> ## Documentation Index > Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt > Use this file to discover all available pages before exploring further. # CLI Inferensi `openclaw infer` adalah permukaan headless kanonis untuk alur kerja inferensi yang didukung penyedia. Ini sengaja mengekspos keluarga kapabilitas, bukan nama RPC gateway mentah dan bukan id tool agen mentah. ## Ubah infer menjadi Skill Salin dan tempel ini ke agen: ```text theme={"theme":{"light":"min-light","dark":"min-dark"}} 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. ``` Skill berbasis infer yang baik sebaiknya: * memetakan niat umum pengguna ke subperintah infer yang benar * menyertakan beberapa contoh infer kanonis untuk alur kerja yang dicakupnya * mengutamakan `openclaw infer ...` dalam contoh dan saran * menghindari pendokumentasian ulang seluruh permukaan infer di dalam isi Skill Cakupan Skill yang biasanya berfokus pada infer: * `openclaw infer model run` * `openclaw infer image generate` * `openclaw infer audio transcribe` * `openclaw infer tts convert` * `openclaw infer web search` * `openclaw infer embedding create` ## Mengapa menggunakan infer `openclaw infer` menyediakan satu CLI yang konsisten untuk tugas inferensi yang didukung penyedia di dalam OpenClaw. Manfaat: * Gunakan penyedia dan model yang sudah dikonfigurasi di OpenClaw alih-alih merangkai wrapper sekali pakai untuk setiap backend. * Pertahankan alur kerja model, gambar, transkripsi audio, TTS, video, web, dan embedding di bawah satu pohon perintah. * Gunakan bentuk keluaran `--json` yang stabil untuk skrip, otomatisasi, dan alur kerja yang digerakkan agen. * Utamakan permukaan pihak pertama OpenClaw saat tugasnya pada dasarnya adalah "menjalankan inferensi." * Gunakan jalur lokal normal tanpa memerlukan gateway untuk sebagian besar perintah infer. Untuk pemeriksaan penyedia end-to-end, utamakan `openclaw infer ...` setelah pengujian penyedia tingkat lebih rendah sudah hijau. Ini menguji CLI yang dikirimkan, pemuatan konfigurasi, resolusi agen default, aktivasi Plugin bawaan, dan runtime kapabilitas bersama sebelum permintaan penyedia dibuat. ## Pohon perintah ```text theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 status enable disable set-provider video generate describe providers web search fetch providers embedding create providers ``` ## Tugas umum Tabel ini memetakan tugas inferensi umum ke perintah infer yang sesuai. | Tugas | Perintah | Catatan | | --------------------------------- | --------------------------------------------------------------------------------------------- | --------------------------------------------------------------- | | Jalankan prompt teks/model | `openclaw infer model run --prompt "..." --json` | Menggunakan jalur lokal normal secara default | | Jalankan prompt model pada gambar | `openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model` | Ulangi `--file` untuk beberapa input gambar | | Hasilkan gambar | `openclaw infer image generate --prompt "..." --json` | Gunakan `image edit` saat memulai dari file yang ada | | Deskripsikan file gambar atau URL | `openclaw infer image describe --file ./image.png --prompt "..." --json` | `--model` harus berupa `` yang mendukung gambar | | Transkripsikan audio | `openclaw infer audio transcribe --file ./memo.m4a --json` | `--model` harus berupa `` | | Sintesis ucapan | `openclaw infer tts convert --text "..." --output ./speech.mp3 --json` | `tts status` berorientasi Gateway | | Hasilkan video | `openclaw infer video generate --prompt "..." --json` | Mendukung petunjuk penyedia seperti `--resolution` | | Deskripsikan file video | `openclaw infer video describe --file ./clip.mp4 --json` | `--model` harus berupa `` | | Cari di web | `openclaw infer web search --query "..." --json` | | | Ambil halaman web | `openclaw infer web fetch --url https://example.com --json` | | | Buat embedding | `openclaw infer embedding create --text "..." --json` | | ## Perilaku * `openclaw infer ...` adalah permukaan CLI utama untuk alur kerja ini. * Gunakan `--json` saat keluaran akan dikonsumsi oleh perintah atau skrip lain. * Gunakan `--provider` atau `--model provider/model` saat backend tertentu diperlukan. * Gunakan `model run --thinking ` untuk meneruskan tingkat thinking/reasoning sekali jalan (`off`, `minimal`, `low`, `medium`, `high`, `adaptive`, `xhigh`, atau `max`) sambil mempertahankan run tetap mentah. * Untuk `image describe`, `audio transcribe`, dan `video describe`, `--model` harus menggunakan bentuk ``. * Untuk `image describe`, `--file` menerima path lokal dan URL gambar HTTP(S). URL jarak jauh menggunakan kebijakan SSRF pengambilan media normal. * Untuk `image describe`, `--model` eksplisit