--- read_when: - Додавання або змінення команд `openclaw infer` - Проєктування стабільної безінтерфейсної автоматизації можливостей summary: CLI із пріоритетом автоматичного визначення для робочих процесів із моделями, зображеннями, аудіо, TTS, відео, вебресурсами та вбудовуваннями на основі провайдерів title: CLI виведення x-i18n: generated_at: "2026-07-12T13:04:41Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: ec90377d3fb6049e63f5eb1dddfb085562982152b1b2ba7bd4e4d2535ab3c06f source_path: cli/infer.md workflow: 16 --- `openclaw infer` — це канонічний безголовий інтерфейс для інференсу через провайдерів. Він надає сімейства можливостей (`model`, `image`, `audio`, `tts`, `video`, `web`, `embedding`), а не необроблені назви RPC Gateway чи ідентифікатори інструментів агента. `openclaw capability ...` — це псевдонім для того самого дерева команд. Чому варто віддати йому перевагу над одноразовою обгорткою провайдера: - Повторно використовує провайдерів і моделі, уже налаштовані в OpenClaw. - Стабільна оболонка `--json` для скриптів і керованої агентами автоматизації (див. [Виведення JSON](#json-output)). - Для більшості підкоманд виконує звичайний локальний шлях без Gateway. - Для наскрізних перевірок провайдера він задіює випущений CLI, завантаження конфігурації, визначення типового агента, активацію вбудованих плагінів і спільне середовище виконання можливостей перед надсиланням запиту провайдеру. ## Перетворення infer на Skills Скопіюйте та вставте це агенту: ```text Прочитай https://docs.openclaw.ai/cli/infer, а потім створи Skills, що спрямовуватиме мої типові робочі процеси до `openclaw infer`. Зосередься на запусках моделей, генеруванні зображень, генеруванні відео, транскрибуванні аудіо, TTS, вебпошуку та вбудовуваннях. ``` Якісні Skills на основі infer зіставляють типові наміри користувача з відповідною підкомандою, містять кілька канонічних прикладів для кожного робочого процесу, віддають перевагу `openclaw infer ...` над низькорівневими альтернативами та не документують повторно весь інтерфейс infer у тілі Skills. ## Дерево команд ```text 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 ` показують це дерево як дані (ідентифікатор можливості, транспорти, опис). ## Типові завдання | Завдання | Команда | Примітки | | ------------------------------------- | --------------------------------------------------------------------------------------------- | ------------------------------------------------------------ | | Виконати текстовий запит до моделі | `openclaw infer model run --prompt "..." --json` | Типово виконується локально | | Виконати запит до моделі із зображеннями | `openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model` | Повторіть `--file` для кількох зображень | | Згенерувати зображення | `openclaw infer image generate --prompt "..." --json` | Використовуйте `image edit`, починаючи з наявного файлу | | Описати файл зображення або URL | `openclaw infer image describe --file ./image.png --prompt "..." --json` | `--model` має бути моделлю `` із підтримкою зображень | | Транскрибувати аудіо | `openclaw infer audio transcribe --file ./memo.m4a --json` | `--model` має бути у форматі `` | | Синтезувати мовлення | `openclaw infer tts convert --text "..." --output ./speech.mp3 --json` | `tts status` виконується лише через Gateway | | Згенерувати відео | `openclaw infer video generate --prompt "..." --json` | Підтримує підказки провайдера, як-от `--resolution` | | Описати відеофайл | `openclaw infer video describe --file ./clip.mp4 --json` | `--model` має бути у форматі `` | | Виконати пошук у вебі | `openclaw infer web search --query "..." --json` | | | Отримати вебсторінку | `openclaw infer web fetch --url https://example.com --json` | | | Створити вбудовування | `openclaw infer embedding create --text "..." --json` | | ## Поведінка - Використовуйте `--json`, коли виведення передається іншій команді чи скрипту; в інших випадках використовуйте текстове виведення. - Використовуйте `--provider` або `--model provider/model`, щоб зафіксувати конкретний бекенд. - Використовуйте `model run --thinking ` для одноразового перевизначення рівня обмірковування/міркування: `off`, `minimal`, `low`, `medium`, `high`, `adaptive`, `xhigh` або `max`. - Для `image describe`, `audio transcribe` і `video describe` параметр `--model` має використовувати формат ``. - Для `image describe` параметр `--file` приймає локальні шляхи й URL-адреси HTTP(S); віддалені URL-адреси проходять через звичайну політику SSRF для отримання медіафайлів. - Команди виконання без стану (`model run`, `image *`, `audio *`, `video *`, `web *`, `embedding *`) типово виконуються локально. Команди стану, керованого Gateway (`tts status`), типово виконуються через Gateway. - Локальний шлях ніколи не вимагає запущеного Gateway. - Локальний `model run` — це полегшене одноразове звернення до провайдера: він визначає налаштовану модель агента й дані автентифікації, але не запускає хід чат-агента, не завантажує інструменти й не відкриває вбудовані сервери MCP. - `model run --file` додає до запиту файли зображень (тип MIME визначається автоматично); повторіть `--file` для кількох зображень. Файли, що не є зображеннями, відхиляються — натомість використовуйте `infer audio transcribe` або `infer video describe`. - `model run --gateway` перевіряє маршрутизацію Gateway, збережені дані автентифікації, вибір провайдера та вбудоване середовище виконання, але залишається необробленою перевіркою моделі: без попереднього журналу сеансу, контексту початкового завантаження/AGENTS, інструментів чи вбудованих серверів MCP. - `model run --gateway --model ` вимагає облікових даних Gateway довіреного оператора, оскільки просить Gateway виконати одноразове перевизначення провайдера/моделі. ## Модель Текстовий інференс і перевірка моделі/провайдера. ```bash openclaw infer model run --prompt "Reply with exactly: smoke-ok" --json openclaw infer model run --prompt "Summarize this changelog entry" --model openai/gpt-5.4 --json openclaw infer model run --prompt "Describe this image in one sentence" --file ./photo.jpg --model google/gemini-2.5-flash --json openclaw infer model run --prompt "Use more reasoning here" --thinking high --json openclaw infer model providers --json openclaw infer model inspect --model gpt-5.6-sol --json ``` Використовуйте повні посилання `` із `--local`, щоб виконати базову перевірку одного провайдера без запуску Gateway чи завантаження інтерфейсу інструментів агента: ```bash openclaw infer model run --local --model anthropic/claude-sonnet-4-6 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model cerebras/zai-glm-4.7 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model google/gemini-2.5-flash --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model groq/llama-3.1-8b-instant --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model mistral/mistral-medium-3-5 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model mistral/mistral-small-latest --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model openai/gpt-5.6-luna --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json ``` Примітки: - Локальний `model run` — це найвужча базова перевірка CLI для працездатності провайдера/моделі/автентифікації: для провайдерів, відмінних від ChatGPT-Codex, він надсилає лише вказаний запит. - Локальний `model run --model ` може визначати точні рядки вбудованого статичного каталогу (ті самі рядки, які показує `openclaw models list --all`) до запису цього провайдера в конфігурацію. Автентифікація провайдера все одно потрібна; відсутні облікові дані спричиняють помилки автентифікації, а не `Unknown model`. - Для перевірок міркування Mistral Medium 3.5 залиште температуру невстановленою/типовою. Mistral відхиляє `reasoning_effort="high"` із `temperature: 0`; використовуйте типову температуру або ненульове значення, як-от `0.7`. - Локальні перевірки OAuth OpenAI ChatGPT/Codex (API `openai-chatgpt-responses`) додають мінімальну системну інструкцію, щоб транспорт міг заповнити обов’язкове поле `instructions` — без повного контексту агента, інструментів, пам’яті чи журналу сеансу. - `model run --file` додає вміст зображення безпосередньо до єдиного повідомлення користувача. Поширені формати (PNG, JPEG, WebP) працюють, коли тип MIME визначено як `image/*`; непідтримувані або нерозпізнані файли спричиняють помилку до виклику провайдера. Натомість використовуйте `infer image describe`, якщо потрібні маршрутизація й резервні