clawvisual

v1.0.1

Published

22 days ago

URL or long-form text to social carousel CLI and MCP client.

Downloads

215

0High
0Medium
0Low

suinia

clawvisual AI

clawvisual AI 是一个开源的 URL to social carousel 生成框架，面向创作者、增长团队和自动化场景中的 agent workflow。

你可以把长文章或 URL 转成可发布的社媒轮播内容：标题、caption、hashtags、slide 文案和生成图片。它同时支持 MCP，可被其他 agent 作为技能调用。

功能预览

功能亮点

直接吃 URL 或长文本，输出可发布的 carousel 结构
不是只做摘要，而是真的生成 slide 图片和视觉 prompt
有异步任务、进度事件、修订能力和下载输出
已支持竖版、方图、Story 和横版输出
提供 MCP 端点，可以作为其他 agent 的工具能力

文档

默认输出约束（fast 模式）：

post_title：一句话标题钩子
post_caption：精简正文，标准化为 100-300 字符
hashtags：1-5 个标签
aspect_ratios：可选 4:5、1:1、9:16、16:9
slides：必须生成可用图片页（不是纯文案输出）
- 每页需包含 image_url 与 visual_prompt
- 封面页（slide_id: 1）优先保证第一眼识别度与钩子强度

真实示例

本地实测 URL：

How to fix your entire life in 1 day

生成输出（output_language: zh-CN，max_slides: 8）：

{
  "post_title": "为什么你年年立Flag，年年都打脸？",
  "post_caption": "90%的新年计划都会失败，因为你只是在玩一场“给别人看”的地位游戏。真正的改变，从来不是靠意志力死撑，而是源于深层的自我重构。当你对现状的厌恶超过了对未知的恐惧，改变才会真正发生。",
  "hashtags": ["#自律", "#AI", "#Productivity", "#ContentStrategy", "#Marketing"]
}

生成 slide 预览：

本地启动（Web）

安装依赖：

npm install

创建本地环境变量文件：

cp .env.local.template .env.local

.env.local 至少填写这 1 项：

LLM_API_KEY

LLM_API_URL 与 LLM_MODEL 已有默认值（OpenRouter + Gemini Flash）：

LLM_API_URL=https://openrouter.ai/api/v1/chat/completions
LLM_MODEL=google/gemini-3-flash-preview

本地开发的重要说明：

.env.local.template 现在默认把 CLAWVISUAL_API_KEYS 留空
本地请求默认不需要 x-api-key，只有你显式配置了 CLAWVISUAL_API_KEYS 才需要带
如果你启用了 API Key 校验，请在 x-api-key 里传入同一个已配置值
如果你想测试真实图片生成，而不是占位渐变图/SVG，还需要设置可用的 GEMINI_API_KEY 和 NANO_BANANA_MODEL
如果当前 provider 不支持 LLM_COPY_POLISH_MODEL，文案 polish 阶段可能会被跳过

启动开发服务器：

npm run dev

浏览器访问：

http://localhost:3000

如果 3000 已被占用，Next.js 会自动切到别的端口，比如 3001。请以终端里实际显示的端口为准。

CLI（npm -g）

全局安装 CLI：

npm install -g clawvisual

安装后可直接执行：

clawvisual set CLAWVISUAL_LLM_API_KEY "your_openrouter_key"
# 可选
clawvisual set CLAWVISUAL_LLM_MODEL "google/gemini-3-flash-preview"
clawvisual initialize
clawvisual status
clawvisual tools
clawvisual convert --input "在这里粘贴长文本或 URL" --slides auto
clawvisual status --job <job_id>

clawvisual initialize 在 CLAWVISUAL_MCP_URL 指向 localhost 时会自动拉起本地服务，并输出可访问的 Web URL；之后可继续执行 clawvisual xxx 命令。 clawvisual status 会校验服务指纹（必须是 clawvisual），避免同端口其他 MCP 服务造成误判。 clawvisual set/get/unset/config 会把 CLI 配置写入 ~/.clawvisual/config.json（key 大小写不敏感，例如 clawvisual set clawvisual_llm_api_key ...）。

CLI 相关环境变量：

CLAWVISUAL_MCP_URL（默认：http://localhost:3000/api/mcp）
CLAWVISUAL_API_KEY（仅在开启 API Key 校验时需要）
CLAWVISUAL_LLM_API_KEY / CLAWVISUAL_LLM_API_URL / CLAWVISUAL_LLM_MODEL（CLI 层别名，会映射为服务端 LLM_* 环境变量）

Docker

构建镜像：

docker build -t clawvisual:1.0.0 .

