CLI инференса

openclaw infer — каноническая headless-поверхность для рабочих процессов инференса, поддерживаемых провайдерами. Она намеренно раскрывает семейства возможностей, а не сырые имена RPC Gateway и не сырые идентификаторы инструментов агента.

Превратите infer в skill

Скопируйте и вставьте это агенту:

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.

Хороший skill на основе infer должен:

сопоставлять распространенные намерения пользователя с правильной подкомандой infer
включать несколько канонических примеров infer для рабочих процессов, которые он покрывает
предпочитать openclaw infer ... в примерах и рекомендациях
избегать повторного документирования всей поверхности infer внутри тела skill

Типичное покрытие skill, сфокусированного на 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

Зачем использовать infer

openclaw infer предоставляет единый согласованный CLI для задач инференса, поддерживаемых провайдерами внутри OpenClaw. Преимущества:

Используйте провайдеры и модели, уже настроенные в OpenClaw, вместо настройки одноразовых оберток для каждого backend.
Держите рабочие процессы с моделями, изображениями, аудиотранскрибацией, TTS, видео, вебом и embeddings в одном дереве команд.
Используйте стабильную форму вывода --json для скриптов, автоматизации и рабочих процессов, управляемых агентами.
Предпочитайте первичную поверхность OpenClaw, когда задача по сути сводится к “запустить инференс”.
Используйте обычный локальный путь без необходимости Gateway для большинства команд infer.

Для сквозных проверок провайдера предпочитайте openclaw infer ..., когда низкоуровневые тесты провайдера уже проходят. Это проверяет поставляемый CLI, загрузку конфигурации, разрешение агента по умолчанию, активацию встроенного Plugin и общую среду выполнения возможностей до отправки запроса провайдеру.

Дерево команд

 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

Распространенные задачи

Эта таблица сопоставляет распространенные задачи инференса с соответствующей командой infer.

Задача	Команда	Примечания
Запустить текстовый/model prompt	`openclaw infer model run --prompt "..." --json`	По умолчанию использует обычный локальный путь
Запустить model prompt на изображениях	`openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model`	Повторите `--file` для нескольких входных изображений
Сгенерировать изображение	`openclaw infer image generate --prompt "..." --json`	Используйте `image edit`, если начинаете с существующего файла
Описать файл изображения или URL	`openclaw infer image describe --file ./image.png --prompt "..." --json`	`--model` должен быть image-capable `<provider/model>`
Транскрибировать аудио	`openclaw infer audio transcribe --file ./memo.m4a --json`	`--model` должен быть `<provider/model>`
Синтезировать речь	`openclaw infer tts convert --text "..." --output ./speech.mp3 --json`	`tts status` ориентирован на Gateway
Сгенерировать видео	`openclaw infer video generate --prompt "..." --json`	Поддерживает подсказки провайдера, такие как `--resolution`
Описать видеофайл	`openclaw infer video describe --file ./clip.mp4 --json`	`--model` должен быть `<provider/model>`
Искать в вебе	`openclaw infer web search --query "..." --json`
Получить веб-страницу	`openclaw infer web fetch --url https://example.com --json`
Создать embeddings	`openclaw infer embedding create --text "..." --json`

