前言¶

在聊天里让 Agent「看图说话」，常见做法是走云端多模态 API：要配 Key、有费用，图片还会出网。若你已经在本机用 Ollama 跑模型，更希望图像理解留在 127.0.0.1:11434，再把文字结果交给对话里的主模型，就需要一套固定的环境步骤、调用方式和 Agent 注册方式。下面介绍 SkillHub 上的社区 Skill moondream-vision-zc（@user_543d2acf/moondream-vision-zc，v1.0.0），它按通用 SKILL.md 约定，把本地 Moondream 通过 Ollama REST API 接到 OpenClaw 2026 的多模态插件机制，并说明如何与文本大模型串联。

这是什么¶

moondream-vision-zc 是一条 command 型 Skill：用本地 Ollama 部署的 Moondream 做图像理解，把自然语言描述返回给 OpenClaw；在聊天里可直接发图，或引用本地图片路径。发布者为 SkillHub 用户 user_543d2acf（页面标注作者 zhangchong），来源为 community，分类 design-media，标签 requires_api_key=false（Skill 说明本身不要求第三方 API Key；推理依赖本机 Ollama）。SkillHub 页面统计（以抓取资料为准）：评分 100000，下载 941，安装 0。

官方入口：

• API：https://api.skillhub.cn/user_543d2acf/moondream-vision-zc
• 页面：https://www.skillhub.cn/skills/user_543d2acf/moondream-vision-zc

当前从 SkillHub 安装得到的包仅含 SKILL.md，脚本需按文档自行落到 scripts/ 目录（见下文「安装与启用」）。

核心功能¶

依据 SKILL.md 可核实的能力如下：

1. 本地推理：通过 Ollama 的 /api/generate，向 moondream 模型提交 base64 图片与可选 prompt，取回 response 字段中的文本。
2. OpenClaw 命令：在 ~/.openclaw/config/skills.json 注册后，聊天内用 !moondream <image_path> [prompt] 调用。
3. 与文本模型串联：可将 Moondream 输出作为后续文本模型（文档示例为 GPT‑OSS‑120B）的上下文，做摘要、改写等；示例为 !moondream img.png 得到描述后再 !gpt "基于以下描述…"。
4. 性能说明（文档自述）：普通笔记本 CPU 约 1–2 秒/图；GPU 可加速。单图约 5 MB 上限（Ollama 侧限制，过大需先压缩）。

安装与启用¶

1、安装 SkillHub CLI（若尚未安装）¶

command -v skillhub && skillhub --version

未安装时可按 SkillHub 安装文档执行完整安装或仅 CLI（见 https://skillhub.cn/install/skillhub.md）。

2、把 Skill 装到当前 Agent 的 skills 目录¶

安装时必须用 --dir 指向当前环境会被识别的 skills 目录，否则默认落在 ./skills/ 且 Agent 可能读不到。常用路径示例：

• Cursor：~/.cursor/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/
• Claude Code：~/.claude/skills/

skillhub install @user_543d2acf/moondream-vision-zc --dir ~/.cursor/skills/

将 ~/.cursor/skills/ 换成你实际使用的目录。安装后目录形如 …/moondream-vision-zc/SKILL.md（坐标 @user_543d2acf/moondream-vision-zc）。

3、准备 Ollama 与 Moondream 模型¶

文档以 Windows 为例；核心是本地 Ollama 在 11434 端口提供服务。

1. 安装 Ollama（Windows 示例：winget install ollama，或从 https://ollama.com/download 安装）。
2. 启动服务（示例：ollama serve）。
3. 拉取模型：

ollama pull moondream

4. 验证：

ollama run moondream "一张猫的图片"

能返回文字描述即表示模型可用。

4、补齐脚本与 Python 依赖¶

SKILL.md 约定目录结构为：

~/.openclaw/skills/moondream-vision/
├─ SKILL.md
└─ scripts/
   └─ moondream_vision.py

将文档中的 moondream_vision.py 保存到对应 scripts/ 路径（内容与 Skill 内嵌代码一致：读本地图片、POST 到 http://127.0.0.1:11434/api/generate、model 为 moondream）。使用脚本时需：

pip install requests

若你通过 SkillHub 装到 Cursor 等目录，请把 scripts/moondream_vision.py 放在该 Skill 根目录下，并在 OpenClaw 配置里把 command 中的 ${skill_dir} 指向实际绝对路径。

5、在 OpenClaw 中注册命令¶

在 ~/.openclaw/config/skills.json（不存在则创建）增加：

{
  "name": "moondream-vision",
  "command": "python ${skill_dir}/scripts/moondream_vision.py",
  "description": "本地 Moondream 图像理解",
  "usage": "!moondream <image_path> [prompt]",
  "args": ["image_path", "prompt?"],
  "output": "text"
}

${skill_dir} 由 OpenClaw 在运行时替换为本 Skill 目录的绝对路径。修改配置后按你所用 OpenClaw 版本要求重启或重载 Agent。

典型用法¶

命令行脚本¶

python moondream_vision.py <image_path> [prompt]

第二个参数为可选提示词；省略时 prompt 为空字符串。

OpenClaw 聊天示例（摘自 SKILL.md）¶

用户：!moondream C:\Users\Administrator\Pictures\dog.jpg
Assistant: 这是一只棕色的狗，正坐在草地上，注视着镜头。

用户：!moondream C:\Users\Administrator\Pictures\dog.jpg "请把这张图的内容写成一段简短的广告文案"
Assistant: 「爱犬的欢笑，尽在自然」——让您的宠物在绿意盎然的草地上自由奔跑，感受生活的活力。

与文本模型组合（文档工作流）¶

1. !moondream img.png 得到图片描述 desc。
2. !gpt "基于以下描述，写一段新闻稿：\n${desc}"（命令名以你 OpenClaw 里实际注册的 GPT Skill 为准）。

适用场景与注意¶

适合谁

• 已在或愿意在本机部署 Ollama，希望图像理解不出网、不依赖云端视觉 API Key。
• 使用 OpenClaw 2026 多模态/命令插件，需要在对话里用 !moondream 触发本地视觉模型。
• 需要轻量 VLM（Moondream）先出描述，再由大参数量文本模型做二次推理或文案生成。

限制与坑

• 平台与路径：示例路径为 Windows；Linux/macOS 需自行换成本机图片路径，Ollama 安装方式以官方文档为准（Skill 正文主要写 Windows）。
• 包内容：SkillHub 分发包目前只有 SKILL.md，moondream_vision.py 需按文档自建，否则 skills.json 里的 python …/moondream_vision.py 无法执行。
• 服务与网络：须保证 ollama serve 运行且 11434 未被防火墙拦截；Ollama 未启动会直接导致 HTTP 调用失败。
• 空返回：文档建议检查 prompt 是否为空，或在 payload 中加 "system": "" 以避免模型误判。
• Cursor 等客户端：通过 skillhub install 可把说明装进 Cursor skills 目录，但 OpenClaw 的 skills.json 与 !moondream 语法 仍以 OpenClaw 为准；纯 Cursor 用户需自行让 Agent 按 SKILL.md 执行脚本或等价 HTTP 调用，官方资料未单独给出 Cursor 内置命令名。

结尾¶

moondream-vision-zc 把「Ollama + Moondream + base64 调 /api/generate」写成可复制的 Skill 说明，并对接 OpenClaw 的 !moondream 命令与多模态工作流；适合要本地看图、再把结果交给主对话模型的场景。安装与详情见 SkillHub：https://www.skillhub.cn/skills/user_543d2acf/moondream-vision-zc，坐标 @user_543d2acf/moondream-vision-zc。