拍了 200 张照片，5 分钟发了朋友圈 —— 我搭建了一个会全自动修图的小龙虾

arikxzheng(郑熙)2026年04月01日约 16 分钟

周末踏春拍了 200 多张照片，回家一看，选片头疼，修图劝退，又是熟悉的"拍完不修、修完不发"剧本。这次我决定换个活法：花一个下午，在腾讯轻量云上用 OpenClaw 搭了一只会全自动修图的"摄影虾"🦞。照片丢进去，选片、调色、排版一条龙，5 分钟直接发朋友圈。硬盘吃灰？不存在的！

一、困境：200 张照片的选片噩梦

三月的西安春意正浓，许久未拿起相机的我终于出门踏春赏花了。

快门咔咔响了一下午，回家往电脑上一导，200 多张 RAW 文件。

满意地合上相机包，打开朋友圈，正准备来一组九宫格 ——

然后我卡住了。

200 张照片，选哪 9 张？

打开 Lightroom，面对几十个滑块，哪个该动？网上教程千千万，跟着调了半小时，出来的效果总差那么点意思。好不容易调完一张，还剩 199 张等着我。

算了，先吃饭吧。

饭后再打开电脑，对着那个文件夹叹口气。算了，明天再说。

明天变后天，后天变下周。一个月后，那个叫「踏春」的文件夹依然安静地躺在硬盘里，和旁边的「元宵」「过年」「跨年」们默默作伴。

这大概是 90% 摄影爱好者的真实写照。

快门按下的那一刻是快乐的。之后的一切 —— 选片、修图、排版、发布 —— 全是摩擦力。

不是不想做，是门槛太高、太耗时间。

二、灵感：让 OpenClaw 做后期助手

正当我躺下，准备用短视频来消除因懒惰而产生的内疚时 ——

手机屏幕亮了。

是 QQbot 发来的消息提醒：「Boss，你今天还没有告诉我有没有运动呢 😊」。

我盯着那条消息愣了几秒，然后猛地坐起来。

对啊！我在腾讯轻量云上还部署了一个"小龙虾"（OpenClaw）！

前阵子 OpenClaw 火爆全网，我第一时间在轻量云上部署了一套，把它当私人健康助手用：提醒运动、记录饮食、分析睡眠质量。没想到今天还能派上别的用场。

忽然一个念头闪过：能不能让这个"小龙虾"帮我做后期？

它有多模态能力，能看懂照片内容；它能写代码，能调用脚本；最重要的是，它就在云端，不用我自己折腾环境。

我重新打开电脑，看着那个叫「踏春」的文件夹。这次，眼神不一样了。

三、构建：武装我的小龙虾

3.1 调研：这事儿能不能干？

想法归想法，能不能实现是另一回事。我赶紧打开元宝，把脑子里的问号一股脑丢了过去：

「Python 能直接读相机 RAW 格式文件吗？比如尼康的 NEF？」

元宝告诉我：有个叫 rawpy 的库，底层封装了 LibRaw，几乎支持所有主流相机品牌的 RAW 格式，尼康 NEF、佳能 CR2/CR3、索尼 ARW、富士 RAF……甚至哈苏的 3FR 和飞思的 IIQ 也没问题。几行代码就能把 RAW 解码成 numpy 数组，再用 Pillow 转成 JPG。

「那怎么用代码给照片修图？能像 Lightroom 那样调曝光、对比度、色温吗？」

元宝说可以。rawpy 负责 RAW 解码，Pillow 和 numpy 负责像素级运算：曝光用 2^x 乘法、对比度用 S 曲线、白平衡用通道增益。再配上 scipy 的样条插值，连参数化色调曲线都能实现。虽然效果不如 Lightroom 的专业算法，但对于社交媒体发图来说足够了。

「200 张照片怎么快速筛选？有没有什么模型能批量给照片打分？」

这个问题的答案让我眼前一亮：OpenAI 开源的 CLIP 模型可以做「美学评分」，配合 LAION 的美学评分头，还能直接输出 1-10 分的美学分数。再加上余弦相似度去重，连拍的重复照片也能自动过滤。

