CLI wnioskowania

openclaw infer jest kanonicznym bezinterfejsowym punktem dostępu do wnioskowania obsługiwanego przez dostawców. Udostępnia rodziny możliwości (model, image, audio, tts, video, web, embedding), a nie surowe nazwy RPC Gateway ani identyfikatory narzędzi agenta. openclaw capability ... jest aliasem tego samego drzewa poleceń.

Powody, dla których warto go używać zamiast jednorazowej otoczki dostawcy:

• Ponownie wykorzystuje dostawców i modele już skonfigurowane w OpenClaw.
• Zapewnia stabilną kopertę --json dla skryptów i automatyzacji sterowanej przez agenta (zobacz Dane wyjściowe JSON).
• W przypadku większości podpoleceń uruchamia standardową ścieżkę lokalną bez Gateway.
• W przypadku kompleksowych testów dostawcy sprawdza dostarczany CLI, wczytywanie konfiguracji, rozpoznawanie domyślnego agenta, aktywację dołączonych pluginów oraz współdzielone środowisko wykonawcze możliwości przed wysłaniem żądania do dostawcy.

Przekształcanie infer w Skills

Skopiuj poniższy tekst i wklej go agentowi:

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.

Dobre Skills oparte na infer przypisują typowe intencje użytkownika do właściwego podpolecenia, zawierają kilka kanonicznych przykładów dla każdego przepływu pracy, preferują openclaw infer ... zamiast alternatyw niższego poziomu i nie dokumentują ponownie całego interfejsu infer w swojej treści.

Drzewo poleceń

 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> przedstawiają to drzewo jako dane (identyfikator możliwości, transporty, opis).

Typowe zadania

Działanie

• Używaj --json, gdy dane wyjściowe są przekazywane do innego polecenia lub skryptu; w przeciwnym razie używaj danych tekstowych.
• Użyj --provider lub --model provider/model, aby wskazać konkretny backend.
• Użyj model run --thinking <level>, aby jednorazowo nadpisać poziom myślenia/rozumowania: off, minimal, low, medium, high, adaptive, xhigh lub max.
• W przypadku image describe, audio transcribe i video describe opcja --model musi mieć postać <provider/model>.
• W przypadku image describe opcja --file przyjmuje ścieżki lokalne i adresy URL HTTP(S); zdalne adresy URL podlegają standardowej polityce SSRF pobierania multimediów.
• Bezstanowe polecenia wykonawcze (model run, image *, audio *, video *, web *, embedding *) są domyślnie lokalne. Polecenia stanu zarządzanego przez Gateway (tts status) domyślnie używają Gateway.
• Ścieżka lokalna nigdy nie wymaga uruchomionego Gateway.
• Lokalne model run to uproszczone, jednorazowe wywołanie uzupełniania przez dostawcę: rozpoznaje skonfigurowany model agenta i uwierzytelnianie, ale nie rozpoczyna tury agenta czatu, nie ładuje narzędzi ani nie otwiera dołączonych serwerów MCP.
• model run --file dołącza pliki obrazów (z automatycznie wykrywanym typem MIME) do promptu; powtórz --file, aby przekazać wiele obrazów. Pliki niebędące obrazami są odrzucane — zamiast tego użyj infer audio transcribe lub infer video describe.
• model run --gateway sprawdza trasowanie Gateway, zapisane dane uwierzytelniające, wybór dostawcy i osadzone środowisko wykonawcze, ale pozostaje surowym testem modelu: bez wcześniejszej transkrypcji sesji, kontekstu startowego/AGENTS, narzędzi ani dołączonych serwerów MCP.
• model run --gateway --model <provider/model> wymaga poświadczenia Gateway zaufanego operatora, ponieważ polecenie żąda od Gateway jednorazowego nadpisania dostawcy/modelu.

Model

Wnioskowanie tekstowe oraz inspekcja modeli/dostawców.

