CLI استنتاج

openclaw infer سطح استاندارد بدون رابط گرافیکی برای استنتاج مبتنی بر ارائه‌دهنده است. این فرمان خانواده‌های قابلیت (model، image، audio، tts، video، web، embedding) را ارائه می‌کند، نه نام‌های خام RPC مربوط به Gateway یا شناسه‌های ابزار عامل. openclaw capability ... نام مستعار همین درخت فرمان است.

دلایل ترجیح آن به یک پوشش‌دهندهٔ یک‌باره برای ارائه‌دهنده:

• از ارائه‌دهندگان و مدل‌هایی که از قبل در OpenClaw پیکربندی شده‌اند، دوباره استفاده می‌کند.
• پوشش پایدار --json برای اسکریپت‌ها و خودکارسازی هدایت‌شده توسط عامل ارائه می‌دهد (به خروجی JSON مراجعه کنید).
• برای بیشتر زیرفرمان‌ها، مسیر محلی معمول را بدون Gateway اجرا می‌کند.
• برای بررسی‌های سرتاسری ارائه‌دهنده، پیش از ارسال درخواست به ارائه‌دهنده، CLI منتشرشده، بارگذاری پیکربندی، تشخیص عامل پیش‌فرض، فعال‌سازی Pluginهای همراه و زمان‌اجرای مشترک قابلیت را به کار می‌گیرد.

تبدیل infer به یک Skill

این متن را در یک عامل کپی و جای‌گذاری کنید:

Read https://docs.openclaw.ai/cli/infer, then create a skill that routes my common workflows to `openclaw infer`.Focus on model runs, image generation, video generation, audio transcription, TTS, web search, and embeddings.

یک Skill مناسب مبتنی بر infer، مقاصد رایج کاربر را به زیرفرمان درست نگاشت می‌کند، برای هر گردش‌کار چند نمونهٔ استاندارد دارد، openclaw infer ... را به گزینه‌های سطح پایین‌تر ترجیح می‌دهد و کل سطح infer را دوباره در بدنهٔ Skill مستند نمی‌کند.

درخت فرمان

 openclaw infer  list  inspect   model    run    list    inspect    providers    auth login    auth logout    auth status   image    generate    edit    describe    describe-many    providers   audio    transcribe    providers   tts    convert    voices    providers    personas    status    enable    disable    set-provider    set-persona   video    generate    describe    providers   web    search    fetch    providers   embedding    create    providers

infer list / infer inspect --name <capability> این درخت را به‌شکل داده نمایش می‌دهند (شناسهٔ قابلیت، روش‌های انتقال، توضیحات).

کارهای رایج

رفتار

• وقتی خروجی به فرمان یا اسکریپت دیگری داده می‌شود، از --json استفاده کنید؛ در غیر این صورت، از خروجی متنی استفاده کنید.
• برای ثابت‌کردن یک پشتیبان مشخص، از --provider یا --model provider/model استفاده کنید.
• برای بازنویسی یک‌بارهٔ سطح تفکر/استدلال، از model run --thinking <level> استفاده کنید: off، minimal، low، medium، high، adaptive، xhigh یا max.
• برای image describe، audio transcribe و video describe، مقدار --model باید به‌شکل <provider/model> باشد.
• برای image describe، گزینهٔ --file مسیرهای محلی و نشانی‌های HTTP(S) را می‌پذیرد؛ نشانی‌های راه‌دور از سیاست عادی SSRF برای دریافت رسانه عبور می‌کنند.
• فرمان‌های اجرای بدون حالت (model run، image *، audio *، video *، web *، embedding *) به‌طور پیش‌فرض محلی‌اند. فرمان‌های حالت مدیریت‌شده توسط Gateway (tts status) به‌طور پیش‌فرض از Gateway استفاده می‌کنند.
• مسیر محلی هرگز به در حال اجرا بودن Gateway نیاز ندارد.
• model run محلی یک تکمیل یک‌باره و سبک توسط ارائه‌دهنده است: مدل و احراز هویت پیکربندی‌شدهٔ عامل را تشخیص می‌دهد، اما نوبت عامل گفت‌وگو را آغاز نمی‌کند، ابزارها را بارگذاری نمی‌کند و سرورهای MCP همراه را باز نمی‌کند.
• model run --file فایل‌های تصویر را با نوع MIME که خودکار تشخیص داده می‌شود به درخواست پیوست می‌کند؛ برای چند تصویر، --file را تکرار کنید. فایل‌های غیرتصویری رد می‌شوند — به‌جای آن از infer audio transcribe یا infer video describe استفاده کنید.
• model run --gateway مسیریابی Gateway، احراز هویت ذخیره‌شده، انتخاب ارائه‌دهنده و زمان‌اجرای تعبیه‌شده را به کار می‌گیرد، اما همچنان یک کاوش خام مدل باقی می‌ماند: بدون رونوشت نشست قبلی، زمینهٔ راه‌اندازی/AGENTS، ابزارها یا سرورهای MCP همراه.
• model run --gateway --model <provider/model> به اعتبارنامهٔ Gateway متعلق به یک گردانندهٔ مورداعتماد نیاز دارد، زیرا از Gateway می‌خواهد یک بازنویسی یک‌بارهٔ ارائه‌دهنده/مدل را اجرا کند.

