一張圖 0.5 元，我的 OpenClaw 能出圖了（附配置教程）

有不少讀者問我平時的文章封面圖是怎么做的，覺得看起來效果還不錯。

其實很簡單，我常用的方法有兩種，一種是通過我之前介紹過的 Lovart 這類 AI 工具，還有一種就是直接讓 OpenClaw 來做。

今天，就主要講一下如何在 OpenClaw 上養出一只有設計能力的龍蝦。

說個前提，就是你已經安裝部署好了自己的 OpenClaw，不管是云端還是本地都可以。

如果你還沒完成這一步，在這篇文章的最后我會給你發教程入口。

先來看下使用效果。

你可能會好奇，我是怎么讓他做出圖里帶我的封面圖的？

其實很簡單，直接給他一張參考圖，然后把你的需求通過文字描述給他即可。

如果你不想每次都上傳參考圖或者輸入重復的提示詞，也可以把這個畫圖場景固化成一個 Skill。

比如這樣。

下一次用的時候，就直接跟他說生成一張公眾號封面圖即可，他會默認用我的照片作為主角去制作場景圖。

這個過程還是挺方便的，相當于我有一個專屬 AI 設計師每天來響應我的一句話需求。

相比我以前去其他網站找公眾號封面圖，這個效率還是提高了很多。

不僅能做帶主角的封面圖，他還能根據我的需求畫線框圖，且同樣可以訓練成一個產品原型圖 Skill，包括標注、交互箭頭、甚至是邏輯解釋等。

此外，讓他根據我的需求設計海報也可以。

我是在 OpenClaw 上新建了一個獨立 Agent，給他取名「唐小藝」。

我會把做封面圖、畫線框圖、做海報、設計PPT的工作全部做成獨立 Skill，需要的時候直接把完整需求提過去就行。

現在我給他接的是 Nano Banana 2 的模型，后面我也準備換到 GPT Image 2。

看了下后臺 API 消耗的 Token 價格，算下來一張圖片不超過人民幣 5 毛錢。

可能有人覺得貴，但對我來說 ROI 就很高。

我花 5 毛錢得到一張滿意的圖片，單次省下來的時間所能創作的價值會遠超這個價格。

假設我過去每天花 10 分鐘在找圖片做圖片上，那一個星期 7 次就是 1 小時左右。

算下來，我每周花不到 4 塊錢就多出來一個小時，這可太劃算了。

好，接下來我教你們怎么做。

從這里開始，我都假設你已經完成了 OpenClaw 的部署。如果你還沒有自己的龍蝦，可能需要先看文章最后面的教程。

讓龍蝦能畫圖做設計需要滿足一個前提，就是你所使用的大模型本身具備畫圖能力，有些多模態的模型是可以的，但有些不行。

為了出圖質量和效果，我會選擇 Nano Banana 2 以及 GPT Image 2。

而且，我準備分兩種方式來教你們怎么做。一種是在已有的 OpenClaw + 飛書的模式上新增畫圖能力。

另一種，就是新建一個獨立的 Agent 來讓他專門負責畫圖。

先說第一種，也是最簡單的。

第一步，拿到 Nano Banana 2 的模型調用 API。

我沒有直接去用官方的 API，而是用的模型中轉站，好處就是可以在所有模型之間切換，比較靈活自由。

我用的是 Ofox 的中轉服務，用了一段時間比較穩定，后臺設計也比較直觀，體驗是可以的。

如果你們想用 Claude 或者 GPT 這些模型的，在里面也能看到，去這里先注冊個賬號即可：https://ofox.ai/x/tangren

注冊成功之后，你會得到一個 API Key，這就是你用來調用其他模型的通行證。

注意，得到這個 API Key 之后要自己單獨存起來，因為等你關掉第一次創建后的那個對話框之后就看不到了。

如果忘記復制了也沒關系，你刪掉重新建一個就行。

接下來，把你的 API Key 粘貼到下面這段代碼我給你標記上中文的那里，就是「apiKey」后面。

"ofox-gemini": {        "baseUrl": "https://api.ofox.ai/gemini",        "apiKey": "在這里輸入你的APIKEY",        "api": "openai-completions",        "models": [          {            "id": "google/gemini-3-pro-image-preview",            "name": "Nano Banana Pro",            "input": [              "text",              "image"            ],            "contextWindow": 64000,            "maxTokens": 32000          },          {            "id": "google/gemini-3.1-flash-image-preview",            "name": "Nano Banana 2",            "input": [              "text",              "image"            ],            "contextWindow": 64000,            "maxTokens": 64000          }        ]      }

這里我是用 Nano Banana 2 和 Nano Banana Pro 作為案例，如果你們想用 GPT Image 2 的，直接在 Ofox 官網的模型廣場里也能看到。