但是 CLIP 模型有很多，我该选择哪个呢？这些模型在我的 4C8G 的轻量云服务器上跑得起来吗？

一翻搜索之后，我挑选了 4 个候选模型，以其中最大的模型（ViT-L/14）为基准，在我这台轻量云服务器上跑了 4 轮实测取均值（每轮内部 3 次编码取中位数，子进程隔离）：

模型	编码速度	耗时百分比	Top-10 重合度	模型大小
ViT-L/14（基准）	1477ms/张	100%	10/10	890M
ViT-B/32	109ms/张	7.4%	7/10	338M
MobileCLIP2-S0	108ms/张	7.3%	8/10	300MB
MobileCLIP2-S2	226ms/张	15.3%	9/10	398M

最后选了苹果的 MobileCLIP2-S0，因为它：

速度够快
：108ms/张，只有基准 ViT-L/14 耗时的 7.3%。4C8G 的 CPU 上处理 200 张照片只要 22 秒，而 ViT-L/14 要将近 5 分钟。
选片质量有保障
：Top-10 选片和基准模型有 80% 重合（4 轮测试结果完全一致），意味着同一批照片里它选出的"最好的 10 张"和全尺寸模型只差 2 张。对于预筛来说，这个精度绰绰有余，反正最终选片还要多模态大模型来把关。
模型最小
：最轻量，最适合轻量云的部署环境。

唯一需要处理的兼容性问题是：MobileCLIP 的 embedding 维度是 512，而 LAION 美学评分头要求 768 维输入。解决方案很简单：零填充补齐，256 维的零向量不影响线性层的有效权重。实测下来，皮尔逊相关系数 0.66，排序一致性完全够用。

一连串问答和实测下来，我心里有底了：每一步都有成熟的开源方案，而且跑得飞快。

接着我把这些技术方案交给 CodeBuddy，让它帮我开发了三个独立的 Skill（技能模块），装备给我的小龙虾：

Skill	干什么	核心依赖
photo-converter	RAW → JPG 缩略图，按拍摄日期筛选照片，生成排版预览	`rawpy` + `Pillow` + `numpy`（系统依赖 LibRaw）
photo-screener	CLIP 智能预筛：美学评分、连拍去重、场景分类	`torch` + `open-clip-torch`（模型：MobileCLIP2-S0，约 300MB）
photo-grader	13 步 Lightroom 风格修图：曝光 → 白平衡 → 色调映射 → 对比度 →HSL→ 色彩分级 → 锐化 → 降噪 → 胶片颗粒…	`rawpy` + `Pillow` + `numpy` + `scipy`

每个 Skill 都是自包含的目录，里面有 Python 脚本、配置文件、依赖清单和安装脚本。OpenClaw 能自动读取 Skill 的说明文档，知道什么时候该调用哪个模块、怎么传参数。

有了这三把"武器"，接下来就是设计怎么把它们串起来。

但仔细捋一遍流程，我发现少了关键一环：CLIP 只能打分和分类，看不懂一张照片该怎么修。我需要一个真正能理解画面内容的多模态大模型，看完照片后告诉我："这张曝光欠了，高光该压一点，色温偏暖 200K……"

我又打开元宝，丢了一张阴天拍摄的秦岭山脚下的紫叶李照片过去，问它：「你能根据这张照片给我一组修图参数吗？用 JSON 格式输出，包括曝光、对比度、白平衡、HSL 这些。」

元宝还真给了。不仅给了参数，还附带了每个参数的理由："紫叶李花瓣偏白，建议高光 -0.15 防止过曝"、"背景绿叶可以通过 HSL 绿色色相偏移增加层次感"。。。

能看图、能输出结构化 JSON、能解释审美判断 —— 这不就是我需要的「修图顾问」吗？

但问题来了：元宝的多模态能力没法在外部脚本里直接调用。我没有可以直接 curl 的多模态 API Key。怎么把这个能力接进我的小龙虾？

这时我想到了 OpenClaw 的 Coding Plan，它是 OpenClaw 管理 API 配额的机制，我的 plan 里已经绑了支持多模态的大模型。而且 OpenClaw 支持多个 Agent 协作，每个 Agent 都能继承 plan 里的模型能力……