مدل

استنتاج متن و بررسی مدل/ارائه‌دهنده.

openclaw infer model run --prompt "Reply with exactly: smoke-ok" --jsonopenclaw infer model run --prompt "Summarize this changelog entry" --model openai/gpt-5.4 --jsonopenclaw infer model run --prompt "Describe this image in one sentence" --file ./photo.jpg --model google/gemini-2.5-flash --jsonopenclaw infer model run --prompt "Use more reasoning here" --thinking high --jsonopenclaw infer model providers --jsonopenclaw infer model inspect --model gpt-5.6-sol --json

برای آزمایش سریع یک ارائه‌دهنده بدون راه‌اندازی Gateway یا بارگذاری سطح ابزار عامل، از ارجاع‌های کامل <provider/model> همراه با --local استفاده کنید:

openclaw infer model run --local --model anthropic/claude-sonnet-4-6 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model cerebras/zai-glm-4.7 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model google/gemini-2.5-flash --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model groq/llama-3.1-8b-instant --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model mistral/mistral-medium-3-5 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model mistral/mistral-small-latest --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model openai/gpt-5.6-luna --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json

نکات:

• model run محلی محدودترین آزمایش سریع CLI برای سلامت ارائه‌دهنده/مدل/احراز هویت است: برای ارائه‌دهندگان غیر از ChatGPT-Codex، فقط درخواست ارائه‌شده را ارسال می‌کند.
• model run --model <provider/model> محلی می‌تواند پیش از نوشته‌شدن ارائه‌دهنده در پیکربندی، ردیف‌های دقیق کاتالوگ ایستای همراه را تشخیص دهد (همان ردیف‌هایی که openclaw models list --all نمایش می‌دهد). احراز هویت ارائه‌دهنده همچنان الزامی است؛ نبود اعتبارنامه به‌عنوان خطای احراز هویت شکست می‌خورد، نه Unknown model.
• برای کاوش‌های استدلالی Mistral Medium 3.5، دما را تنظیم‌نشده/پیش‌فرض باقی بگذارید. Mistral مقدار reasoning_effort="high" را با temperature: 0 رد می‌کند؛ از دمای پیش‌فرض یا مقداری غیرصفر مانند 0.7 استفاده کنید.
• کاوش‌های محلی OAuth مربوط به OpenAI ChatGPT/Codex (API‏ openai-chatgpt-responses) یک دستور سیستمی حداقلی اضافه می‌کنند تا روش انتقال بتواند فیلد الزامی instructions را پر کند — بدون زمینهٔ کامل عامل، ابزارها، حافظه یا رونوشت نشست.
• model run --file محتوای تصویر را مستقیماً به پیام منفرد کاربر پیوست می‌کند. قالب‌های رایج (PNG، JPEG، WebP) هنگامی کار می‌کنند که نوع MIME به‌صورت image/* تشخیص داده شود؛ فایل‌های پشتیبانی‌نشده یا ناشناخته پیش از فراخوانی ارائه‌دهنده با شکست مواجه می‌شوند. اگر به‌جای کاوش مستقیم یک مدل چندوجهی، مسیریابی و جایگزین‌های مدل تصویر OpenClaw را می‌خواهید، از infer image describe استفاده کنید.
• مدل انتخاب‌شده باید از ورودی تصویر پشتیبانی کند؛ مدل‌های فقط‌متنی ممکن است درخواست را در لایهٔ ارائه‌دهنده رد کنند.
• model run --prompt باید حاوی متنی غیر از فاصلهٔ خالی باشد؛ درخواست‌های خالی پیش از هرگونه فراخوانی ارائه‌دهنده یا Gateway رد می‌شوند.
• وقتی ارائه‌دهنده هیچ خروجی متنی برنمی‌گرداند، model run محلی با کد غیرصفر خارج می‌شود تا ارائه‌دهندگان دسترس‌ناپذیر و تکمیل‌های خالی مانند کاوش‌های موفق به نظر نرسند.
• برای آزمایش مسیریابی Gateway یا راه‌اندازی زمان‌اجرای عامل، درحالی‌که ورودی مدل خام باقی می‌ماند، از model run --gateway استفاده کنید. برای زمینهٔ کامل عامل، ابزارها، حافظه و رونوشت نشست، از openclaw agent یا یک سطح گفت‌وگو استفاده کنید.
• --thinking adaptive به سطح medium در زمان‌اجرای تکمیل نگاشت می‌شود؛ --thinking max برای مدل‌های OpenAI که از حداکثر تلاش بومی پشتیبانی می‌کنند به max و در غیر این صورت به xhigh نگاشت می‌شود.
• model auth login، model auth logout و model auth status حالت ذخیره‌شدهٔ احراز هویت ارائه‌دهنده را مدیریت می‌کنند.

