Skip to main content
openclaw infer es la interfaz canónica sin interfaz gráfica para la inferencia respaldada por proveedores. Expone familias de capacidades (model, image, audio, tts, video, web, embedding), no nombres RPC sin procesar del Gateway ni identificadores de herramientas del agente. openclaw capability ... es un alias para el mismo árbol de comandos. Motivos para preferirlo frente a un contenedor específico para un proveedor:
  • Reutiliza los proveedores y modelos ya configurados en OpenClaw.
  • Contenedor --json estable para scripts y automatización controlada por agentes (consulte Salida JSON).
  • Ejecuta la ruta local normal sin el Gateway para la mayoría de los subcomandos.
  • Para las comprobaciones integrales de proveedores, utiliza la CLI distribuida, la carga de configuración, la resolución del agente predeterminado, la activación de plugins incluidos y el entorno de ejecución de capacidades compartido antes de enviar la solicitud al proveedor.

​
Convertir infer en una skill

Copie y pegue lo siguiente en un agente:
Una buena skill basada en infer asigna las intenciones habituales del usuario al subcomando adecuado, incluye algunos ejemplos canónicos por flujo de trabajo, prefiere openclaw infer ... frente a alternativas de nivel inferior y no vuelve a documentar toda la interfaz de infer en el cuerpo de la skill.

​
Árbol de comandos

infer list / infer inspect --name <capability> muestran este árbol como datos (identificador de capacidad, transportes y descripción).

​
Tareas habituales

​
Comportamiento

  • Use --json cuando la salida alimente otro comando o script; en caso contrario, use la salida de texto.
  • Use --provider o --model provider/model para fijar un backend específico.
  • Use model run --thinking <level> para una anulación puntual del pensamiento/razonamiento: off, minimal, low, medium, high, adaptive, xhigh o max.
  • Para image describe, audio transcribe y video describe, --model debe usar el formato <provider/model>.
  • Para image describe, --file acepta rutas locales y URL HTTP(S); las URL remotas pasan por la política SSRF normal de obtención de contenido multimedia.
  • Los comandos de ejecución sin estado (model run, image *, audio *, video *, web *, embedding *) usan la ejecución local de forma predeterminada. Los comandos de estado administrados por el Gateway (tts status) usan el Gateway de forma predeterminada.
  • La ruta local nunca requiere que el Gateway esté en ejecución.
  • model run local es una finalización puntual y ligera del proveedor: resuelve el modelo y la autenticación configurados del agente, pero no inicia un turno del agente de chat, carga herramientas ni abre servidores MCP incluidos.
  • model run --file adjunta archivos de imagen (con detección automática del tipo MIME) al prompt; repita --file para varias imágenes. Los archivos que no sean imágenes se rechazan; use infer audio transcribe o infer video describe en su lugar.
  • model run --gateway utiliza el enrutamiento del Gateway, la autenticación guardada, la selección del proveedor y el entorno de ejecución integrado, pero sigue siendo una prueba de modelo sin procesar: sin transcripción de sesión previa, contexto de arranque/AGENTS, herramientas ni servidores MCP incluidos.
  • model run --gateway --model <provider/model> requiere una credencial de Gateway de operador de confianza, porque solicita al Gateway que ejecute una anulación puntual de proveedor/modelo.

​
Modelo

Inferencia de texto e inspección de modelos/proveedores.
Use referencias completas de <provider/model> con --local para realizar una prueba de humo de un proveedor sin iniciar el Gateway ni cargar la interfaz de herramientas del agente:
Notas:
  • model run local es la prueba de humo de CLI más específica para comprobar el estado del proveedor/modelo/autenticación: para proveedores distintos de ChatGPT-Codex, solo envía el prompt proporcionado.
  • model run --model <provider/model> local puede resolver filas exactas del catálogo estático incluido (las mismas filas que muestra openclaw models list --all) antes de que ese proveedor se escriba en la configuración. La autenticación del proveedor sigue siendo obligatoria; la falta de credenciales produce errores de autenticación, no Unknown model.
  • Para las pruebas de razonamiento de Mistral Medium 3.5, deje la temperatura sin definir/predeterminada. Mistral rechaza reasoning_effort="high" con temperature: 0; use la temperatura predeterminada o un valor distinto de cero, como 0.7.
  • Las pruebas locales de OAuth de OpenAI ChatGPT/Codex (API openai-chatgpt-responses) añaden una instrucción mínima del sistema para que el transporte pueda rellenar su campo obligatorio instructions; no se incluye el contexto completo del agente, herramientas, memoria ni la transcripción de la sesión.
  • model run --file adjunta el contenido de la imagen directamente al único mensaje del usuario. Los formatos habituales (PNG, JPEG y WebP) funcionan cuando el tipo MIME se detecta como image/*; los archivos no compatibles o no reconocidos fallan antes de llamar al proveedor. Use infer image describe en su lugar cuando desee el enrutamiento y las alternativas de modelos de imagen de OpenClaw, en vez de una prueba directa de un modelo multimodal.
  • El modelo seleccionado debe admitir la entrada de imágenes; los modelos que solo admiten texto pueden rechazar la solicitud en la capa del proveedor.
  • model run --prompt debe contener texto que no sea únicamente espacio en blanco; los prompts vacíos se rechazan antes de cualquier llamada al proveedor o al Gateway.
  • model run local termina con un código distinto de cero cuando el proveedor no devuelve ninguna salida de texto, de modo que los proveedores inaccesibles y las finalizaciones vacías no parezcan pruebas satisfactorias.
  • Use model run --gateway para probar el enrutamiento del Gateway o la configuración del entorno de ejecución del agente mientras mantiene sin procesar la entrada del modelo. Use openclaw agent o una interfaz de chat para disponer del contexto completo del agente, herramientas, memoria y transcripción de la sesión.
  • --thinking adaptive se asigna al nivel medium del entorno de ejecución de finalización; --thinking max se asigna a max para los modelos de OpenAI que admiten el esfuerzo máximo nativo y, en caso contrario, a xhigh.
  • model auth login, model auth logout y model auth status administran el estado guardado de autenticación del proveedor.