等等，这不就全串起来了吗？

我只需要注册一个专门负责"看图 + 出参数"的 Agent，它天然就能用 plan 里的多模态模型看照片、做审美判断、输出 JSON 参数，不用我自己申请 API Key，不用管鉴权，OpenClaw 会自动处理。

3.2 设计：双 Agent 协作架构

于是，我设计了一套双 Agent 协作系统，就像一个摄影工作室里的两个角色：

🦀 PhotoGrapher Agent —— 任务调度 + 脚本执行

负责理解我的意图、编排整个流程、执行所有脚本、汇报结果。它手里握着三个 Skill：photo-converter（格式转换）、photo-screener（CLIP 预筛）、photo-grader（批量修图）。

📸 PhotoCurator Agent —— 摄影审美专家 + 修图顾问

负责"看"照片：分析每张照片的内容和构图、决定选哪些不选哪些、为每张照片生成独立的 JSON 修图参数、规划九宫格排版方案。它通过 OpenClaw 的 Coding Plan 获得多模态能力，天然能看懂图片。

两者通过 OpenClaw 的消息机制协作：我只需要说一句「帮我处理今天的照片」，PhotoGrapher 接住需求、拆解任务、跑脚本；需要"看图做判断"的部分，委派给 PhotoCurator 来完成。

为什么要拆成两个 Agent？

原因有三：

模型能力不同。 编排 Agent 不需要多模态能力，用通用文本模型就够了，跑起来更快更省 token。审美 Agent 必须用视觉模型看图，但视觉模型 token 消耗更大、推理更慢。拆开之后，各用各的模型，谁也不拖累谁。
上下文隔离。 200 张缩略图发给视觉模型分析，光图片就要吃掉大量上下文窗口。如果编排和审美混在一个 Agent 里，脚本执行的日志、文件路径、错误信息会和图片分析互相争抢 token 空间。拆成两个 Agent，各自的上下文窗口只装自己需要的信息。
可独立迭代。 修图方案不满意？只改 PhotoCurator 的 prompt 就行，不影响执行逻辑。脚本要换？只改 PhotoGrapher 的 Skill，不影响审美判断。两个角色解耦，改一个不会炸另一个。

3.3 踩坑：第一张照片过曝成白板

架构设计得再漂亮，真跑起来还是会翻车。

第一次让 AI 修图，我满怀期待地打开成品 —— 一张白花花的照片。

怎么回事？

原来，AI 大模型的修图经验来自海量 Lightroom 教程。它给出的曝光参数是 +1.5，在 Lightroom 里这是个温和的值，但我的 Python 脚本用的是 2^x 算法，+1.5 意味着 2.83 倍亮度，直接过曝成白板。

同样的参数名，同样的数值，在两个系统里效果天差地别。

这就好比你跟一个只用过华氏度的美国人说"今天 30 度"，他会以为要穿羽绒服。单位不同，数值就没有意义。

我花了几十轮迭代，才摸清每个参数在脚本里的"安全范围"。这里面的水比想象中深，几乎每个参数都需要重新校准：

参数	Lightroom 里的常用范围	Skill 脚本的安全范围	差了多少
曝光	-2.0 ~ +2.0	-0.3 ~ +0.3	6.7 倍
锐化	0 ~ 150	10 ~ 40	3.8 倍
色彩分级饱和度	0 ~ 100	0 ~ 15	6.7 倍
对比度	-100 ~ +100	-30 ~ +40	~3 倍

每个参数都是这样：AI 按 Lightroom 的经验给值，我的算法用完全不同的数学公式算，最后出来的效果南辕北辙。曝光用的是 2^x 指数乘法、对比度用的是中间值 0.5 基准乘法、高光和阴影用的是乘法式色调映射，全都和 Lightroom 的加法逻辑不一样。

这不是用法不对，而是自研算法和商业软件之间本质的差距。Lightroom 有几十年的色调映射和感知模型积累，我的脚本用的是教科书级别的数学公式：指数、线性、高斯模糊。这个差异是不可消除的。

