AB
AB
AiBoss

すべてのカテゴリ

チュートリアル

豆包大模型

チュートリアル

把豆包 Seed 2.0 接入 Claude Code 与 OpenClaw 并跑通多模态任务

豆包 Seed 2.0 的多模态理解与工具调用表现稳定，前端审美与顶级代码模型仍有差距。本文给出从火山引擎获取 API Key、在 Claude Code 中切换模型、在 OpenClaw 中新增模型配置，到跑通图像识别、视频切片与字幕转写的完整操作路径。

豆包 Seed 2.0 是字节跳动推出的新一代大模型系列，火山引擎同步提供了 API 接入。它的强项集中在多模态理解与工具调用：看图识物、视频内容理解、按主题切分视频、把无字幕视频转写成文本，这些任务在接入 Agent 框架后可以一次性完成。相对薄弱的地方是前端审美和复杂代码生成，与顶级代码模型相比仍有差距。本文面向已经具备基本 API 调用经验、希望把豆包 Seed 2.0 接进现有 Agent 工作流的开发者，讲清楚三件事：在哪里能用、怎么把 API Key 配进 Claude Code 和 OpenClaw、以及接入后能跑通哪些真实任务。如果你只是想先在网页端试一下效果，也可以参考 豆包大模型 的工具页了解入口，再决定是否走 API 路线。

准备工作

接入之前需要确认几项前置条件，缺一项后面的步骤都走不通。

  • 火山引擎账号与 API Key：豆包 Seed 2.0 的 API 由火山引擎提供，需要先在火山引擎控制台开通对应模型服务，并创建一个 API Key。这个 Key 是后续所有配置的核心凭证，形如一段长字符串，调用时放在 Authorization: Bearer 头里。
  • 模型名称：调用时需要指定模型 ID。素材中使用的模型 ID 为 doubao-seed-2-0-pro-260215，不同版本、不同规格的模型 ID 不同，实际以火山引擎控制台当前展示的模型列表为准。
  • Claude Code：如果打算在 Claude Code 里使用，需要先安装好 Claude Code 本体，并能正常启动。
  • CC Switch：这是一个用于给 Claude Code 配置第三方模型、并在多个模型之间快速切换的辅助工具，支持全平台。它的作用是省去手动改配置文件的过程。
  • OpenClaw：如果打算在 OpenClaw（社区里常称「龙虾」）里使用，需要已经完成 OpenClaw 的安装。素材中的演示场景还接入了飞书，通过飞书机器人对话来下发任务；没有接入飞书也可以直接在 OpenClaw 的对话界面操作。
  • 待处理的素材文件：多模态任务需要本地文件，例如一张香料照片、一段本地视频。视频任务建议准备好文件的绝对路径，提示词里要写清楚路径。

需要提醒的是，模型版本、可用区域、计费方式与配额都属于易变信息，开通前请以火山引擎官网当前公布的信息为准，不要照搬任何二手文章里的数字。

操作步骤

第一步：确认可用的入口

豆包 Seed 2.0 目前有几条使用路径，按门槛从低到高排列：

  • 豆包官网的「专家」模式：在网页端选择「专家」模式，背后调用的就是豆包 Seed 2.0 模型。适合先做效果验证，不需要任何配置。
  • Trae：可以在 Trae 中体验 Seed 2.0 的代码模型能力，适合评估代码场景是否满足需求。
  • 火山引擎 API：门槛最高，但自由度最大。拿到 API Key 之后，既可以配进 Claude Code，也可以配进 OpenClaw，还能自己写脚本直接调。

本文的重点是第三条路径，因为只有走 API 才能把模型嵌进自己的 Agent 工作流。

第二步：在 Claude Code 中接入豆包 Seed 2.0

推荐用 CC Switch 来完成配置，避免手写配置文件出错。操作顺序如下：

  1. 安装并启动 CC Switch。
  2. 点击界面上的「+」号新增一个模型配置。
  3. 在模型类型中选择 DoubaoSeed。
  4. 填入从火山引擎获取的 API Key。
  5. 保存配置，然后点击启用。
  6. 回到 Claude Code，此时会话使用的模型已经切换为 Doubao Seed 2.0 Code 模型。

切换完成后，可以在 Claude Code 里直接跑一个已有 Skill 验证链路是否通畅。素材中的验证方式是运行一个自己写的 Skill，用来抓取 AI 领域的 Newsletter 更新，执行结果正常，说明模型调用与工具调用都没有问题。

第三步：用 Skill Creator 创建一个多模态 Skill

Claude Code 的 Skill 机制可以把一段固定的提示词与工具调用流程封装起来，之后用斜杠命令一键触发。要处理视频类任务，建议先创建一个专门的多模态 Skill。

做法是运行 Skill Creator，并把火山引擎关于 Seed 2.0 的官方 API 文档作为参考资料一并交给它，让它在生成 Skill 时知道正确的请求格式与字段。素材中生成的 Skill 命名为 seed-multimodal。创建完成后，后续所有多模态任务都可以通过 /seed-multimodal 加提示词的方式调用。

这一步的关键在于：把 API 文档喂给 Skill Creator，而不是只写一句「帮我做个多模态 Skill」。文档里包含请求体结构、字段名、支持的输入类型，这些信息决定了 Skill 生成出来的调用代码是否正确。