运行容器：

docker run --rm -p 3000:3000 \
  -e LLM_API_KEY=your_openrouter_api_key \
  -e GEMINI_API_KEY=your_gemini_api_key \
  -e NANO_BANANA_MODEL=gemini-3.1-flash-image-preview \
  clawvisual:1.0.0

GHCR 发布后的运行示例：

docker run --rm -p 3000:3000 \
  -e LLM_API_KEY=your_openrouter_api_key \
  ghcr.io/<owner>/clawvisual:<tag>

工作流

输入 URL 或长文本
运行技能流水线生成 hooks、slide 文案、视觉图和 hashtags
轮询异步任务状态直到完成
按需发起修订（rewrite_copy_style / regenerate_cover / regenerate_slides）
导出下载最终素材

Web 输入框下方现在提供 Aspect ratio 选择器，可以直接切换竖版、方图、Story 和横版（16:9）输出。

最小冒烟测试

执行 npm run dev 之后，建议先确认服务健康，再测试完整 UI 流程。

打开 OpenAPI：

curl http://localhost:3000/api/openapi.json

列出 MCP tools：

curl -X POST http://localhost:3000/api/mcp \
  -H 'content-type: application/json' \
  --data '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

创建一个转换任务：

curl -X POST http://localhost:3000/api/v1/convert \
  -H 'content-type: application/json' \
  --data '{
    "input_text": "Open source projects grow faster when onboarding is simple and the value is visible on first use.",
    "max_slides": 4,
    "aspect_ratios": ["16:9"]
  }'

持续轮询返回的 status_url，直到 status 变成 completed 或 failed

首次运行时的预期行为：

接口会先快速返回 202，任务异步执行
在 fast 模式下，一些质量环节显示 skipped:fast_mode 是正常行为
如果外部模型或图片能力没有完整配置，部分质量或图片步骤可能退化或走回退路径
如果 NANO_BANANA_MODEL 仍然保留模板占位值，图片生成可能会反复重试，最后回退到占位输出

OpenClaw 接入（作为 Skill）

clawvisual 可以通过 MCP 方式，作为 OpenClaw 的本地/工作区 Skill 接入。

启动 clawvisual 服务：

npm install
cp .env.local.template .env.local
npm run dev

将本仓库 Skill 安装到 OpenClaw：

把 skills/clawvisual 复制到以下任一位置：
- <openclaw-workspace>/skills/clawvisual（工作区级）
- ~/.openclaw/skills/clawvisual（本机共享）

配置 Skill 运行环境变量：

CLAWVISUAL_MCP_URL=http://localhost:3000/api/mcp
CLAWVISUAL_API_KEY=<如果开启鉴权则填写>

如果开发服务器实际跑在 3001 或其他端口，这里的 CLAWVISUAL_MCP_URL 也要同步修改。

如果你显式配置了 CLAWVISUAL_API_KEYS，这里的 CLAWVISUAL_API_KEY 也应该设置为其中一个可接受的值。

本地测试 Skill 客户端：

npm run skill:clawvisual -- tools

MCP

端点：POST /api/mcp
方法：initialize、tools/list、tools/call
工具：convert、job_status、revise、regenerate_cover

FAQ

可以自托管吗？

可以。项目支持本地/服务器部署，按 .env.local 配置即可运行。

支持批量处理吗？

支持。可通过 API 或 MCP 在脚本/工作流中并发提交多个异步任务。

能用于自动化流程吗？

可以。MCP 接口就是为自动化和 agent orchestration 设计的。

能被其他 agent 作为 skill 调用吗？

可以，直接复用 skills/clawvisual 并配置 CLAWVISUAL_MCP_URL。

路线图

更完善的批处理调度与队列控制
更多模板与风格预设
更强的评测集与回归保障
更细粒度的素材导出格式
持续发布版本与更新说明

已实现架构（V1 脚手架）

框架：Next.js App Router + TypeScript
API：
- POST /api/v1/convert：启动 16 个技能链路并返回 job_id
- GET /api/v1/jobs/:id：查询状态/进度/结果
- POST /api/mcp：MCP JSON-RPC 端点（initialize、tools/list、tools/call）
- GET /api/openapi.json：导出 OpenAPI Schema
技能系统：src/lib/skills 中包含 16 个原子异步技能
Prompt 模板：src/lib/prompts/index.ts
编排器：src/lib/orchestrator.ts
队列：
- 本地内存队列（便于本地开发）
API Key 校验：src/lib/auth/api-key.ts