3.4 尝试：给参数加安全围栏

最直观的方案：既然 AI 给的值太大，那就强制限制范围呗。于是我做了一套"参数约束"机制：

在 AI 的 prompt 里嵌入参数安全范围表，让它按算法而非 Lightroom 出参数
脚本执行前逐参数约束，超出范围的值自动压回安全区间

跑了几轮，过曝问题确实解决了。但很快我发现了新的问题 ——

约束会打破参数之间的比例关系。

还是这张紫叶李山景照，AI 给了一组精心搭配的参数，曝光 +0.7、对比度 +30、高光 -65、阴影 +50。阴天灰暗的场景，提曝光 + 压高光 + 拉阴影是标准的 Lightroom 手法，四个参数相互协调。但算法的曝光安全范围只有 ±0.3，约束机制直接把 +0.7 砍到 +0.3，高光和阴影却原封不动 —— 比例关系被打破了，曝光不够但阴影还在猛拉 +50，对比度 +30 又在加反差。

预览成片，约束方案的问题一目了然：右图天空出现诡异的色彩伪影，暗部被阴影 +50 强行拉起后噪点暴露，整体色调怪异。参数比例一乱，欠曝像素从原图的 3.9% 飙到了 8.9%：

问题出在哪？

3.5 破局：参数映射而非约束

约束砍了曝光（+0.7→+0.3），高光只微调（-65→-60），但阴影 +50 和对比度 +30 原封不动 —— AI 精心搭配的参数组合，被粗暴的约束拆散了。 我突然意识到方向搞反了：大模型天然就是按 Lightroom 的逻辑思考的，它的训练数据里有几百万篇 Lightroom 教程。强迫它学一套全新的算法安全范围，不仅反直觉，还容易出错。

真正该做的不是约束 AI 的输出，而是在 AI 和算法之间加一层翻译。

让 AI 继续用它最擅长的 Lightroom 参数，算法自动把 Lightroom 值"翻译"成等效的算法值。就像同声传译，你说中文，我说英文，意思不变。

于是我给修图脚本加了一个 map_lr_to_engine() 映射函数。每个参数都有独立的缩放系数，比如曝光 ×0.15、对比度 ×0.35、高光 ×0.45、锐化 = 10 + LR 值 ×0.20……而且关键参数（曝光、对比度、高光、阴影）还会根据图片的直方图自适应调整：暗片多缩一点曝光，高动态范围照片多保留一点对比度。

我用上面的照片对比了下这两种方案生成参数的区别：

参数	AI 原始值	约束方案（硬砍）	映射方案（等比缩放）
曝光	+0.7	→ +0.3 ⚠️ 被截断	→ +0.105（×0.15）
对比度	+30	→ +30（未触发）	→ +10.5（×0.35）
高光	-65	→ -60 ⚠️ 微调	→ -29.2（×0.45）
阴影	+50	→ +50（未触发）	→ +22.5（×0.45）

约束方案只砍了曝光和高光，对比度和阴影纹丝不动，四个参数的比例关系全乱了。映射方案则是所有参数同步缩小，+0.7 : +30 : -65 : +50 的比例关系完整保留。

对比测试的指标也很直观：

指标	约束方案	映射方案
欠曝像素比例	8.9%	6.5%
参数比例保持	❌ 被打破	✅ 完整保留
AI 需要学习算法知识	需要	不需要

回头把原图、约束方案、映射方案放在一起看，差距一目了然：

最右边的映射方案，天空自然、紫叶李粉嫩、山体层次保留，和左边的原图相比微微提亮暖调刚好。映射方案完胜。它保留了 AI 的"创作意图"，所有参数按比例缩放，相对关系不变。约束只作为映射后的最后一道保险，防止极端值。

同时我又对比了一下另外一张晴天拍摄的照片，发现还是映射方案生成的效果更好。

最终方案变成了三层防御：

第一层，让 AI 自由表达。 Prompt 里不再有算法安全范围表，AI 直接用 Lightroom 标准参数输出修图方案。配上真实验证过的 few-shot 案例和场景分类策略，让 AI 专注于审美判断。

第二层，算法自动映射。map_lr_to_engine() 将 Lightroom 参数逐一翻译为算法等效值，直方图自适应调整关键缩放系数。AI 的创作意图被完整保留。

