OpenClaw数据标注:Qwen3.5-9B半自动打标工具链搭建

环境准备与模型部署

　　在MacBook Pro（M1 Pro芯片，32GB内存）上部署时，先通过Homebrew安装依赖：

brew install node@22 ffmpeg python@3.11
pip install opencv-python pycocotools

　　OpenClaw的汉化版安装更符合中文用户习惯：

sudo npm install -g @qingchencloud/openclaw-zh@latest
openclaw --version  # 验证版本≥2.3.1

Qwen3.5-9B镜像配置

　　从星图平台拉取镜像时，特别注意AWQ量化版本对显存的要求更低。我的配置文件中关键参数如下：

{
  "models": {
    "providers": {
      "qwen-local": {
        "baseUrl": "http://localhost:5000/v1",
        "api": "openai-completions",
        "models": [
          {
            "id": "Qwen3.5-9B-AWQ",
            "name": "本地千问模型",
            "contextWindow": 32768,
            "vision": true
          }
        ]
      }
    }
  }
}

　　启动模型服务时建议限制显存使用，避免影响标注工具运行：

python -m vllm.entrypoints.openai.api_server \
  --model Qwen/Qwen1.5-9B-Chat-AWQ \
  --quantization awq \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.6

半自动标注工作流设计

预标注阶段优化

　　传统标注流程是从零开始画框，我们改为先用Qwen3.5-9B生成建议标签。通过OpenClaw封装的标准prompt模板：

def build_prompt(image_path):
    return f"""你是一个专业图像标注助手。请分析该图片并输出JSON格式的标注建议:"""