Inferentie-CLI - OpenClaw

openclaw infer is het canonieke headless oppervlak voor provider-ondersteunde inference-workflows. Het toont bewust capability-families, niet ruwe gateway-RPC-namen en niet ruwe agent-tool-id’s.

Maak van infer een skill

Kopieer en plak dit naar een agent:

Lees https://docs.openclaw.ai/cli/infer en maak daarna een skill die mijn gebruikelijke workflows naar `openclaw infer` routeert.
Richt je op modelruns, afbeeldingsgeneratie, videogeneratie, audiotranscriptie, TTS, webzoekopdrachten en embeddings.

Een goede infer-gebaseerde skill moet:

veelvoorkomende gebruikersintenties koppelen aan de juiste infer-subopdracht
een paar canonieke infer-voorbeelden opnemen voor de workflows die deze dekt
de voorkeur geven aan openclaw infer ... in voorbeelden en suggesties
vermijden dat het volledige infer-oppervlak opnieuw wordt gedocumenteerd in de skill-body

Typische infer-gerichte skill-dekking:

openclaw infer model run
openclaw infer image generate
openclaw infer audio transcribe
openclaw infer tts convert
openclaw infer web search
openclaw infer embedding create

Waarom infer gebruiken

openclaw infer biedt één consistente CLI voor provider-ondersteunde inference-taken binnen OpenClaw. Voordelen:

Gebruik de providers en modellen die al in OpenClaw zijn geconfigureerd in plaats van eenmalige wrappers voor elke backend te bekabelen.
Houd workflows voor model, afbeelding, audiotranscriptie, TTS, video, web en embeddings onder één opdrachtstructuur.
Gebruik een stabiele --json-uitvoervorm voor scripts, automatisering en agent-gestuurde workflows.
Geef de voorkeur aan een first-party OpenClaw-oppervlak wanneer de taak in wezen “inference uitvoeren” is.
Gebruik het normale lokale pad zonder dat voor de meeste infer-opdrachten de gateway nodig is.

Voor end-to-end providercontroles geef je de voorkeur aan openclaw infer ... zodra lagere providertests groen zijn. Het oefent de geleverde CLI, het laden van configuratie, default-agent-resolutie, activering van gebundelde plugins en de gedeelde capability- runtime voordat het providerverzoek wordt gedaan.

Opdrachtstructuur

 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

Veelvoorkomende taken

Deze tabel koppelt veelvoorkomende inference-taken aan de bijbehorende infer-opdracht.

Taak	Opdracht	Opmerkingen
Een tekst-/modelprompt uitvoeren	`openclaw infer model run --prompt "..." --json`	Gebruikt standaard het normale lokale pad
Een modelprompt op afbeeldingen uitvoeren	`openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model`	Herhaal `--file` voor meerdere afbeeldingsinputs
Een afbeelding genereren	`openclaw infer image generate --prompt "..." --json`	Gebruik `image edit` wanneer je begint met een bestaand bestand
Een afbeeldingsbestand of URL beschrijven	`openclaw infer image describe --file ./image.png --prompt "..." --json`	`--model` moet een image-capable `<provider/model>` zijn
Audio transcriberen	`openclaw infer audio transcribe --file ./memo.m4a --json`	`--model` moet `<provider/model>` zijn
Spraak synthetiseren	`openclaw infer tts convert --text "..." --output ./speech.mp3 --json`	`tts status` is gateway-georiënteerd
Een video genereren	`openclaw infer video generate --prompt "..." --json`	Ondersteunt providerhints zoals `--resolution`
Een videobestand beschrijven	`openclaw infer video describe --file ./clip.mp4 --json`	`--model` moet `<provider/model>` zijn
Het web doorzoeken	`openclaw infer web search --query "..." --json`
Een webpagina ophalen	`openclaw infer web fetch --url https://example.com --json`
Embeddings maken	`openclaw infer embedding create --text "..." --json`

