🦞 龍蝦圖片辨識 Skill

🎯 為什麼做這個

在 OpenClaw Agent 上工作時，需要一個能自動辨識圖片內容的工具。Coze（扣子）平台提供了一個圖片辨識工作流， 但要讓 Agent 能直接調用它，需要把 API 封裝成一個標準的 Skill。這篇文章記錄了從零到完成的全過程。

🧩 Coze 工作流設計

在 Coze（扣子）平台上建立了一個名為「picture」的圖片辨識工作流， 由三個節點組成：開始 → 大模型 → 結束。使用「豆包·2.0·lite」模型， 透過視覺理解能力分析圖片並輸出結構化辨識結果。

圖 1：工作流總覽 — 開始（input + image）→ 大模型（豆包·2.0·lite）→ 結束

圖 2：大模型節點 — 輸入綁定（input + image）與系統提示詞

系統提示詞設計

圖 3：系統提示詞 — 視覺理解輸入綁定與回覆格式

圖 4：發布選單 — API、Playground、導出

圖 5：API 調試 — stream_run 調用範例

🏗️ 整體架構設計

┌─────────────┐     ┌──────────────┐     ┌─────────────────┐
│  使用者傳圖  │────▶│  OpenClaw     │────▶│  Coze Workflow   │
│  (Telegram)  │     │  Agent Skill  │     │  (圖片辨識)       │
└─────────────┘     └──────┬───────┘     └────────┬────────┘
                           │                      │
                    ┌──────▼───────┐       ┌──────▼────────┐
                    │ 本地檔案？    │       │  SSE Stream    │
                    │ → 先上傳     │       │  解析輸出      │
                    │ URL？        │       └───────────────┘
                    │ → 直接傳     │
                    └──────────────┘

📝 開發過程

第一步：API 探索 — 哪個 Endpoint 能用？

一開始用 /v1/workflow/run 不帶參數測試，成功收到回應「請上傳圖片」， 確認工作流存在且 token 有效。

第二步：踩坑 — parameters 帶 image 就 5000

嘗試在 parameters 裡直接傳"image": "https://..."， 結果用 /v1/workflow/run 一直報 5000 錯誤。

後來才發現兩個關鍵問題：

第三步：本地檔案的問題 — Token 權限

工作流只接受 URL，但使用者從 Telegram 傳的圖片是本地檔案。解法是用 Coze 的/v1/files/upload API 先上傳，拿到file_id，再以特殊格式傳入：

但一開始用的 token（cztei_ 開頭）沒有文件上傳權限，報 access token invalid。 需要到 Coze API 後台建立有文件上傳權限的 PAT（pat_ 開頭）才能上傳成功。

第四步：SSE Stream 解析

stream_run 回應是 SSE（Server-Sent Events）格式， 不是普通 JSON。需要解析事件流，找到 node_type: "End" 的Message 事件才算完成：

id: 0
event: Message
data: {"node_title":"End","node_type":"End",
       "node_is_finish":true,
       "content":"{\"output\":\"識別結果...\"}"}

id: 1
event: Done
data: {"debug_url":"..."}

第五步：Skill 封裝

最終封裝為 OpenClaw Agent Skill，目錄結構：

腳本自動判斷輸入類型：

# 公開 URL → 直接傳
bash recognize.sh "https://example.com/photo.jpg"

# 本地檔案 → 先上傳再辨識
bash recognize.sh "/path/to/local/image.jpg"

# 加自訂提示
bash recognize.sh "/path/to/image.jpg" "請描述風格"

✨ 最終效果

在 Telegram 上直接發圖給 Agent，Agent 自動調用 Skill 辨識，幾秒內回傳結構化結果：

💣 踩坑總結