第四步：调用多模态能力分析视频

Skill 就绪后，用一条提示词完成视频片段识别与裁切。素材中使用的提示词结构如下：

/seed-multimodal 分析这个视频中的所有 meme 片段，然后裁切成多个 meme 视频
【视频路径】

把【视频路径】替换成本地视频文件的绝对路径。执行后模型会识别视频中的 meme 片段，调用工具完成裁切，并新建一个文件夹存放输出结果，文件名与片段内容对应。

第五步：视频字幕转写与按主题分段

多模态模型理论上可以转写视频中的文本，实际测试也确实可行。素材中选了一段没有字幕的英文访谈视频，提示词如下：

/seed-multimodal 转录视频中人物对话为文本写入 Markdown 文件，另外按内容截取成多个片段：【本地视频路径】

执行结果是：对话内容被转写成文本并写入 Markdown 文件，同时按画面内容和主题把视频切成 5 个片段。这条流程适合做视频笔记、整理访谈素材、为剪辑准备分段文件。

第六步：在 OpenClaw 中新增豆包 Seed 2.0 配置

如果已经安装 OpenClaw 并接入了飞书，可以直接把一段 cURL 示例发给飞书机器人，让 OpenClaw 自己完成模型配置。素材中的做法是发送下面这段内容，并把 API Key 换成自己的：

我想给 openclaw 增加一个 doubao seed 2.0 pro 模型的配置支持
cURL 信息如下：

curl \
  -H "Authorization: Bearer 换成你的API" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "doubao-seed-2-0-pro-260215",
    "input": [
      {
        "role": "user",
        "content": [
          {
            "type": "input_image",
            "image_url": "图片地址"
          },
          {
            "type": "input_text",
            "text": "你看见了什么？"
          }
        ]
      }
    ]
  }'

这段请求体展示了豆包 Seed 2.0 的多模态输入结构：input 是一个数组，每个元素包含 role 和 content；content 又是一个数组，里面按顺序放不同类型的输入项，input_image 携带图片地址，input_text 携带文本提示。图片和文本可以混排，模型会按顺序理解。

OpenClaw 收到这段描述后会自行完成配置。配置完成后，就可以在飞书对话里直接给机器人下任务。

一个完整示例

下面把前面的步骤串成一个从零到跑通的最小流程，以「识别照片中的香料并给出炖牛肉建议」为例。

目标：上传一张香料照片，让模型标出每种香料的名字，各给一句话说明用途，并针对炖牛肉场景给出使用建议。

路径选择：这条任务只需要图像理解，不需要工具调用，用 Claude Code 接入后的对话即可完成，不必写脚本。

步骤一：按第二步完成 CC Switch 配置，确认 Claude Code 当前模型为 Doubao Seed 2.0 Code。

步骤二：在 Claude Code 中附上香料照片，输入提示词：

标记出所有香料的名字，给出一句话做用介绍，我要炖牛肉用

步骤三：查看输出。识别结果会逐项列出香料名称与用途，并针对炖牛肉给出搭配建议。素材中的实测输出包含这类实用提醒：丁香不宜放多，否则可能发苦；白芷和良姜去腥解腻效果好。

步骤四（可选）：如果希望同样的能力在 OpenClaw 里也能用，按第六步把 cURL 示例发给 OpenClaw，把 image_url 换成实际图片地址，text 换成上面的提示词，即可在飞书对话中复现同样的效果。

这个例子的价值在于验证链路：图片能否正确传入、模型能否正确识别、返回结果是否可直接使用。链路通了之后，再上视频切片、字幕转写这类更复杂的任务。

注意事项

能力边界要提前认清。 豆包 Seed 2.0 的多模态理解与工具调用表现稳定，但前端审美不佳，生成的页面配色和视觉设计常被评价为不好看；代码能力与顶级模型相比仍有差距。如果任务核心是复杂前端界面或高难度代码生成，需要评估是否合适。素材中引用的模型说明也明确写到，Seed 2.0 系列与国际前沿 LLM 仍存在差距。

模型 ID 不要写错。 请求体里的 model 字段必须与控制台展示的模型 ID 完全一致，素材中使用的是 doubao-seed-2-0-pro-260215。不同规格、不同版本的 ID 不同，写错会直接报错。

API Key 不要外泄。 在把 cURL 示例发给 OpenClaw 或任何对话式工具时，示例里的 Bearer 后面要替换成自己的 Key，同时注意这段内容会进入对话记录。不要把真实 Key 贴到公开渠道。

文件路径要写绝对路径。 视频切片、字幕转写这类任务依赖本地文件，提示词里的路径建议用绝对路径，避免 Agent 在错误目录下找不到文件。

Skill 生成依赖文档质量。 用 Skill Creator 创建多模态 Skill 时，把官方 API 文档一并提供，生成结果才准确。只给一句自然语言需求，容易得到字段名或请求结构错误的 Skill。

版本与计费信息以官网为准。 模型版本、可用区域、调用配额、计费单价都会变化，本文不给出具体数字。开通服务、估算成本之前，请查阅火山引擎官网当前公布的信息。

输出结果需要人工复核。 视频切片的分段依据是画面内容与主题，属于模型判断，切分点不一定符合你的剪辑意图；字幕转写的准确率也受音质、口音、专业术语影响。把结果直接用于正式发布前，建议逐段检查。

戻る