Moondream 本地视觉理解

解决什么问题

当工程师需要在聊天或自动化流程中读取本地图片，又不想把图像直接传到外部视觉 API 时，moondream-vision-zc 提供一个较轻量的入口。它把本地 Ollama 中的 Moondream 模型接入 OpenClaw，让图片或本地文件路径可以直接生成自然语言描述。

技能如何工作

• 技能依赖本地 Ollama 服务与 Moondream 模型，脚本通过 Ollama REST API 发送 base64 图像和可选提示词。
• 在 OpenClaw 中注册后，可用 !moondream <image_path> 这类命令触发图像理解。
• 返回结果可继续作为上下文交给 GPT-OSS-120B，用于摘要、分析、文案扩写或跨模态推理。
• 由于 Moondream 偏轻量，资料给出的性能约为普通笔记本 CPU 1‑2 秒/图像，GPU 可进一步加速。

边界与注意点

• 需要本地 Ollama 服务可用，且 11434 端口可访问。
• Ollama 对单张图片约 5 MB 有限制，过大图片建议先压缩。
• 如果返回为空，应检查 prompt 是否非空，或在 payload 中加入空 system 字段。
• 它更适合做本地快速图像描述和前置理解；复杂结论仍需结合更大语言模型二次分析。