Поведение

openclaw infer ... — основная поверхность CLI для этих рабочих процессов.
Используйте --json, когда вывод будет потребляться другой командой или скриптом.
Используйте --provider или --model provider/model, когда требуется конкретный backend.
Используйте model run --thinking <level>, чтобы передать одноразовый уровень thinking/reasoning (off, minimal, low, medium, high, adaptive, xhigh или max), сохранив запуск сырым.
Для image describe, audio transcribe и video describe --model должен использовать форму <provider/model>.
Для image describe --file принимает локальные пути и HTTP(S) URL изображений. Удаленные URL используют обычную SSRF-политику получения медиа.
Для image describe явный --model запускает этот provider/model напрямую. Модель должна быть image-capable в каталоге моделей или конфигурации провайдера. codex/<model> запускает ограниченный ход понимания изображений через app-server Codex; openai/<model> использует путь провайдера OpenAI с аутентификацией через API-key или ChatGPT/Codex OAuth.
Команды stateless-выполнения по умолчанию локальные.
Команды состояния, управляемого Gateway, по умолчанию используют Gateway.
Обычный локальный путь не требует запущенного Gateway.
Локальный model run — компактное одноразовое completion провайдера. Он разрешает настроенную модель агента и auth, но не запускает ход chat-agent, не загружает инструменты и не открывает встроенные MCP-серверы.
model run --file принимает файлы изображений, определяет их MIME type и отправляет их вместе с переданным prompt в выбранную модель. Повторите --file для нескольких изображений.
model run --file отклоняет входные данные, не являющиеся изображениями. Используйте infer audio transcribe для аудиофайлов и infer video describe для видеофайлов.
model run --gateway проверяет маршрутизацию Gateway, сохраненную auth, выбор провайдера и встроенную среду выполнения, но все равно выполняется как сырой пробный запуск модели: он отправляет переданный prompt и любые вложения изображений без предыдущего transcript сеанса, bootstrap/AGENTS context, сборки context-engine, инструментов или встроенных MCP-серверов.
model run --gateway --model <provider/model> требует доверенные учетные данные оператора Gateway, потому что запрос просит Gateway выполнить одноразовое переопределение provider/model.
Локальный model run --thinking использует компактный путь provider-completion; специфичные для провайдера уровни, такие как adaptive и max, сопоставляются с ближайшим переносимым уровнем simple-completion.

Модель

Используйте model для текстового инференса, поддерживаемого провайдерами, и инспекции модели/провайдера.

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

Используйте полные ссылки <provider/model>, чтобы выполнить smoke-test конкретного провайдера без запуска Gateway или загрузки полной поверхности инструментов агента:

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

Примечания:

Локальный model run — самый узкий CLI smoke для проверки работоспособности provider/model/auth, потому что для не-Codex провайдеров он отправляет только переданный prompt в выбранную модель.
Локальный model run --model <provider/model> может использовать точные встроенные статические строки каталога из models list --all до того, как этот провайдер записан в конфигурацию. Auth провайдера все равно требуется; отсутствующие учетные данные завершаются ошибками auth, а не Unknown model.
Для reasoning-проб Mistral Medium 3.5 оставьте temperature неустановленной/по умолчанию. Mistral отклоняет reasoning_effort="high" плюс temperature: 0; используйте mistral/mistral-medium-3-5 с temperature по умолчанию или ненулевым значением reasoning-mode, например 0.7.
Локальные пробы Codex Responses — узкое исключение: OpenClaw добавляет минимальную системную инструкцию, чтобы транспорт мог заполнить обязательное поле instructions, не добавляя полный контекст агента, инструменты, память или transcript сеанса.
Локальный model run --file сохраняет этот компактный путь и прикрепляет содержимое изображения напрямую к единственному сообщению пользователя. Распространенные файлы изображений, такие как PNG, JPEG и WebP, работают, когда их MIME type определяется как image/*; неподдерживаемые или нераспознанные файлы завершаются ошибкой до вызова провайдера.
model run --file лучше всего подходит, когда вы хотите напрямую протестировать выбранную multimodal text model. Используйте infer image describe, когда вам нужны выбор OpenClaw провайдера для понимания изображений и маршрутизация image-model по умолчанию.
Выбранная модель должна поддерживать ввод изображений; text-only модели могут отклонить запрос на уровне провайдера.
model run --prompt должен содержать непустой не-whitespace текст; пустые prompts отклоняются до вызова локальных провайдеров или Gateway.
Локальный model run завершается с ненулевым кодом, когда провайдер не возвращает текстовый вывод, поэтому недоступные локальные провайдеры и пустые completions не выглядят как успешные пробы.
Используйте model run --gateway, когда нужно протестировать маршрутизацию Gateway, настройку agent-runtime или состояние провайдера, управляемое Gateway, сохраняя при этом сырой ввод модели. Используйте openclaw agent или chat-поверхности, когда нужен полный контекст агента, инструменты, память и transcript сеанса.
model auth login, model auth logout и model auth status управляют сохраненным состоянием auth провайдера.