如果用 GPT 來生圖的話，上面的代碼會有些不同，在Ofox上也都有介紹，實在不會的你就去問 DeepSeek 并開啟專家模式。

第二步，讓 OpenClaw 新增生圖模型配置。

在飛書里和你的 OpenClaw 說這么一段話：「我要新增一個模型配置，你幫我加到openclaw.json配置文件里，配置代碼如下」。

把前面那段代碼跟在這句話后面即可，注意要用你自己注冊好的 API Key 替換紅框里的中文。

回車，讓你的 OpenClaw 幫你完成新模型的配置。

如果這個過程中出現了什么問題，你都可以通過對話的方式讓他解決，如果解決不了的，你就去問 DeepSeek，總之都能搞定。

如果他自己配置成功了，通常需要重啟網關生效。最直接的方式就是打開終端窗口運行「openclaw gateway restart」。

至于具體怎么打開終端我就不說了，因為看到這里說明你已經部署過 OpenClaw 了。

確認一下生圖模型是不是配好了，可以在飛書里輸入以下兩個命令。

第一個是查看當前有哪些可用模型，注意看，紅框里就是我們前面新增的兩個生圖模型。

如果進一步想確認里面的兩個分別是什么，就繼續運行 /models 命令，帶上第一個結果里的模型分類名。

可以看到，我們之前配置的兩個 Nano Banana 模型就在里面了。

到這一步，我們還不能直接用這個模型去生圖，這也是我之前踩過的坑。

我以為切換到生圖模型就可以了，結果搞了半天 OpenClaw 說是在生圖，實際上他根本沒有生成，一直在騙我。

查了半天才知道，原來需要讓 OpenClaw 具備一個能生圖的 Skill 并結合生圖模型才可以。

也不知道我是不是遇到的個例，但我確實是通過這種方式才調通的，如果你們有更簡單的方式也可以留言說。

第三步，給 OpenClaw 的 Agent 安裝一個生圖 Skill。

我是直接讓他去幫我找適合生圖的 Skill，然后根據他的推薦安裝的，名字就是我標紅的那個。

安裝 Skill 成功之后，還需要把之前的 Ofox 上的 API Key 發給他去配置一下。

注意，在這個過程中也有可能出問題，你們可以選擇 Agent 操作能力強一點的模型來完成整個過程，比如 GPT-5.4 或者 Claude Opus 4.6。

遇到問題也沒關系，你可以讓他自己修復處理，實在搞不定的那就去問 DeepSeek。

我到最后就遇到一個卡點，嘗試了很多方法也沒搞定，于是就去聯系了 Ofox 的技術支持，他給我發了兩個鏈接，告訴我直接丟給 OpenClaw 就行。

結果，還真行了。

如果你們在這個環節也遇到卡點的，可以像我一樣把鏈接丟給他，里面都是一些配置說明信息。

鏈接是這兩個：https://api.ofox.ai/gemini/v1beta/models，https://api.ofox.ai/v1/models

搞定這一步之后，最后測試一下生圖是否成功。一般來說，都沒啥問題了。

我還特意確認了一下，他生圖是用的 Nano Banana 2，但對話用的是 Gemini 3.1 Pro，所以是雙模型工作。

因為我是指定用 Nano Banana 2 來生圖，所以結合 Skill 用就是這個組合。

通過以上三步，就可以讓你的龍蝦具備設計能力。

可能有讀者會說，看起來好麻煩，直接去用 Lovart 不也一樣嗎？

的確，不過還得看你是在什么工作流里去運用設計能力。

如果你是專業設計師或者有固定設計工作流的人，Lovart 這樣的工具的確更方便。

如果你像我一樣是偶爾就只要一張圖，那 OpenClaw 的 Agent 模式就更直接，而且是按使用付費。

所以，我現在是搭配起來一起用。

大畫布多流程設計需求的用 Lovart，比如做產品設計或者品牌物料設計。簡單需求的就用 Agent，比如做個封面圖或者文章示意圖。

今天就先講已有 Agent 的配置方式了，關于如何在 OpenClaw 里新建獨立 Agent 來負責專門工作，之后再給你們出教程。

我現在其實就是多 Agent 并行，也就是我的 AI 團隊分工是比較明確的。

這樣有一個好處，就是各自干各自的，上下文不干擾，而且可以組合成工作流一起用。

我在 AI 個體戶計劃的線下訓練營里也會跟大家講多 Agent 的配置以及如何把工
前寫的教程：

我這還是一兩個月前的教程了，現在的過程比這個更簡單，但流程是類似的。

今天就寫到這了，趕緊去升級你們的 AI 工作流吧。

我們不會被 AI 淘汰，我們只會被他升級。

關鍵是，得動手。

核心是，去做事！

················· 唐韌出品 ·················

安可時刻

說個現實。

但凡你裝過任意一個 Agent，基本上就已經打開了 AI 世界的大門。

比如，你裝好了 OpenClaw，那你就可以讓 OpenClaw 去裝 Hermes。我之前還寫過一篇教程：

同理，如果你裝好了 Codex 或者 Claude Code，他們也可以基于你的一句話需求幫你裝 OpenClaw 或 Hermes。

這些都是 Agent 框架，能力和特性有所不同，但大致邏輯是類似的，都是成為你的生產力工具。

所以，如果你現在還沒有一個屬于自己的 Agent，我覺得該改變了。