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

Używaj pełnych odwołań <provider/model> z opcją --local, aby wykonać test dymny jednego dostawcy bez uruchamiania Gateway ani ładowania zestawu narzędzi agenta:

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

Uwagi:

• Lokalne model run jest najbardziej ukierunkowanym testem dymnym CLI dotyczącym kondycji dostawcy/modelu/uwierzytelniania: w przypadku dostawców innych niż ChatGPT-Codex wysyła wyłącznie podany prompt.
• Lokalne model run --model <provider/model> może rozpoznać dokładne wiersze dołączonego katalogu statycznego (te same, które pokazuje openclaw models list --all), zanim dany dostawca zostanie zapisany w konfiguracji. Uwierzytelnienie dostawcy jest nadal wymagane; brakujące dane uwierzytelniające powodują błędy uwierzytelniania, a nie Unknown model.
• W przypadku testów rozumowania Mistral Medium 3.5 pozostaw temperaturę nieustawioną/domyślną. Mistral odrzuca reasoning_effort="high" z temperature: 0; użyj domyślnej temperatury lub wartości niezerowej, takiej jak 0.7.
• Lokalne testy OAuth OpenAI ChatGPT/Codex (API openai-chatgpt-responses) dodają minimalną instrukcję systemową, aby transport mógł wypełnić wymagane pole instructions — bez pełnego kontekstu agenta, narzędzi, pamięci ani transkrypcji sesji.
• model run --file dołącza zawartość obrazu bezpośrednio do pojedynczej wiadomości użytkownika. Typowe formaty (PNG, JPEG, WebP) działają, gdy typ MIME zostanie wykryty jako image/*; nieobsługiwane lub nierozpoznane pliki powodują błąd przed wywołaniem dostawcy. Użyj zamiast tego infer image describe, jeśli zamiast bezpośredniego testu modelu multimodalnego chcesz użyć trasowania modeli obrazowych i mechanizmów awaryjnych OpenClaw.
• Wybrany model musi obsługiwać dane wejściowe w postaci obrazów; modele wyłącznie tekstowe mogą odrzucić żądanie po stronie dostawcy.
• model run --prompt musi zawierać tekst składający się nie tylko z białych znaków; puste prompty są odrzucane przed wywołaniem dostawcy lub Gateway.
• Lokalne model run kończy działanie kodem różnym od zera, gdy dostawca nie zwróci tekstu, dzięki czemu nieosiągalni dostawcy i puste uzupełnienia nie wyglądają jak udane testy.
• Użyj model run --gateway, aby przetestować trasowanie Gateway lub konfigurację środowiska wykonawczego agenta przy zachowaniu surowych danych wejściowych modelu. Użyj openclaw agent lub interfejsu czatu, aby uzyskać pełny kontekst agenta, narzędzia, pamięć i transkrypcję sesji.
• --thinking adaptive jest mapowane na poziom środowiska wykonawczego uzupełniania medium; --thinking max jest mapowane na max dla modeli OpenAI obsługujących natywny maksymalny nakład rozumowania, a w pozostałych przypadkach na xhigh.
• model auth login, model auth logout i model auth status zarządzają zapisanym stanem uwierzytelniania dostawcy.

Obraz

Generowanie, edycja i opis.

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

Uwagi:

• Użyj image edit, gdy zaczynasz od istniejących plików wejściowych; --size, --aspect-ratio lub --resolution dodają wskazówki dotyczące geometrii w przypadku dostawców/modeli, które je obsługują.

• --output-format png --background transparent z --model openai/gpt-image-1.5 generuje za pomocą OpenAI plik PNG z przezroczystym tłem; --openai-background jest specyficznym dla OpenAI aliasem tej samej wskazówki. Dostawcy, którzy nie deklarują obsługi tła, zgłaszają ją jako zignorowane nadpisanie (zobacz ignoredOverrides w obiekcie JSON).