Gedrag

openclaw infer ... is het primaire CLI-oppervlak voor deze workflows.
Gebruik --json wanneer de uitvoer door een andere opdracht of script wordt gebruikt.
Gebruik --provider of --model provider/model wanneer een specifieke backend vereist is.
Gebruik model run --thinking <level> om een eenmalig denk-/redeneerniveau (off, minimal, low, medium, high, adaptive, xhigh of max) door te geven terwijl de run raw blijft.
Voor image describe, audio transcribe en video describe moet --model de vorm <provider/model> gebruiken.
Voor image describe accepteert --file lokale paden en HTTP(S)-afbeeldings-URL’s. Externe URL’s gebruiken het normale SSRF-beleid voor het ophalen van media.
Voor image describe voert een expliciete --model eerst die provider/dat model uit en probeert daarna geconfigureerde agents.defaults.imageModel.fallbacks wanneer de modelaanroep mislukt. Fouten bij inputvoorbereiding, zoals ontbrekende bestanden of niet-ondersteunde URL’s, mislukken vóór fallbackpogingen. Het model moet image-capable zijn in de modelcatalogus of providerconfiguratie. codex/<model> voert een begrensde Codex app-server image-understanding beurt uit; openai/<model> gebruikt het OpenAI-providerpad met API-key- of ChatGPT/Codex OAuth-authenticatie.
Stateless uitvoeringsopdrachten gebruiken standaard lokaal.
Gateway-beheerde statusopdrachten gebruiken standaard gateway.
Het normale lokale pad vereist niet dat de gateway actief is.
Lokale model run is een slanke eenmalige provider-completion. Het lost het geconfigureerde agentmodel en de auth op, maar start geen chat-agent-beurt, laadt geen tools en opent geen gebundelde MCP-servers.
model run --file accepteert afbeeldingsbestanden, detecteert hun MIME-type en stuurt ze met de opgegeven prompt naar het geselecteerde model. Herhaal --file voor meerdere afbeeldingen.
model run --file weigert niet-afbeeldingsinputs. Gebruik infer audio transcribe voor audiobestanden en infer video describe voor videobestanden.
model run --gateway oefent Gateway-routering, opgeslagen auth, providerselectie en de ingebedde runtime, maar blijft draaien als een raw modelprobe: het stuurt de opgegeven prompt en eventuele afbeeldingsbijlagen zonder voorafgaand sessietranscript, bootstrap-/AGENTS-context, context-engine-assemblage, tools of gebundelde MCP-servers.
model run --gateway --model <provider/model> vereist een vertrouwde operator-gatewaycredential omdat het verzoek de Gateway vraagt een eenmalige provider-/model-override uit te voeren.
Lokale model run --thinking gebruikt het slanke provider-completion-pad; providerspecifieke niveaus zoals adaptive en max worden gemapt naar het dichtstbijzijnde draagbare simple-completion-niveau.

Model

Gebruik model voor provider-ondersteunde tekst-inference en model-/providerinspectie.

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

Gebruik volledige <provider/model>-refs om een specifieke provider te smoke-testen zonder de Gateway te starten of het volledige agent-tooloppervlak te laden:

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

Opmerkingen:

Lokale model run is de smalste CLI-smoke voor provider-/model-/auth-gezondheid omdat het, voor niet-Codex-providers, alleen de opgegeven prompt naar het geselecteerde model stuurt.
Lokale model run --model <provider/model> kan exacte gebundelde statische catalogusrijen uit models list --all gebruiken voordat die provider naar de configuratie wordt geschreven. Provider-auth is nog steeds vereist; ontbrekende credentials mislukken als auth-fouten, niet als Unknown model.
Laat voor Mistral Medium 3.5-redeneerprobes de temperatuur unset/default. Mistral weigert reasoning_effort="high" plus temperature: 0; gebruik mistral/mistral-medium-3-5 met standaardtemperatuur of een niet-nul reasoning-mode-waarde zoals 0.7.
Lokale Codex Responses-probes zijn de smalle uitzondering: OpenClaw voegt een minimale systeeminstructie toe zodat de transportlaag het vereiste veld instructions kan vullen, zonder volledige agentcontext, tools, geheugen of sessietranscript toe te voegen.
Lokale model run --file behoudt dat slanke pad en voegt afbeeldingsinhoud rechtstreeks toe aan het ene gebruikersbericht. Veelvoorkomende afbeeldingsbestanden zoals PNG, JPEG en WebP werken wanneer hun MIME-type als image/* wordt gedetecteerd; niet-ondersteunde of niet-herkende bestanden mislukken voordat de provider wordt aangeroepen.
model run --file is het beste wanneer je het geselecteerde multimodale tekstmodel direct wilt testen. Gebruik infer image describe wanneer je OpenClaw’s image-understanding-providerselectie en standaard image-model-routering wilt.
Het geselecteerde model moet afbeeldingsinput ondersteunen; text-only modellen kunnen het verzoek op de providerlaag weigeren.
model run --prompt moet niet-witruimtetekst bevatten; lege prompts worden geweigerd voordat lokale providers of de Gateway worden aangeroepen.
Lokale model run eindigt met een niet-nul exitcode wanneer de provider geen tekstuitvoer retourneert, zodat onbereikbare lokale providers en lege completions niet op succesvolle probes lijken.
Gebruik model run --gateway wanneer je Gateway-routering, agent-runtime-setup of Gateway-beheerde providerstatus wilt testen terwijl de modelinput raw blijft. Gebruik openclaw agent of chatoppervlakken wanneer je de volledige agentcontext, tools, geheugen en sessietranscript wilt.
model auth login, model auth logout en model auth status beheren opgeslagen provider-authstatus.

