OpenClaw 接入商汤 SenseNova：搭建能看图会画图的个人 AI 助手

1 阅读

商汤 SenseNova 平台简介

SenseNova 是商汤科技推出的大模型 API 服务平台，目前处于公测阶段，免费使用。每个模型每 5 小时提供 1500 次调用额度。由于额度按模型单独计算，如果你同时使用多模态对话和图像生成两个模型，5 小时内最多可调用 3000 次，平均每分钟约 10 次，对个人用户和日常办公完全够用。

平台当前主推两个模型：

  • sensenova-6.7-flash-lite：多模态对话模型，支持文字和图片输入，输出文字，上下文长度达 256K，适合图像理解和复杂推理。
  • sensenova-u1-fast：图像生成模型，专精于信息图、海报等高密度图文内容的生成。

本文重点介绍如何将这两个模型接入 OpenClaw，构建一个既能“看图说话”又能“按需作画”的个人 AI 助手。

平台地址：https://platform.sensenova.cn

环境准备与 OpenClaw 配置

获取 API Key

首先访问 SenseNova 平台注册账号，进入控制台的 API Key 管理页面，创建一个新的 API Key，并保存好：

export SENSENOVA_API_KEY="sk-your-api-key-here"

验证 API 连通性

使用 curl 命令测试 API 是否可用：

# 列出可用模型
curl -s "https://token.sensenova.cn/v1/models" \
  -H "Authorization: Bearer $SENSENOVA_API_KEY" | python3 -m json.tool

返回结果中应包含 sensenova-6.7-flash-lite 和 sensenova-u1-fast。

安装并配置 OpenClaw

确保已安装 Node.js 22.16+ 或 24+，然后全局安装 OpenClaw：

npm install -g openclaw@latest
openclaw onboard --install-daemon

在交互式配置过程中，按以下参数填写：

  • Model/auth provider: Custom Provider
  • API Base URL: https://token.sensenova.cn/v1（注意是 token 子域名）
  • Authentication: 选择 Paste API key now 并输入你的 API Key
  • Endpoint compatibility: OpenAI-compatible
  • Model ID: sensenova-6.7-flash-lite
  • Endpoint ID: sensenova
  • Support image input?: Yes

配置完成后，选择重启服务使设置生效。最后通过 OpenClaw Web 界面发送一条简单消息测试连接是否成功。

图像理解：6.7 Flash-Lite 的实际表现

6.7 Flash-Lite 的图像理解能力远超一般“识图”水平。它不仅能识别物体，还能结合文化背景和生活常识进行深度解读。

例如，当输入一张灵隐寺“福鼎”的照片时，它不仅准确指出这是祈福用的铜鼎，还解释了“摸鼎=摸顶=步步登高”的民间寓意。这种将视觉信息与中国传统文化语境结合的能力，让它更像一个有经验的本地向导。

此外，它对细节的捕捉非常敏锐——能分辨人群中谁在拍照、谁在合十祈福；在复杂场景（如国宴或寺庙人流）中，也能通过衣着、姿态等微小差异判断人物身份。这种对生活场景的洞察力，使其在免费公测模型中脱颖而出。

U1 Fast：不只是画图，更是信息图专家

很多人以为 U1 只是一个普通的文生图模型，但实际上它的定位非常明确：高精度信息图生成。

NEO-Unify 架构的优势

U1 采用自研的 NEO-Unify 架构，与传统“拼接式”多模态模型有本质区别：

  • 传统架构：图像先经 Visual Encoder 编码，再通过 Adapter 传给 LLM，最后由 VAE 解码成图。信息在多次转换中容易失真。
  • U1 架构：像素和文本在同一个表征空间中直接交互，共享 MoT（Mixture-of-Transformers）骨干网络，实现端到端建模，信息零损耗。

这种设计让 U1 在处理图文混排、字体渲染、布局对齐等任务时表现更稳定。

信息图生成实测

U1 Fast 经过蒸馏优化，专门针对信息图场景调优。通过 API 调用，可以生成高度结构化的海报，例如包含三栏布局、图标、标题、正文和配色规范的完整信息图。

与主流模型对比：

维度 SenseNova U1 DALL-E 3 / GPT Image Midjourney
信息图能力 ⭐⭐⭐⭐⭐ 专精，高密度排版 ⭐⭐⭐⭐ 强，文字精准 ⭐⭐ 偏艺术，排版弱
文字渲染 商业级精度 行业顶尖 容易出错
开源/私有部署 ✅ Apache 2.0 开源 ❌ 闭源 ❌ 闭源
免费额度 公测免费（每 5h / 1500 次） 付费 付费