• --quality low|medium|high|auto działa z dostawcami obsługującymi wskazówki dotyczące jakości obrazu, w tym z OpenAI. OpenAI akceptuje również --openai-moderation low|auto.

• image providers --json wyświetla, którzy dołączani dostawcy obrazów są wykrywalni, skonfigurowani i wybrani oraz jakie możliwości generowania/edycji udostępnia każdy z nich.

• image generate --model <provider/model> --json jest najbardziej ukierunkowanym testem dymnym na żywo dla zmian w generowaniu obrazów:

  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

  Odpowiedź zawiera ok, provider, model, attempts oraz ścieżki zapisanych plików wyjściowych. Gdy ustawiono --output, końcowe rozszerzenie może odpowiadać typowi MIME zwróconemu przez dostawcę.

• W przypadku image describe i image describe-many użyj --prompt, aby przekazać instrukcję dotyczącą konkretnego zadania (OCR, porównanie, inspekcja interfejsu, zwięzły opis).

• Użyj --timeout-ms w przypadku wolnych lokalnych modeli wizyjnych lub zimnego uruchamiania Ollama.

• W przypadku image describe jawnie określony --model (musi to być obsługujący obrazy <provider/model>) jest uruchamiany jako pierwszy, a następnie, jeśli to wywołanie się nie powiedzie, podejmowane są próby użycia skonfigurowanych agents.defaults.imageModel.fallbacks. Błędy przygotowania danych wejściowych (brak pliku, nieobsługiwany adres URL) powodują niepowodzenie przed jakąkolwiek próbą użycia modelu zapasowego, a model musi obsługiwać obrazy w katalogu modeli lub konfiguracji dostawcy.

• W przypadku lokalnych modeli wizyjnych Ollama najpierw pobierz model i ustaw OLLAMA_API_KEY na dowolną wartość zastępczą, na przykład ollama-local. Zobacz Ollama.

Dźwięk

Transkrypcja plików (bez zarządzania sesjami w czasie rzeczywistym).

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 musi mieć postać <provider/model>.

TTS

Synteza mowy oraz stan dostawcy/persony 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

Uwagi:

• tts status obsługuje tylko --gateway (odzwierciedla stan TTS zarządzany przez Gateway).
• Użyj tts providers, tts voices, tts personas, tts set-provider i tts set-persona, aby sprawdzać i konfigurować działanie TTS.

Wideo

Generowanie i opisywanie.

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

Uwagi:

• video generate przyjmuje --size, --aspect-ratio, --resolution, --duration, --audio, --watermark i --timeout-ms, które są przekazywane do środowiska wykonawczego generowania wideo.
• W przypadku video describe parametr --model musi mieć postać <provider/model>.

Sieć

Wyszukiwanie i pobieranie.

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 wyświetla dostępnych, skonfigurowanych i wybranych dostawców wyszukiwania i pobierania.

Osadzanie

Tworzenie wektorów i sprawdzanie dostawców osadzania.

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

Dane wyjściowe JSON

Polecenia Infer normalizują dane wyjściowe JSON we wspólnym obiekcie:

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

Stabilne pola najwyższego poziomu:

• ok
• capability
• transport
• provider
• model
• attempts
• inputs (załączniki graficzne wysłane wraz z żądaniem, gdy ma to zastosowanie)
• outputs
• ignoredOverrides (klucze wskazówek nieobsługiwanych przez dostawcę, gdy ma to zastosowanie)
• error

W przypadku poleceń generujących multimedia outputs zawiera pliki zapisane przez OpenClaw. Do automatyzacji używaj wartości path, mimeType, size oraz wymiarów właściwych dla danego rodzaju multimediów z tej tablicy, zamiast analizować czytelne dla człowieka standardowe dane wyjściowe.

Częste pułapki

# Źleopenclaw infer media image generate --prompt "friendly lobster" # Dobrzeopenclaw infer image generate --prompt "friendly lobster"

# Źleopenclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # Dobrzeopenclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

Powiązane

• Dokumentacja CLI
• Modele