openclaw infer は、プロバイダーを利用した推論の標準ヘッドレスインターフェースです。生の Gateway RPC 名やエージェントツール ID ではなく、機能ファミリー（model、image、audio、tts、video、web、embedding）を公開します。openclaw capability ... は、同じコマンドツリーのエイリアスです。
単発のプロバイダーラッパーよりもこれを優先する理由：
- OpenClaw ですでに設定されているプロバイダーとモデルを再利用します。
- スクリプトやエージェント駆動の自動化向けに、安定した
--jsonエンベロープを提供します（JSON 出力を参照）。 - ほとんどのサブコマンドでは、Gateway を介さず通常のローカルパスを実行します。
- エンドツーエンドのプロバイダーチェックでは、プロバイダーへのリクエストを送信する前に、出荷済みの CLI、設定の読み込み、デフォルトエージェントの解決、同梱 Plugin の有効化、共有機能ランタイムを実行します。
infer をスキルにする
これをコピーしてエージェントに貼り付けます：openclaw infer ... を優先し、スキル本文で infer の全機能を改めて文書化しません。
コマンドツリー
infer list / infer inspect --name <capability> は、このツリーをデータ（機能 ID、トランスポート、説明）として表示します。
一般的なタスク
動作
- 出力を別のコマンドやスクリプトに渡す場合は
--jsonを使用し、それ以外ではテキスト出力を使用します。 - 特定のバックエンドを固定するには、
--providerまたは--model provider/modelを使用します。 - 1 回限りの思考／推論オーバーライドには
model run --thinking <level>を使用します：off、minimal、low、medium、high、adaptive、xhigh、またはmax。 image describe、audio transcribe、video describeでは、--modelは<provider/model>の形式を使用する必要があります。image describeでは、--fileにローカルパスと HTTP(S) URL を指定できます。リモート URL には通常のメディア取得 SSRF ポリシーが適用されます。- ステートレス実行コマンド（
model run、image *、audio *、video *、web *、embedding *）はデフォルトでローカルを使用します。Gateway が管理する状態コマンド（tts status）はデフォルトで Gateway を使用します。 - ローカルパスでは、Gateway を実行しておく必要はありません。
- ローカルの
model runは、軽量な 1 回限りのプロバイダー補完です。設定されたエージェントモデルと認証を解決しますが、チャットエージェントのターンの開始、ツールの読み込み、同梱 MCP サーバーの起動は行いません。 model run --fileは画像ファイル（MIME タイプを自動検出）をプロンプトに添付します。複数の画像には--fileを繰り返し指定します。画像以外のファイルは拒否されます。代わりにinfer audio transcribeまたはinfer video describeを使用してください。model run --gatewayは Gateway ルーティング、保存済み認証、プロバイダー選択、組み込みランタイムを実行しますが、生のモデルプローブにとどまります。以前のセッショントランスクリプト、ブートストラップ／AGENTS コンテキスト、ツール、同梱 MCP サーバーは使用しません。model run --gateway --model <provider/model>には、信頼されたオペレーターの Gateway 資格情報が必要です。これは Gateway に 1 回限りのプロバイダー／モデルオーバーライドの実行を要求するためです。
モデル
テキスト推論とモデル／プロバイダーの検査。--local で完全な <provider/model> 参照を使用します：
- ローカルの
model runは、プロバイダー／モデル／認証の正常性を確認するための最小範囲の CLI スモークテストです。ChatGPT-Codex 以外のプロバイダーには、指定されたプロンプトのみを送信します。 - ローカルの
model run --model <provider/model>は、そのプロバイダーが設定に書き込まれる前でも、完全に一致する同梱静的カタログ行（openclaw models list --allが表示するものと同じ行）を解決できます。プロバイダー認証は引き続き必要です。資格情報がない場合は、Unknown modelではなく認証エラーとして失敗します。 - Mistral Medium 3.5 の推論プローブでは、temperature を未設定／デフォルトのままにしてください。Mistral は
reasoning_effort="high"をtemperature: 0で拒否します。デフォルトの temperature、または0.7などのゼロ以外の値を使用してください。 - OpenAI ChatGPT/Codex OAuth（
openai-chatgpt-responsesAPI）のローカルプローブでは、トランスポートが必須のinstructionsフィールドを設定できるように、最小限のシステム指示を追加します。完全なエージェントコンテキスト、ツール、メモリ、セッショントランスクリプトは使用しません。 model run --fileは、画像コンテンツを単一のユーザーメッセージに直接添付します。MIME タイプがimage/*として検出される場合、一般的な形式（PNG、JPEG、WebP）を使用できます。未対応または認識されないファイルは、プロバイダーが呼び出される前に失敗します。マルチモーダルモデルを直接プローブするのではなく、OpenClaw の画像モデルルーティングとフォールバックを使用する場合は、代わりにinfer image describeを使用してください。- 選択したモデルは画像入力に対応している必要があります。テキスト専用モデルでは、プロバイダー層でリクエストが拒否される場合があります。