目录结构

src/app/page.tsx：clawvisual 控制台 UI
src/app/api/v1/convert/route.ts：转换入口
src/app/api/v1/jobs/[id]/route.ts：任务状态查询
src/app/api/openapi.json/route.ts：OpenAPI 导出
src/lib/types：统一类型与上下文对象
src/lib/skills：16 个原子技能模块

环境变量

当前脚手架会读取以下变量：

LLM_API_URL（可选，默认 https://openrouter.ai/api/v1/chat/completions）
LLM_API_KEY
LLM_MODEL（可选，默认 google/gemini-3-flash-preview）
LLM_TIMEOUT_MS（可选，默认 25000）
LLM_COPY_FALLBACK_MODEL（可选，默认 google/gemini-2.5-flash）
LLM_COPY_POLISH_MODEL（可选，默认 openai/gpt-5.1-mini）
GEMINI_API_KEY
NANO_BANANA_MODEL
NANO_BANANA_TIMEOUT_MS（可选，默认 60000）
NANO_BANANA_TRANSIENT_RETRY_MAX（可选，默认 2）
NANO_BANANA_RETRY_BASE_DELAY_MS（可选，默认 450）
QUALITY_LOOP_ENABLED（可选，默认 true）
QUALITY_AUDIT_THRESHOLD（可选，默认 78）
QUALITY_IMAGE_COVER_THRESHOLD（可选，默认 85）
QUALITY_IMAGE_INNER_THRESHOLD（可选，默认 78）
QUALITY_COVER_FIRST_GLANCE_THRESHOLD（可选，默认 82）
QUALITY_COVER_NOVELTY_THRESHOLD（可选，默认 80）
QUALITY_COVER_CANDIDATE_COUNT（可选，默认 1）
QUALITY_MAX_COPY_ROUNDS（可选，默认 1）
QUALITY_MAX_IMAGE_ROUNDS（可选，默认 0）
QUALITY_MAX_EXTRA_IMAGES（可选，默认 1）
QUALITY_IMAGE_LOOP_MAX_MS（可选，默认 120000）
QUALITY_IMAGE_AUDIT_SCOPE（可选，cover 或 all，默认 cover）
PIPELINE_MODE（可选，fast 或 full，默认 fast）
PIPELINE_MAX_DURATION_MS（可选，默认 300000）
PIPELINE_ENABLE_SOURCE_INTEL（可选，fast 模式默认 false）
PIPELINE_ENABLE_STORYBOARD_QUALITY（可选，fast 模式默认 false）
PIPELINE_ENABLE_STYLE_RECOMMENDER（可选，fast 模式默认 false）
PIPELINE_ENABLE_ATTENTION_FIXER（可选，fast 模式默认 false）
PIPELINE_ENABLE_POST_COPY_QUALITY（可选，fast 模式默认 false）
PIPELINE_ENABLE_FINAL_AUDIT（可选，fast 模式默认 false）
OPENROUTER_API_KEY
TAVILY_API_KEY
SERPER_API_KEY
JINA_API_KEY

运行时可观测性：

Thinking & Actions 事件时间线包含每步 token 增量（in/out/total，前提是上游 provider 返回 usage）
最终 skill_logs 包含 llm_usage_summary，用于请求级 token 汇总

API 安全控制：

CLAWVISUAL_API_KEYS：逗号分隔可用 key 列表
CLAWVISUAL_ALLOW_NO_KEY：本地开发默认 true

说明

项目已包含异步转换流水线 + 修订引擎 + MCP 兼容 JSON-RPC 端点
真实生产集成（Flux/Midjourney、Redis/BullMQ Worker、PostgreSQL、satori 渲染）仍是可插拔扩展点

MCP 工具

POST /api/mcp 支持：

convert：创建转换任务
job_status：查询当前任务状态/结果
revise：对文案或图片发起修订任务
regenerate_cover：基于任务修订或直接 prompt 重新生成封面

Skill 模板

可复用的外部技能包：

快捷命令：

npm run skill:clawvisual -- tools

常见本地问题

Missing x-api-key
- 原因：你显式启用了 CLAWVISUAL_API_KEYS
- 处理：带上 x-api-key，或者清空 CLAWVISUAL_API_KEYS
MCP 客户端连错服务
- 原因：npm run dev 自动切到了 3001，但客户端默认还在请求 http://localhost:3000/api/mcp
- 处理：把 CLAWVISUAL_MCP_URL 改成真实端口
dev 或 build 出现 Next.js workspace root 警告
- 原因：仓库上层还存在其他 lockfile，Next.js 推断了更高一级的 workspace root
- 处理：在 next.config.ts 里设置 turbopack.root，或者移除无关的上层 lockfile