варіанти моделей зображень OpenClaw, а не безпосередня перевірка мультимодальної моделі. - Вибрана модель має підтримувати введення зображень; моделі лише для тексту можуть відхилити запит на рівні провайдера. - `model run --prompt` має містити текст, відмінний від пробільних символів; порожні запити відхиляються до будь-якого виклику провайдера чи Gateway. - Локальний `model run` завершується з ненульовим кодом, коли провайдер не повертає текстового виведення, тож недоступні провайдери й порожні завершення не виглядають як успішні перевірки. - Використовуйте `model run --gateway`, щоб перевірити маршрутизацію Gateway або налаштування середовища виконання агента, зберігаючи введення моделі необробленим. Використовуйте `openclaw agent` або інтерфейс чату для повного контексту агента, інструментів, пам’яті й журналу сеансу. - `--thinking adaptive` зіставляється з рівнем середовища виконання завершень `medium`; `--thinking max` зіставляється з `max` для моделей OpenAI, які підтримують власний максимальний рівень зусиль, а в інших випадках — із `xhigh`. - `model auth login`, `model auth logout` і `model auth status` керують збереженим станом автентифікації провайдера. ## Зображення Генерування, редагування й опис. ```bash openclaw infer image generate --prompt "friendly lobster illustration" --json openclaw infer image generate --prompt "cinematic product photo of headphones" --json openclaw infer image generate --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "simple red circle sticker on a transparent background" --json openclaw infer image generate --model openai/gpt-image-2 --quality low --openai-moderation low --prompt "low-cost draft poster" --json openclaw infer image generate --prompt "slow image backend" --timeout-ms 180000 --json openclaw infer image edit --file ./logo.png --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "keep the logo, remove the background" --json openclaw infer image edit --file ./poster.png --prompt "make this a vertical story ad" --size 2160x3840 --aspect-ratio 9:16 --resolution 4K --json openclaw infer image describe --file ./photo.jpg --json openclaw infer image describe --file https://example.com/photo.png --json openclaw infer image describe --file ./receipt.jpg --prompt "Extract the merchant, date, and total" --json openclaw infer image describe-many --file ./before.png --file ./after.png --prompt "Compare the screenshots and list visible UI changes" --json openclaw infer image describe --file ./ui-screenshot.png --model openai/gpt-5.4-mini --json openclaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --prompt "Describe the image in one sentence" --timeout-ms 300000 --json ``` Примітки: - Використовуйте `image edit`, коли починаєте з наявних вхідних файлів; `--size`, `--aspect-ratio` або `--resolution` додають підказки щодо геометрії для провайдерів і моделей, які їх підтримують. - `--output-format png --background transparent` разом із `--model openai/gpt-image-1.5` створює PNG-зображення OpenAI із прозорим тлом; `--openai-background` — специфічний для OpenAI псевдонім тієї самої підказки. Провайдери, які не заявляють про підтримку тла, повідомляють про неї як про проігнороване перевизначення (див. `ignoredOverrides` в [оболонці JSON](#json-output)). - `--quality low|medium|high|auto` працює для провайдерів, які підтримують підказки щодо якості зображення, зокрема OpenAI. OpenAI також приймає `--openai-moderation low|auto`. - `image providers --json` перелічує, які вбудовані провайдери зображень доступні для виявлення, налаштовані й вибрані, а також які можливості генерування та редагування надає кожен із них. - `image generate --model --json` — найвужча оперативна димова перевірка змін у генеруванні зображень: ```bash openclaw infer image providers --json openclaw 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 ``` Відповідь містить `ok`, `provider`, `model`, `attempts` і шляхи до записаних вихідних файлів. Коли задано `--output`, остаточне розширення може відповідати типу MIME, поверненому провайдером. - Для `image describe` та `image describe-many` використовуйте `--prompt` для інструкції, специфічної для завдання (OCR, порівняння, перевірка інтерфейсу, стислий опис). - Використовуйте `--timeout-ms` для