Afbeelding

Gebruik image voor generatie, bewerking en beschrijving.

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

Opmerkingen:

Gebruik image edit wanneer je begint met bestaande invoerbestanden.
Gebruik --size, --aspect-ratio of --resolution met image edit voor providers/modellen die geometrie-hints ondersteunen bij bewerkingen van referentieafbeeldingen.
Gebruik --output-format png --background transparent met --model openai/gpt-image-1.5 voor OpenAI PNG-uitvoer met transparante achtergrond; --openai-background blijft beschikbaar als OpenAI-specifieke alias. Providers die geen achtergrondondersteuning declareren, rapporteren de hint als een genegeerde override.
Gebruik --quality low|medium|high|auto voor providers die hints voor beeldkwaliteit ondersteunen, waaronder OpenAI. OpenAI accepteert ook --openai-moderation low|auto voor de providerspecifieke moderatiehint.
Gebruik image providers --json om te verifiëren welke gebundelde beeldproviders vindbaar, geconfigureerd en geselecteerd zijn, en welke generatie-/bewerkingsmogelijkheden elke provider blootlegt.
Gebruik image generate --model <provider/model> --json als de smalste live CLI-smoke voor wijzigingen in beeldgeneratie. Voorbeeld:
```
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
```
De JSON-respons rapporteert ok, provider, model, attempts en geschreven uitvoerpaden. Wanneer --output is ingesteld, kan de uiteindelijke extensie het door de provider geretourneerde MIME-type volgen.
Gebruik voor image describe en image describe-many --prompt om het vision-model een taakspecifieke instructie te geven, zoals OCR, vergelijking, UI-inspectie of beknopte onderschriftgeneratie.
Gebruik --timeout-ms met trage lokale vision-modellen of koude Ollama-starts.
Voor image describe moet --model een beeldgeschikt <provider/model> zijn. Wanneer dit is ingesteld, probeert OpenClaw eerst dat expliciete model en daarna geconfigureerde image-model-fallbacks als de modelaanroep mislukt.
Voor lokale Ollama vision-modellen: haal het model eerst op en stel OLLAMA_API_KEY in op een willekeurige placeholderwaarde, bijvoorbeeld ollama-local. Zie Ollama.

Audio

Gebruik audio voor bestandstranscriptie.

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

Opmerkingen:

audio transcribe is bedoeld voor bestandstranscriptie, niet voor realtime sessiebeheer.
--model moet <provider/model> zijn.

TTS

Gebruik tts voor spraaksynthese en TTS-providerstatus.

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

Opmerkingen:

tts status gebruikt standaard Gateway omdat dit door Gateway beheerde TTS-status weerspiegelt.
Gebruik tts providers, tts voices en tts set-provider om TTS-gedrag te inspecteren en configureren.

Video

Gebruik video voor generatie en beschrijving.

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

Opmerkingen:

video generate accepteert --size, --aspect-ratio, --resolution, --duration, --audio, --watermark en --timeout-ms en stuurt ze door naar de video-generatieruntime.
--model moet <provider/model> zijn voor video describe.

Web

Gebruik web voor zoek- en ophaalworkflows.

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

Opmerkingen:

Gebruik web providers om beschikbare, geconfigureerde en geselecteerde providers te inspecteren.

Embedding

Gebruik embedding voor vectorcreatie en inspectie van embedding-providers.

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

JSON-uitvoer

Infer-opdrachten normaliseren JSON-uitvoer onder een gedeelde envelop:

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

Velden op het hoogste niveau zijn stabiel:

ok
capability
transport
provider
model
attempts
outputs
error

Voor opdrachten voor gegenereerde media bevat outputs bestanden die door OpenClaw zijn geschreven. Gebruik de path, mimeType, size en eventuele mediaspecifieke dimensies in die array voor automatisering in plaats van menselijk leesbare stdout te parsen.

Veelvoorkomende valkuilen

# Bad
openclaw infer media image generate --prompt "friendly lobster"

# Good
openclaw infer image generate --prompt "friendly lobster"

# 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

Opmerkingen

openclaw capability ... is een alias voor openclaw infer ....

​Maak van infer een skill

​Waarom infer gebruiken

​Opdrachtstructuur

​Veelvoorkomende taken

​Gedrag

​Model

​Afbeelding

​Audio

​TTS

​Video

​Web

​Embedding

​JSON-uitvoer

​Veelvoorkomende valkuilen

​Opmerkingen

​Gerelateerd

Maak van infer een skill

Waarom infer gebruiken

Opdrachtstructuur

Veelvoorkomende taken

Gedrag

Model

Afbeelding

Audio

TTS

Video

Web

Embedding

JSON-uitvoer

Veelvoorkomende valkuilen

Opmerkingen

Gerelateerd