第三层，安全约束兜底。 映射后再经过 clamp_params() 逐参数约束，防止极端情况下的伪影。这是最后一道保险，不是主要策略。

AI 负责「想」，算法负责「翻译 + 执行」，两者之间用 JSON 传递意图。 修图参数全程可审查、可复现、可手动微调。这不是黑盒魔法，而是一条透明的工作链路。

四、实战：从终端到手机

到目前为止，核心能力已经跑通了，接下来要做的，就是把这些 Skill 和 Agent 正式"装"进 OpenClaw。让我可以通过 QQBot 来指挥我的"摄影虾"干活。

之前的"健康助手"也是 QQ Bot，但是我并不想混用，因为会"污染"上下文和历史记录。所以，我新建了一个 QQ Bot，专门用来控制小爪。

4.1 配置：把 Skill 和 Agent 装进 OpenClaw

我需要做四件事：注册两个 Agent、给 Agent 设置"灵魂"、配置专属 Skill、绑定 QQ Bot。

第一步：注册 Agent。

在 openclaw.json 的 agents.list 里加两条：

{
"agents":{
"list":[
{
"id":"photographer",
"name":"photographer",
"workspace":"/root/.openclaw/workspace-photographer",
"subagents":{
"allowAgents":["photocurator"]
}
},
{
"id":"photocurator",
"name":"photocurator",
"workspace":"/root/.openclaw/workspace-photocurator",
"thinkingDefault":"high"
}
]
}
}

photographer（小爪 🦀）是编排师，负责接活、拆任务、跑脚本；photocurator（小策 📸）是审美专家，负责看图、选片、出修图参数。小爪可以调用小策（allowAgents），但小策不能反过来调小爪，职责单向，不会循环。

thinkingDefault: "high" 让小策默认启用深度思考，审美判断不能图快，得想清楚。

第二步：给 Agent 设置"灵魂"。

每个 Agent 的 workspace 里放一个 IDENTITY.md，定义它是谁、怎么干活：

# 小爪 🦀 — 摄影工作流编排师

- 端到端照片处理流程（RAW → 缩略图 → 预筛 → 选片 → 修图 → 排版）
- 需要审美判断时委派给 PhotoCurator 📸
- 修图参数由引擎自动映射（Lightroom 参数 → 引擎值）

# 小策 📸 — AI 摄影后期专家

- 分析照片内容、构图、光影，挑选最佳作品
- 生成 Lightroom 标准参数的修图方案 JSON
- 参数保守主义：首次偏保守，微调优于推翻重来

再放一个 SOUL.md 定义行为准则，什么该做什么不该做，什么时候该问我什么时候自己决定。这些文件 OpenClaw 启动时会自动加载，Agent 天然就"知道"自己是谁。

第三步：给小爪配置专属 Skill。

把之前开发的三个 Skill 扔进 workspace-photographer/skills/ 目录：

workspace-photographer/
└── skills/
    ├── photo-converter/    # RAW 转缩略图
    │   ├── SKILL.md        # 技能文档（OpenClaw 自动读取）
    │   ├── config.json     # 默认参数
    │   └── scripts/
    │       ├── convert.py
    │       ├── find_by_date.py
    │       └── layout_preview.py
    ├── photo-screener/     # CLIP 预筛
    │   ├── SKILL.md
    │   ├── config.json
    │   └── scripts/
    │       └── screen.py
    └── photo-grader/       # 批量修图
        ├── SKILL.md
        ├── config.json
        └── scripts/
            └── grade.py

每个 Skill 里的 SKILL.md 是给 Agent 看的说明书，输入什么格式、输出到哪里、参数怎么传。小爪读完 SKILL.md 就知道该怎么调这个模块，不用我每次手动指定。

第四步：绑定 QQ Bot。

修改 openclaw.json，把新建的 QQ Bot 绑定到 photographer Agent 上：

{
"channels":{
"qqbot":{
"enabled":true,
"allowFrom":["*"],
"accounts":{
"main":{
"appId":"",
"clientSecret":""
},
"photographer":{
"appId":"",
"clientSecret":""
}
}
}
},
"bindings":[
{
"agentId":"photographer",
"match":{"channel":"qqbot","accountId":"photographer"}
}
]
}

这样，我在 QQ 里跟"摄影虾"聊天，消息就会直接路由给 photographer Agent 处理。

重启 OpenClaw，看到日志里两个 Agent 都上线了。配置搞定。

4.2 实战：QQ 里的一句话修图

掏出手机打开 QQ，找到"摄影虾"。

帮我整理下 3 月 15 日的照片，我想发一个 9 宫格朋友圈

发送。

然后我就去泡了杯茶。

几分钟后，手机震了。小爪发来一张九宫格预览图，紧接着是一段执行报告：

✅ 3 月 15 日的 9 宫格朋友圈照片已经处理完成啦！采用了春日通透柔焦风格...

