个模型（如阿里云和百炼平台都有 qwen3.5-plus），需要全部修改：

// 阿里百炼
{
  "id": "qwen3.5-plus",
  "name": "Qwen3.5 Plus (百炼)",
  "reasoning": false,
  "input": ["text", "image"],  // ✅ 添加 "image"
  "contextWindow": 1000000,
  "maxTokens": 65536
}

步骤 4：验证配置

运行配置检查：

openclaw doctor

确保没有配置错误：

✓ Config valid

步骤 5：重启 Gateway

openclaw gateway restart

等待 3-5 秒让服务完全启动。

---

🧪 验证测试

测试 1：飞书群聊

1. 在飞书群聊中发送一张图片
2. @机器人 并说"分析这张图片"
3. 预期结果：机器人能准确描述图片内容

成功日志：

feishu: post message contains 1 embedded image(s)
feishu: downloaded embedded image img_v3_..., saved to /Users/xxx/.openclaw/media/inbound/xxx.jpg
feishu[default]: dispatching to agent
feishu[default]: dispatch complete (queuedFinal=true, replies=1)

测试 2：飞书私聊

1. 在飞书私聊中发送一张图片
2. 说"分析这张图片"
3. 预期结果：机器人能准确描述图片内容

测试 3：WebChat

1. 打开 OpenClaw WebChat 界面
2. 发送一张图片
3. 预期结果：机器人能识别并分析图片

---

📊 支持的多模态模型

以下模型支持图像输入（配置 "input": ["text", "image"]）：

模型	提供商	配置 ID	支持
Qwen3.5 Plus	阿里云	qwen3.5-plus	✅ 支持
Qwen3 Max	阿里云	qwen3-max-2026-01-23	✅ 支持
GPT-4o	OpenAI	gpt-4o	✅ 支持
Claude 3.5 Sonnet	Anthropic	claude-3-5-sonnet	✅ 支持

---

⚠️ 风险提示（重要！）

不要随意添加 "image" 配置！

✅ 支持多模态的模型（可以添加 "image"）：

• Qwen3.5 Plus/Max（阿里云/百炼）
• GPT-4o/GPT-4V（OpenAI）
• Claude 3/3.5（Anthropic）

❌ 不支持的模型（即使配置了也无效）：

• glm-4.7-flash（智谱）- 纯文本模型
• 其他未声明支持图像的模型

错误配置会导致：

• 模型调用失败
• 返回错误信息
• 浪费 Token

如果不确定：先查阅模型官方文档，确认支持图像输入后再配置。

---

⚠️ 常见问题

Q1：为什么私聊可以，群聊不行？

A：私聊和群聊使用相同的媒体处理逻辑。如果私聊可以但群聊不行，通常是模型配置问题，而不是代码问题。

Q2：图片已下载，但模型说看不到？

A：这是典型的配置问题。图片下载和模型调用是两个独立的步骤：

1. 下载：OpenClaw 下载图片到本地（已实现）
2. 传递：根据模型配置决定是否传递给模型（需要 "input": ["image"]）

Q3：配置后仍然无法识别图片？

A：检查以下几点：

1. 配置是否生效：运行 openclaw doctor 检查配置
2. Gateway 是否重启：修改配置后必须重启 Gateway
3. 日志是否有错误：查看 /tmp/openclaw/openclaw-*.log
4. 模型是否支持：确认使用的模型确实支持多模态

---

🔧 故障排查

查看图片下载日志

tail -f /tmp/openclaw/openclaw-$(date +%Y-%m-%d).log | grep -E "image|downloaded|embedded"

正常输出：

feishu: post message contains 1 embedded image(s)
feishu: downloaded embedded image img_v3_..., saved to /Users/xxx/.openclaw/media/inbound/xxx.jpg

查看媒体文件

ls -lh ~/.openclaw/media/inbound/

应该能看到下载的图片文件（.jpg, .png 等）。

查看模型调用日志

tail -100 /tmp/openclaw/openclaw-$(date +%Y-%m-%d).log | grep -E "dispatching|dispatch complete"

---

📝 总结

核心步骤

1. 编辑配置：~/.openclaw/openclaw.json
2. 添加 "image"：模型配置的 "input" 数组
3. 验证配置：openclaw doctor
4. 重启服务：openclaw gateway restart
5. 测试验证：在群聊/私聊/WebChat 中发送图片

配置示例

{
  "id": "qwen3.5-plus",
  "name": "Qwen3.5 Plus (百炼)",
  "reasoning": false,
  "input": ["text", "image"],  // ✅ 关键配置
  "contextWindow": 1000000,
  "maxTokens": 65536
}

注意事项

• ⚠️ 修改配置后必须重启 Gateway
• ⚠️ 确保使用的模型确实支持多模态
• ⚠️ 图片大小有限制（默认 30MB）
• ⚠️ WebChat 需要额外配置 CORS 和文件上传支持

---

注：本文档基于 OpenClaw 2026.3.2 版本编写。不同版本的配置可能略有差异，请根据实际情况调整。