model run --promptには空白以外のテキストを含める必要があります。空のプロンプトは、プロバイダーまたは Gateway が呼び出される前に拒否されます。- ローカルの
model runは、プロバイダーがテキスト出力を返さない場合にゼロ以外で終了するため、到達不能なプロバイダーや空の補完が成功したプローブのように見えることはありません。 - モデル入力を生のまま維持しつつ Gateway ルーティングまたはエージェントランタイムのセットアップをテストするには、
model run --gatewayを使用します。完全なエージェントコンテキスト、ツール、メモリ、セッショントランスクリプトには、openclaw agentまたはチャットインターフェースを使用します。 --thinking adaptiveは補完ランタイムレベルのmediumに対応します。--thinking maxは、ネイティブの最大 effort に対応する OpenAI モデルではmaxに、それ以外ではxhighに対応します。model auth login、model auth logout、model auth statusは、保存済みのプロバイダー認証状態を管理します。
画像
生成、編集、説明。-
既存の入力ファイルから開始する場合は
image editを使用します。--size、--aspect-ratio、または--resolutionは、それらをサポートするプロバイダー／モデルにジオメトリヒントを追加します。 -
--output-format png --background transparentと--model openai/gpt-image-1.5を組み合わせると、背景が透明な OpenAI PNG 出力が得られます。--openai-backgroundは、同じヒントに対する OpenAI 固有のエイリアスです。背景サポートを宣言していないプロバイダーでは、無視されたオーバーライドとして報告されます（JSON エンベロープのignoredOverridesを参照）。 -
--quality low|medium|high|autoは、OpenAI を含む、画質ヒントをサポートするプロバイダーで機能します。OpenAI は--openai-moderation low|autoも受け付けます。 -
image providers --jsonは、バンドルされた画像プロバイダーのうち、検出可能なもの、構成済みのもの、選択されているもの、およびそれぞれが公開する生成／編集機能を一覧表示します。 -
image generate --model <provider/model> --jsonは、画像生成の変更に対する最小範囲のライブスモークテストです。レスポンスでは、ok、provider、model、attempts、および書き込まれた出力パスが報告されます。--outputが設定されている場合、最終的な拡張子はプロバイダーから返された MIME タイプに従うことがあります。 -
image describeとimage describe-manyでは、タスク固有の指示（OCR、比較、UI 検査、簡潔なキャプション生成）に--promptを使用します。 -
低速なローカルビジョンモデルや Ollama のコールドスタートには、
--timeout-msを使用します。 -
image describeでは、明示的な--model（画像対応の<provider/model>である必要があります）が最初に実行され、その呼び出しが失敗した場合は、構成済みのagents.defaults.imageModel.fallbacksが試されます。入力準備エラー（ファイルの欠落、サポートされていない URL）はフォールバックが試行される前に失敗し、モデルカタログまたはプロバイダー構成で、そのモデルが画像対応である必要があります。 -
ローカルの Ollama ビジョンモデルでは、まずモデルをプルし、
OLLAMA_API_KEYに任意のプレースホルダー値（たとえばollama-local）を設定します。Ollama を参照してください。
音声
ファイルの文字起こし（リアルタイムのセッション管理ではありません）。--model は <provider/model> である必要があります。
TTS
音声合成、および TTS プロバイダー／ペルソナの状態。tts statusは--gatewayのみをサポートします（Gateway が管理する TTS 状態を反映します）。- TTS の動作を確認および構成するには、
tts providers、tts voices、tts personas、tts set-provider、tts set-personaを使用します。
動画
生成と説明。video generateは、動画生成ランタイムに転送される--size、--aspect-ratio、--resolution、--duration、--audio、--watermark、--timeout-msを受け付けます。video describeでは、--modelは<provider/model>である必要があります。
Web
検索と取得。web providers は、検索と取得に使用できるプロバイダー、構成済みのプロバイダー、および選択されているプロバイダーを一覧表示します。
埋め込み
ベクトルの作成と埋め込みプロバイダーの確認。JSON 出力
Infer コマンドは、共有エンベロープ配下に JSON 出力を正規化します。okcapabilitytransportprovidermodelattemptsinputs（該当する場合、リクエストとともに送信された画像添付ファイル）outputsignoredOverrides（該当する場合、プロバイダーがサポートしていないヒントキー）error
outputs に OpenClaw が書き込んだファイルが含まれます。自動化では、人が読める標準出力を解析する代わりに、その配列内の path、mimeType、size、およびメディア固有の寸法を使用します。