开源模型包括 SenseNova-U1-8B-MoT-Infographic（信息图专精版）等，可在 GitHub 上获取：github.com/OpenSenseNova/SenseNova-U1。

支持的图像尺寸

U1 Fast 支持 11 种固定分辨率，均为 2K 级别，默认为 2752x1536（16:9）。其他常用尺寸包括：

  • 2048x2048（1:1 正方形）
  • 1536x2752（9:16 竖版）
  • 3072x1376（21:9 超宽横幅）
  • 1344x3136（9:21 超长竖图）

Prompt 编写最佳实践

U1 对 Prompt 的结构化程度极其敏感。模糊指令如“画一张好看的 AI 海报”效果很差，而结构化 Prompt 能显著提升输出质量。

推荐结构：主题 + 核心元素 + 布局逻辑 + 风格/配色

例如，为“Go 性能优化”生成信息图时，应明确：

  1. 全局视觉规则：深蓝科技风背景、白色文字、Go 蓝渐变点缀
  2. 排版硬约束：三列网格、1px 细边框、内容不溢出
  3. 逐区块内容：每列的具体标题、图标描述、技术指标

实测表明，结构化 Prompt 生成的图片布局规整、信息分层清晰、视觉风格统一，远胜随机出图。

使用官方 Skill 套件：SenseNova-Skills

商汤官方提供了 SenseNova-Skills OpenClaw 插件套件，开箱即用，覆盖四大场景：

  • 图像 & 信息图：sn-infographic、sn-image-base
  • PPT 生成：sn-ppt-entry、sn-ppt-standard
  • 数据分析：sn-da-excel-workflow
  • 深度研究：sn-deep-research

一键安装

# 克隆仓库
git clone https://github.com/OpenSenseNova/SenseNova-Skills.git --depth=1

# 复制到 OpenClaw 目录
mkdir -p ~/.openclaw/skills
cp -r SenseNova-Skills/skills/* ~/.openclaw/skills/

# 重启服务
openclaw gateway restart

安装后，在 ~/.openclaw/.env 中配置环境变量：

SN_BASE_URL="https://token.sensenova.cn/v1"
SN_API_KEY="sk-xxx"

配置完成后，直接在对话中说“帮我生成一张关于 Go 性能优化的信息图”，sn-infographic Skill 会自动增强 Prompt 并调用 U1 出图。

连续生图实战：创作「小兔子四季历险记」

sn-infographic Skill 的另一大优势是支持连续生图，且自动保持风格统一。

只需在 OpenClaw 中输入：

请帮我生成一个图文绘本故事，主角是一只可爱的兔子，故事讲述它经历四季变化。

系统会自动：

  1. 生成四季分镜的故事文案
  2. 为每个季节（春、夏、秋、冬）分别构造结构化 Prompt
  3. 调用 U1 Fast 生成四张风格一致的插图

最终输出的四张图片不仅准确呈现四季特征（春之复苏、夏之热烈、秋之丰收、冬之静谧），而且角色形象、画风、色彩体系高度连贯，无需手动调整。这相当于把复杂的多任务调度和风格对齐工作全部自动化了。

常见问题与避坑指南

1. 接口用错导致 404

  • 错误：将 sensenova-u1-fast 发送到 /v1/chat/completions
  • 正确：图像生成必须使用 /v1/images/generations；对话模型用 /v1/chat/completions

2. 图像尺寸不合法

U1 Fast 仅支持预设的 11 种分辨率，不能自定义。报错 field Size invalid 时，请对照官方尺寸表调整。

3. 回复内容为空

6.7 Flash-Lite 在推理模式下会消耗较多 token。若返回内容为空，建议将 max_tokens 设为 2048 以上。

4. 子域名错误

API 地址必须是 https://token.sensenova.cn/v1，不是 api.sensenova.cn。配置时务必核对。

总结

通过 OpenClaw 接入商汤 SenseNova，你可以快速搭建一个功能完整的多模态个人 AI 助手：

  • 6.7 Flash-Lite 负责图像理解和 Prompt 增强
  • U1 Fast 专注高精度信息图生成
  • SenseNova-Skills 提供开箱即用的自动化流程

U1 的核心优势在于：

  1. 信息图排版能力在开源模型中处于领先水平，尤其擅长高密度图文混排
  2. NEO-Unify 架构实现端到端建模，避免信息损耗
  3. 线上免费 + 完全开源，既可快速集成，也支持本地部署

对于需要频繁制作信息图、技术海报或图文内容的用户来说，这套组合拳提供了一个低成本、高效率的解决方案。

相关资源：