点开九宫格预览图，9 张照片排列整齐，色调统一柔和，三月的春光全在里面了：

这次效果不错，但仔细看发现第二排第一张照片横着躺了——相机方向传感器没识别对。这种自动旋转校正，后续也得让小爪学会自己处理。

于是我又补了一句：

把 9 张成品也发给我

很快，9 张修好的照片依次发了过来。我长按保存，打开朋友圈，选 9 张图，写一句"三月的花开了"，发送。

那个在硬盘里吃了一个月灰的「踏春」文件夹，终于完成了它的使命。

4.3 扩展：手机照片也能调

发完朋友圈后我想到，不是每次拍照都会掏相机。更多时候是路上随手一拍，手机里躺着几十张 JPG 和 HEIC，同样懒得修。

之前的 Skill 是按相机 RAW 文件设计的，手机照片没有 RAW 解码这一步，HEIC 格式也需要额外处理。于是我又花了点时间优化流程：

photo-converter
加了 HEIC/JPG 支持，自动识别输入格式，手机照片直接走 Pillow 解码，不再强制依赖 rawpy
photo-screener
的 CLIP 预筛对手机照片同样有效，MobileCLIP 不挑输入来源，分辨率自适应
photo-grader
的修图引擎区分了 RAW 模式和 JPG 模式：RAW 从线性空间开始调，JPG 从已有色彩空间微调，两条路径参数范围不同

改完之后，在 QQ 里随手发了几张手机拍的花：

效果不输相机，花瓣颜色鲜艳通透，背景柔和干净，修图参数依然全是 JSON，想微调随时可以。

从相机 RAW 到手机随手拍，摄影虾终于可以覆盖我日常拍照的所有场景。

五、展望：让 AI 记住我的审美

这套系统用了几次之后，我有一个更大的念头。

目前每次选片，PhotoCurator 都是从零开始判断，它不知道我偏爱暖调、喜欢柔和的光线、每次都会给风景照加一点点暗角。

我想让它记住我。

每次选片、每次我对修图结果做的微调（"高光再压一点""绿色再淡一些"），都写入一份「审美档案」。跑个几十次之后，它就不再是一个通用的审美专家，而是懂我的私人策展人。

甚至可以更进一步，把滨田英明的日系通透、何藩的光影戏剧感整理成「风格知识库」。修图时我说一句"这组用何藩的光影感来调"，系统就知道该怎么做。

这些想法有的已经在做了，有的还在脑子里发酵。但这就是自己造工具的乐趣 —— 它不是固定的产品，而是随我成长的系统。

六、尾声：摄影的意义

写到这里，想聊一个更大的话题。

摄影到底意味着什么？

摄影的意义，从来不在器材多贵、参数多精准，而在于那个「我想记录」的冲动。

春天路边一树樱花、傍晚天边烧红的云、孩子们第一次骑自行车的瞬间 —— 这些画面如果不拍下来，就只能存在于越来越模糊的记忆里。

按下快门的那一刻，我们在对抗遗忘。

但记录不应该止步于快门。

一张未经处理的 RAW 文件，灰蒙蒙、暗沉沉，远不如肉眼看到的那一刻动人。后期不是造假，而是还原 —— 还原当时看到的光线、感受到的色彩、心里涌起的那股情绪。

问题在于，这份「还原」的能力，过去一直被锁在专业技能的高墙后面。

我知道自己喜欢暖调、喜欢柔和、喜欢天空有层次感，但不知道滑块该往哪拉。

审美和执行之间，隔着一道鸿沟。

AI 的作用，就是填上这道鸿沟。

我说出想要的感觉，AI 帮我翻译成技术参数，帮我执行。它不是取代我的审美，而是让我的审美得以表达。

摄影的快乐，不应该止步于按下快门的那一刻。

从快门到朋友圈，这条路本来可以很短。

现在，它真的很短了。