تصویر

تولید، ویرایش و توصیف.

openclaw infer image generate --prompt "friendly lobster illustration" --jsonopenclaw infer image generate --prompt "cinematic product photo of headphones" --jsonopenclaw infer image generate --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "simple red circle sticker on a transparent background" --jsonopenclaw infer image generate --model openai/gpt-image-2 --quality low --openai-moderation low --prompt "low-cost draft poster" --jsonopenclaw infer image generate --prompt "slow image backend" --timeout-ms 180000 --jsonopenclaw infer image edit --file ./logo.png --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "keep the logo, remove the background" --jsonopenclaw infer image edit --file ./poster.png --prompt "make this a vertical story ad" --size 2160x3840 --aspect-ratio 9:16 --resolution 4K --jsonopenclaw infer image describe --file ./photo.jpg --jsonopenclaw infer image describe --file https://example.com/photo.png --jsonopenclaw infer image describe --file ./receipt.jpg --prompt "Extract the merchant, date, and total" --jsonopenclaw infer image describe-many --file ./before.png --file ./after.png --prompt "Compare the screenshots and list visible UI changes" --jsonopenclaw infer image describe --file ./ui-screenshot.png --model openai/gpt-5.4-mini --jsonopenclaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --prompt "Describe the image in one sentence" --timeout-ms 300000 --json

نکات:

• هنگام شروع از فایل‌های ورودی موجود، از image edit استفاده کنید؛ --size، --aspect-ratio یا --resolution در ارائه‌دهندگان/مدل‌هایی که از آن‌ها پشتیبانی می‌کنند، راهنمای هندسی اضافه می‌کنند.

• استفاده از --output-format png --background transparent همراه با --model openai/gpt-image-1.5 خروجی PNG با پس‌زمینه شفاف از OpenAI ایجاد می‌کند؛ --openai-background نام مستعار مختص OpenAI برای همین راهنما است. ارائه‌دهندگانی که پشتیبانی از پس‌زمینه را اعلام نمی‌کنند، آن را به‌عنوان بازنویسی نادیده‌گرفته‌شده گزارش می‌کنند (ignoredOverrides را در پوشش JSON ببینید).

• گزینه --quality low|medium|high|auto برای ارائه‌دهندگانی که از راهنمای کیفیت تصویر پشتیبانی می‌کنند، از جمله OpenAI، کار می‌کند. OpenAI همچنین --openai-moderation low|auto را می‌پذیرد.

• دستور image providers --json فهرست می‌کند که کدام ارائه‌دهندگان تصویر همراه، قابل کشف، پیکربندی‌شده و انتخاب‌شده هستند و هرکدام چه قابلیت‌هایی برای تولید/ویرایش ارائه می‌کنند.

• دستور image generate --model <provider/model> --json محدودترین آزمون زنده سریع برای تغییرات تولید تصویر است:

  openclaw infer image providers --jsonopenclaw infer image generate \  --model google/gemini-3.1-flash-image-preview \  --prompt "Minimal flat test image: one blue square on a white background, no text." \  --output ./openclaw-infer-image-smoke.png \  --json

  پاسخ، ok، provider، model، attempts و مسیرهای خروجی نوشته‌شده را گزارش می‌کند. وقتی --output تنظیم شده باشد، پسوند نهایی ممکن است از نوع MIME بازگردانده‌شده توسط ارائه‌دهنده پیروی کند.

• برای image describe و image describe-many، از --prompt برای دستور ویژه کار استفاده کنید (OCR، مقایسه، بررسی رابط کاربری، زیرنویس‌نویسی مختصر).

• برای مدل‌های بینایی محلی کند یا راه‌اندازی سرد Ollama، از --timeout-ms استفاده کنید.