Изображение

Используйте image для генерации, редактирования и описания.

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

Примечания:

Используйте image edit, когда начинаете с существующих входных файлов.
Используйте --size, --aspect-ratio или --resolution с image edit для провайдеров/моделей, которые поддерживают подсказки геометрии при редактировании по эталонным изображениям.
Используйте --output-format png --background transparent с --model openai/gpt-image-1.5 для вывода OpenAI PNG с прозрачным фоном; --openai-background остается доступным как специфичный для OpenAI псевдоним. Провайдеры, которые не заявляют поддержку фона, сообщают подсказку как проигнорированное переопределение.
Используйте --quality low|medium|high|auto для провайдеров, которые поддерживают подсказки качества изображения, включая OpenAI. OpenAI также принимает --openai-moderation low|auto для специфичной для провайдера подсказки модерации.
Используйте image providers --json, чтобы проверить, какие встроенные провайдеры изображений обнаруживаются, настроены, выбраны и какие возможности генерации/редактирования предоставляет каждый провайдер.
Используйте image generate --model <provider/model> --json как самый узкий живой CLI smoke для изменений генерации изображений. Пример:
```
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
```
JSON-ответ сообщает ok, provider, model, attempts и записанные пути вывода. Когда задан --output, итоговое расширение может соответствовать MIME-типу, возвращенному провайдером.
Для image describe и image describe-many используйте --prompt, чтобы дать модели зрения инструкцию для конкретной задачи, например OCR, сравнение, инспекцию UI или краткую подпись.
Используйте --timeout-ms с медленными локальными моделями зрения или холодными запусками Ollama.
Для image describe --model должен быть моделью <provider/model> с поддержкой изображений.
Для локальных моделей зрения Ollama сначала загрузите модель и задайте OLLAMA_API_KEY любым значением-заполнителем, например ollama-local. См. Ollama.

Аудио

Используйте audio для транскрибации файлов.

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

Примечания:

audio transcribe предназначен для транскрибации файлов, а не для управления сеансами в реальном времени.
--model должен быть <provider/model>.

TTS

Используйте tts для синтеза речи и состояния провайдера TTS.

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

Примечания:

tts status по умолчанию использует Gateway, потому что отражает состояние TTS, управляемое Gateway.
Используйте tts providers, tts voices и tts set-provider, чтобы просматривать и настраивать поведение TTS.

Видео

Используйте video для генерации и описания.

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

Примечания:

video generate принимает --size, --aspect-ratio, --resolution, --duration, --audio, --watermark и --timeout-ms и передает их среде выполнения генерации видео.
--model должен быть <provider/model> для video describe.

Веб

Используйте web для рабочих процессов поиска и получения данных.

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

Примечания:

Используйте web providers, чтобы просмотреть доступных, настроенных и выбранных провайдеров.

Эмбеддинг

Используйте embedding для создания векторов и инспекции провайдера эмбеддингов.

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

Вывод JSON

Команды Infer нормализуют вывод JSON в общей оболочке:

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

Поля верхнего уровня стабильны:

ok
capability
transport
provider
model
attempts
outputs
error

Для команд генерации медиа outputs содержит файлы, записанные OpenClaw. Используйте path, mimeType, size и любые специфичные для медиа размеры в этом массиве для автоматизации вместо разбора человекочитаемого stdout.

Распространенные ошибки

# 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

Примечания

openclaw capability ... — псевдоним для openclaw infer ....

​Превратите infer в skill

​Зачем использовать infer

​Дерево команд

​Распространенные задачи

​Поведение

​Модель

​Изображение

​Аудио

​TTS

​Видео

​Веб

​Эмбеддинг

​Вывод JSON

​Распространенные ошибки

​Примечания

​Связанные материалы

Превратите infer в skill

Зачем использовать infer

Дерево команд

Распространенные задачи

Поведение

Модель

Изображение

Аудио

TTS

Видео

Веб

Эмбеддинг

Вывод JSON

Распространенные ошибки

Примечания

Связанные материалы