menjalankan provider/model tersebut lebih dulu, lalu mencoba `agents.defaults.imageModel.fallbacks` yang dikonfigurasi saat panggilan model gagal. Error persiapan input, seperti file yang hilang atau URL yang tidak didukung, gagal sebelum percobaan fallback. Model harus mendukung gambar di katalog model atau konfigurasi penyedia. `codex/` menjalankan turn pemahaman gambar server aplikasi Codex yang dibatasi; `openai/` menggunakan jalur penyedia OpenAI dengan auth API-key atau ChatGPT/Codex OAuth. * Perintah eksekusi stateless default ke lokal. * Perintah state yang dikelola Gateway default ke gateway. * Jalur lokal normal tidak memerlukan gateway berjalan. * `model run` lokal adalah penyelesaian penyedia sekali jalan yang ramping. Ini menyelesaikan model agen dan auth yang dikonfigurasi, tetapi tidak memulai turn chat-agent, memuat tool, atau membuka server MCP bawaan. * `model run --file` menerima file gambar, mendeteksi tipe MIME-nya, dan mengirimkannya bersama prompt yang diberikan ke model terpilih. Ulangi `--file` untuk beberapa gambar. * `model run --file` menolak input non-gambar. Gunakan `infer audio transcribe` untuk file audio dan `infer video describe` untuk file video. * `model run --gateway` menguji routing Gateway, auth tersimpan, pemilihan penyedia, dan runtime tertanam, tetapi tetap berjalan sebagai probe model mentah: ini mengirim prompt yang diberikan dan lampiran gambar apa pun tanpa transkrip sesi sebelumnya, konteks bootstrap/AGENTS, perakitan context-engine, tool, atau server MCP bawaan. * `model run --gateway --model ` memerlukan kredensial gateway operator tepercaya karena permintaan meminta Gateway menjalankan override provider/model sekali pakai. * `model run --thinking` lokal menggunakan jalur penyelesaian penyedia yang ramping; tingkat khusus penyedia seperti `adaptive` dan `max` dipetakan ke tingkat penyelesaian sederhana portabel terdekat. ## Model Gunakan `model` untuk inferensi teks yang didukung penyedia serta inspeksi model/penyedia. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 --name gpt-5.5 --json ``` Gunakan ref lengkap `` untuk smoke-test penyedia tertentu tanpa memulai Gateway atau memuat permukaan tool agen penuh: ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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-5.5 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json ``` Catatan: * `model run` lokal adalah smoke CLI paling sempit untuk kesehatan provider/model/auth karena, untuk penyedia non-Codex, ini hanya mengirim prompt yang diberikan ke model terpilih. * `model run --model ` lokal dapat menggunakan baris katalog statis bawaan persis dari `models list --all` sebelum penyedia tersebut ditulis ke konfigurasi. Auth penyedia tetap diperlukan; kredensial yang hilang gagal sebagai error auth, bukan `Unknown model`. * Untuk probe reasoning Mistral Medium 3.5, biarkan temperature tidak disetel/default. Mistral menolak `reasoning_effort="high"` ditambah `temperature: 0`; gunakan `mistral/mistral-medium-3-5` dengan temperature default atau nilai mode reasoning non-nol seperti `0.7`. * Probe lokal Codex Responses adalah pengecualian sempit: OpenClaw menambahkan instruksi sistem minimal agar transport dapat mengisi field `instructions` yang diperlukan, tanpa menambahkan konteks agen penuh, tool, memori, atau transkrip sesi. * `model run --file` lokal mempertahankan jalur ramping itu dan melampirkan konten gambar langsung ke satu pesan pengguna. File gambar umum seperti PNG, JPEG, dan WebP berfungsi saat tipe MIME-nya terdeteksi sebagai `image/*`; file yang tidak didukung atau tidak dikenali gagal sebelum penyedia dipanggil. * `model run --file` paling tepat saat Anda ingin menguji model teks multimodal terpilih secara langsung. Gunakan `infer image describe` saat Anda menginginkan pemilihan penyedia pemahaman gambar OpenClaw dan routing model gambar default. * Model terpilih harus mendukung input gambar; model hanya teks dapat menolak permintaan di lapisan penyedia. * `model run --prompt` harus berisi teks non-whitespace; prompt kosong ditolak sebelum penyedia lokal atau Gateway dipanggil. * `model run` lokal keluar non-nol saat penyedia tidak mengembalikan keluaran teks, sehingga penyedia lokal yang tidak terjangkau dan penyelesaian kosong tidak terlihat seperti probe yang berhasil. * Gunakan `model run --gateway` saat Anda perlu menguji routing Gateway, penyiapan runtime agen, atau state penyedia yang dikelola Gateway sambil mempertahankan input model tetap mentah. Gunakan `openclaw agent` atau permukaan chat saat Anda menginginkan konteks agen penuh, tool, memori, dan transkrip sesi. * `model auth login`, `model auth logout`, dan `model auth status` mengelola state auth penyedia tersimpan. ## Gambar Gunakan `image` untuk pembuatan, pengeditan, dan deskripsi. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` Catatan: * Gunakan `image edit` saat memulai dari file input yang sudah ada. * Gunakan `--size`, `--aspect-ratio`, atau `--resolution` dengan `image edit` untuk penyedia/model yang mendukung petunjuk geometri pada pengeditan gambar referensi. * Gunakan `--output-format png --background transparent` dengan `--model openai/gpt-image-1.5` untuk output PNG OpenAI dengan latar belakang transparan; `--openai-background` tetap tersedia sebagai alias khusus OpenAI. Penyedia yang tidak mendeklarasikan dukungan latar belakang melaporkan petunjuk tersebut sebagai override yang diabaikan. * Gunakan `--quality low|medium|high|auto` untuk penyedia yang mendukung petunjuk kualitas gambar, termasuk OpenAI. OpenAI juga menerima `--openai-moderation low|auto` untuk petunjuk moderasi khusus penyedia. * Gunakan `image providers --json` untuk memverifikasi penyedia gambar bawaan mana yang dapat ditemukan, dikonfigurasi, dipilih, dan kapabilitas pembuatan/pengeditan apa yang diekspos setiap penyedia. * Gunakan `image generate --model --json` sebagai smoke CLI live tersempit untuk perubahan pembuatan gambar. Contoh: ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` Respons JSON melaporkan `ok`, `provider`, `model`, `attempts`, dan jalur output yang ditulis. Saat `--output` ditetapkan, ekstensi akhir dapat mengikuti tipe MIME yang dikembalikan penyedia. * Untuk `image describe` dan `image describe-many`, gunakan `--prompt` untuk memberikan instruksi khusus tugas kepada model vision seperti OCR, perbandingan, inspeksi UI, atau pembuatan keterangan singkat. * Gunakan `--timeout-ms` dengan model vision lokal yang lambat atau start dingin Ollama. * Untuk `image describe`, `--model` harus berupa `` yang mendukung gambar. Saat ditetapkan, OpenClaw mencoba model eksplisit tersebut terlebih dahulu lalu fallback model gambar yang dikonfigurasi jika panggilan model gagal. * Untuk model vision Ollama lokal, pull model terlebih dahulu dan tetapkan `OLLAMA_API_KEY` ke nilai placeholder apa pun, misalnya `ollama-local`. Lihat [Ollama](/id/providers/ollama#vision-and-image-description). ## Audio Gunakan `audio` untuk transkripsi file. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` Catatan: * `audio transcribe` adalah untuk transkripsi file, bukan manajemen sesi realtime. * `--model` harus berupa ``. ## TTS Gunakan `tts` untuk sintesis suara dan status penyedia TTS. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 status --json ``` Catatan: * `tts status` default ke gateway karena mencerminkan status TTS yang dikelola gateway. * Gunakan `tts providers`, `tts voices`, dan `tts set-provider` untuk memeriksa dan mengonfigurasi perilaku TTS. ## Video Gunakan `video` untuk pembuatan dan deskripsi. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` Catatan: * `video generate` menerima `--size`, `--aspect-ratio`, `--resolution`, `--duration`, `--audio`, `--watermark`, dan `--timeout-ms` lalu meneruskannya ke runtime pembuatan video. * `--model` harus berupa `` untuk `video describe`. ## Web Gunakan `web` untuk alur kerja pencarian dan fetch. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` Catatan: * Gunakan `web providers` untuk memeriksa penyedia yang tersedia, dikonfigurasi, dan dipilih. ## Embedding Gunakan `embedding` untuk pembuatan vektor dan inspeksi penyedia embedding. ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} 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 ``` ## Output JSON Perintah infer menormalkan output JSON di bawah envelope bersama: ```json theme={"theme":{"light":"min-light","dark":"min-dark"}} { "ok": true, "capability": "image.generate", "transport": "local", "provider": "openai", "model": "gpt-image-2", "attempts": [], "outputs": [] } ``` Field tingkat atas stabil: * `ok` * `capability` * `transport` * `provider` * `model` * `attempts` * `outputs` * `error` Untuk perintah media yang dihasilkan, `outputs` berisi file yang ditulis oleh OpenClaw. Gunakan `path`, `mimeType`, `size`, dan dimensi khusus media apa pun dalam array tersebut untuk otomatisasi alih-alih mengurai stdout yang mudah dibaca manusia. ## Kesalahan umum ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} # Bad openclaw infer media image generate --prompt "friendly lobster" # Good openclaw infer image generate --prompt "friendly lobster" ``` ```bash theme={"theme":{"light":"min-light","dark":"min-dark"}} # 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 ``` ## Catatan * `openclaw capability ...` adalah alias untuk `openclaw infer ...`. ## Terkait * [Referensi CLI](/id/cli) * [Model](/id/concepts/models)