повільних локальних моделей комп’ютерного зору або холодного запуску Ollama. - Для `image describe` явно задана модель через `--model` (має бути моделлю `` із підтримкою зображень) запускається першою, а якщо цей виклик завершується невдало, виконуються спроби з налаштованими `agents.defaults.imageModel.fallbacks`. Помилки підготовки вхідних даних (відсутній файл, непідтримувана URL-адреса) спричиняють збій до будь-якої резервної спроби, а модель має підтримувати зображення в каталозі моделей або конфігурації провайдера. - Для локальних моделей комп’ютерного зору Ollama спочатку завантажте модель і встановіть для `OLLAMA_API_KEY` будь-яке значення-заповнювач, наприклад `ollama-local`. Див. [Ollama](/uk/providers/ollama#vision-and-image-description). ## Аудіо Транскрибування файлів (не керування сеансами в реальному часі). ```bash openclaw infer audio transcribe --file ./memo.m4a --json openclaw infer audio transcribe --file ./team-sync.m4a --language en --prompt "Focus on names and action items" --json openclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json ``` `--model` має бути у форматі ``. ## TTS Синтез мовлення та стан провайдера й персони TTS. ```bash openclaw infer tts convert --text "hello from openclaw" --output ./hello.mp3 --json openclaw infer tts convert --text "Your build is complete" --output ./build-complete.mp3 --json openclaw infer tts providers --json openclaw infer tts personas --json openclaw infer tts status --json ``` Примітки: - `tts status` підтримує лише `--gateway` (команда відображає стан TTS, керований Gateway). - Використовуйте `tts providers`, `tts voices`, `tts personas`, `tts set-provider` і `tts set-persona`, щоб переглядати та налаштовувати поведінку TTS. ## Відео Генерування й опис. ```bash openclaw infer video generate --prompt "cinematic sunset over the ocean" --json openclaw infer video generate --prompt "slow drone shot over a forest lake" --resolution 768P --duration 6 --json openclaw infer video describe --file ./clip.mp4 --json openclaw infer video describe --file ./clip.mp4 --model openai/gpt-5.4-mini --json ``` Примітки: - `video generate` приймає `--size`, `--aspect-ratio`, `--resolution`, `--duration`, `--audio`, `--watermark` і `--timeout-ms`, які передаються середовищу виконання генерування відео. - Для `video describe` значення `--model` має бути у форматі ``. ## Веб Пошук і отримання даних. ```bash openclaw infer web search --query "OpenClaw docs" --json openclaw infer web search --query "OpenClaw infer web providers" --json openclaw infer web fetch --url https://docs.openclaw.ai/cli/infer --json openclaw infer web providers --json ``` `web providers` перелічує доступних, налаштованих і вибраних провайдерів для пошуку й отримання даних. ## Вбудовування Створення векторів і перегляд провайдерів вбудовувань. ```bash openclaw infer embedding create --text "friendly lobster" --json openclaw infer embedding create --text "customer support ticket: delayed shipment" --model openai/text-embedding-3-large --json openclaw infer embedding providers --json ``` ## Виведення JSON Команди Infer нормалізують виведення JSON у спільній оболонці: ```json { "ok": true, "capability": "image.generate", "transport": "local", "provider": "openai", "model": "gpt-image-2", "attempts": [], "outputs": [] } ``` Стабільні поля верхнього рівня: - `ok` - `capability` - `transport` - `provider` - `model` - `attempts` - `inputs` (вкладення зображень, надіслані із запитом, якщо застосовно) - `outputs` - `ignoredOverrides` (ключі підказок, які провайдер не підтримує, якщо застосовно) - `error` Для команд генерування медіафайлів `outputs` містить файли, записані OpenClaw. Для автоматизації використовуйте `path`, `mimeType`, `size` і всі специфічні для медіа розміри в цьому масиві замість аналізу зручного для читання виведення stdout. ## Поширені помилки ```bash # Bad openclaw infer media image generate --prompt "friendly lobster" # Good openclaw infer image generate --prompt "friendly lobster" ``` ```bash # Bad openclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # Good openclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json ``` ## Пов’язані матеріали - [Довідник CLI](/uk/cli) - [Моделі](/uk/concepts/models)