• برای image describe، یک --model صریح (که باید یک <provider/model> دارای قابلیت تصویر باشد) ابتدا اجرا می‌شود و اگر آن فراخوانی ناموفق باشد، سپس گزینه‌های پیکربندی‌شده در agents.defaults.imageModel.fallbacks امتحان می‌شوند. خطاهای آماده‌سازی ورودی (فایل مفقود، URL پشتیبانی‌نشده) پیش از هر تلاش جایگزین باعث شکست می‌شوند و مدل باید در کاتالوگ مدل یا پیکربندی ارائه‌دهنده دارای قابلیت تصویر باشد.

• برای مدل‌های بینایی محلی Ollama، ابتدا مدل را دریافت کنید و OLLAMA_API_KEY را روی هر مقدار جای‌نگهدار، برای مثال ollama-local، تنظیم کنید. Ollama را ببینید.

صوت

رونویسی فایل (نه مدیریت نشست بلادرنگ).

openclaw infer audio transcribe --file ./memo.m4a --jsonopenclaw infer audio transcribe --file ./team-sync.m4a --language en --prompt "Focus on names and action items" --jsonopenclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

--model باید به‌شکل <provider/model> باشد.

TTS

ترکیب گفتار و وضعیت ارائه‌دهنده/پرسونای TTS.

openclaw infer tts convert --text "hello from openclaw" --output ./hello.mp3 --jsonopenclaw infer tts convert --text "Your build is complete" --output ./build-complete.mp3 --jsonopenclaw infer tts providers --jsonopenclaw infer tts personas --jsonopenclaw infer tts status --json

نکته‌ها:

• tts status فقط از --gateway پشتیبانی می‌کند (وضعیت TTS مدیریت‌شده توسط Gateway را منعکس می‌کند).
• برای بررسی و پیکربندی رفتار TTS، از tts providers، tts voices، tts personas، tts set-provider و tts set-persona استفاده کنید.

ویدئو

تولید و توصیف.

openclaw infer video generate --prompt "cinematic sunset over the ocean" --jsonopenclaw infer video generate --prompt "slow drone shot over a forest lake" --resolution 768P --duration 6 --jsonopenclaw infer video describe --file ./clip.mp4 --jsonopenclaw infer video describe --file ./clip.mp4 --model openai/gpt-5.4-mini --json

نکته‌ها:

• video generate گزینه‌های --size، --aspect-ratio، --resolution، --duration، --audio، --watermark و --timeout-ms را می‌پذیرد و آن‌ها را به زمان‌اجرای تولید ویدئو ارسال می‌کند.
• برای video describe، گزینه --model باید به‌شکل <provider/model> باشد.

وب

جست‌وجو و واکشی.

openclaw infer web search --query "OpenClaw docs" --jsonopenclaw infer web search --query "OpenClaw infer web providers" --jsonopenclaw infer web fetch --url https://docs.openclaw.ai/cli/infer --jsonopenclaw infer web providers --json

web providers ارائه‌دهندگان موجود، پیکربندی‌شده و انتخاب‌شده برای جست‌وجو و واکشی را فهرست می‌کند.

تعبیه‌سازی

ایجاد بردار و بررسی ارائه‌دهنده تعبیه‌سازی.

openclaw infer embedding create --text "friendly lobster" --jsonopenclaw infer embedding create --text "customer support ticket: delayed shipment" --model openai/text-embedding-3-large --jsonopenclaw infer embedding providers --json

خروجی JSON

فرمان‌های Infer خروجی JSON را در یک پوشش مشترک یکسان‌سازی می‌کنند:

{  "ok": true,  "capability": "image.generate",  "transport": "local",  "provider": "openai",  "model": "gpt-image-2",  "attempts": [],  "outputs": []}

فیلدهای پایدار سطح بالا:

• ok
• capability
• transport
• provider
• model
• attempts
• inputs (پیوست‌های تصویری ارسال‌شده همراه درخواست، در صورت کاربرد)
• outputs
• ignoredOverrides (کلیدهای راهنمایی که ارائه‌دهنده از آن‌ها پشتیبانی نمی‌کند، در صورت کاربرد)
• error

برای فرمان‌های رسانه تولیدشده، outputs شامل فایل‌هایی است که OpenClaw نوشته است. برای خودکارسازی، به‌جای تجزیه خروجی استاندارد خوانا برای انسان، از path، mimeType، size و هرگونه ابعاد ویژه رسانه در آن آرایه استفاده کنید.

خطاهای رایج

# Badopenclaw infer media image generate --prompt "friendly lobster" # Goodopenclaw infer image generate --prompt "friendly lobster"

# Badopenclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # Goodopenclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

مرتبط

• مرجع CLI
• مدل‌ها