​
Imagen

Generación, edición y descripción.
Notas:
  • Use image edit al partir de archivos de entrada existentes; --size, --aspect-ratio o --resolution añaden indicaciones de geometría en los proveedores/modelos que las admiten.
  • --output-format png --background transparent con --model openai/gpt-image-1.5 genera una salida PNG de OpenAI con fondo transparente; --openai-background es un alias específico de OpenAI para la misma indicación. Los proveedores que no declaran compatibilidad con fondos la notifican como una sobrescritura ignorada (consulte ignoredOverrides en el contenedor JSON).
  • --quality low|medium|high|auto funciona con proveedores que admiten indicaciones de calidad de imagen, incluido OpenAI. OpenAI también acepta --openai-moderation low|auto.
  • image providers --json enumera qué proveedores de imágenes incluidos se pueden detectar, están configurados o seleccionados, y qué capacidades de generación/edición ofrece cada uno.
  • image generate --model <provider/model> --json es la prueba rápida en vivo más específica para cambios en la generación de imágenes:
    La respuesta informa de ok, provider, model, attempts y las rutas de salida escritas. Cuando se establece --output, la extensión final puede corresponder al tipo MIME devuelto por el proveedor.
  • Para image describe y image describe-many, use --prompt para proporcionar una instrucción específica de la tarea (OCR, comparación, inspección de la interfaz de usuario o generación de descripciones breves).
  • Use --timeout-ms para modelos de visión locales lentos o arranques en frío de Ollama.
  • Para image describe, primero se ejecuta un --model explícito (debe ser un <provider/model> compatible con imágenes) y, si esa llamada falla, se prueban los agents.defaults.imageModel.fallbacks configurados. Los errores de preparación de la entrada (archivo ausente, URL no admitida) provocan un fallo antes de intentar cualquier alternativa, y el modelo debe ser compatible con imágenes en el catálogo de modelos o en la configuración del proveedor.
  • Para los modelos de visión locales de Ollama, descargue primero el modelo y establezca OLLAMA_API_KEY en cualquier valor de marcador de posición, por ejemplo, ollama-local. Consulte Ollama.

​
Audio

Transcripción de archivos (no gestión de sesiones en tiempo real).
--model debe ser <provider/model>.

​
TTS

Síntesis de voz y estado del proveedor/persona de TTS.
Notas:
  • tts status solo admite --gateway (refleja el estado de TTS gestionado por el Gateway).
  • Use tts providers, tts voices, tts personas, tts set-provider y tts set-persona para inspeccionar y configurar el comportamiento de TTS.

​
Vídeo

Generación y descripción.
Notas:
  • video generate acepta --size, --aspect-ratio, --resolution, --duration, --audio, --watermark y --timeout-ms, que se reenvían al entorno de ejecución de generación de vídeo.
  • --model debe ser <provider/model> para video describe.

​
Web

Búsqueda y obtención.
web providers enumera los proveedores disponibles, configurados y seleccionados para la búsqueda y la obtención.

​
Incrustación

Creación de vectores e inspección de proveedores de incrustaciones.

​
Salida JSON

Los comandos de inferencia normalizan la salida JSON en un contenedor compartido:
Campos estables de nivel superior:
  • ok
  • capability
  • transport
  • provider
  • model
  • attempts
  • inputs (archivos adjuntos de imagen enviados con la solicitud, cuando corresponda)
  • outputs
  • ignoredOverrides (claves de indicaciones que un proveedor no admite, cuando corresponda)
  • error
Para los comandos de generación de contenido multimedia, outputs contiene los archivos escritos por OpenClaw. Para la automatización, use path, mimeType, size y cualquier dimensión específica del contenido multimedia incluida en esa matriz, en lugar de analizar la salida estándar legible para humanos.

​
Errores comunes

​
Contenido relacionado