> ## 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. # Çıkarım CLI `openclaw infer`, sağlayıcı destekli çıkarım iş akışları için standart başsız yüzeydir. Bilinçli olarak ham gateway RPC adlarını veya ham agent araç kimliklerini değil, yetenek ailelerini sunar. ## infer'ı bir skill'e dönüştürme Bunu bir agent'a kopyalayıp yapıştırın: ```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. ``` İyi bir infer tabanlı skill şunları yapmalıdır: * yaygın kullanıcı amaçlarını doğru infer alt komutuyla eşleştirmeli * kapsadığı iş akışları için birkaç standart infer örneği içermeli * örneklerde ve önerilerde `openclaw infer ...` kullanımını tercih etmeli * skill gövdesi içinde tüm infer yüzeyini yeniden belgelemekten kaçınmalı Tipik infer odaklı skill kapsamı: * `openclaw infer model run` * `openclaw infer image generate` * `openclaw infer audio transcribe` * `openclaw infer tts convert` * `openclaw infer web search` * `openclaw infer embedding create` ## Neden infer kullanılır `openclaw infer`, OpenClaw içinde sağlayıcı destekli çıkarım görevleri için tutarlı tek bir CLI sağlar. Faydaları: * Her arka uç için tek seferlik sarmalayıcılar bağlamak yerine OpenClaw'da zaten yapılandırılmış sağlayıcıları ve modelleri kullanın. * Model, görüntü, ses transkripsiyonu, TTS, video, web ve embedding iş akışlarını tek bir komut ağacı altında tutun. * Betikler, otomasyon ve agent güdümlü iş akışları için kararlı bir `--json` çıktı biçimi kullanın. * Görev temelde "çıkarım çalıştırmak" olduğunda birinci taraf OpenClaw yüzeyini tercih edin. * Çoğu infer komutu için gateway gerektirmeden normal yerel yolu kullanın. Uçtan uca sağlayıcı kontrolleri için, daha düşük düzey sağlayıcı testleri yeşil olduktan sonra `openclaw infer ...` tercih edin. Sağlayıcı isteği yapılmadan önce yayımlanan CLI'yi, yapılandırma yüklemeyi, varsayılan agent çözümlemesini, paketli Plugin etkinleştirmeyi ve paylaşılan yetenek çalışma zamanını çalıştırır. ## Komut ağacı ```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 ``` ## Yaygın görevler Bu tablo, yaygın çıkarım görevlerini karşılık gelen infer komutuyla eşleştirir. | Görev | Komut | Notlar | | ------------------------------------------ | --------------------------------------------------------------------------------------------- | ------------------------------------------------------------- | | Metin/model prompt'u çalıştır | `openclaw infer model run --prompt "..." --json` | Varsayılan olarak normal yerel yolu kullanır | | Görseller üzerinde model prompt'u çalıştır | `openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model` | Birden çok görsel girdisi için `--file` tekrar edin | | Görsel oluştur | `openclaw infer image generate --prompt "..." --json` | Mevcut bir dosyadan başlarken `image edit` kullanın | | Görsel dosyasını veya URL'yi açıkla | `openclaw infer image describe --file ./image.png --prompt "..." --json` | `--model`, görüntü yetenekli bir `` olmalıdır | | Sesi yazıya dök | `openclaw infer audio transcribe --file ./memo.m4a --json` | `--model`, `` olmalıdır | | Konuşma sentezle | `openclaw infer tts convert --text "..." --output ./speech.mp3 --json` | `tts status` gateway odaklıdır | | Video oluştur | `openclaw infer video generate --prompt "..." --json` | `--resolution` gibi sağlayıcı ipuçlarını destekler | | Video dosyasını açıkla | `openclaw infer video describe --file ./clip.mp4 --json` | `--model`, `` olmalıdır | | Web'de ara | `openclaw infer web search --query "..." --json` | | | Web sayfası getir | `openclaw infer web fetch --url https://example.com --json` | | | Embedding oluştur | `openclaw infer embedding create --text "..." --json` | | ## Davranış * `openclaw infer ...`, bu iş akışları için birincil CLI yüzeyidir. * Çıktı başka bir komut veya betik tarafından tüketilecekse `--json` kullanın. * Belirli bir arka uç gerektiğinde `--provider` veya `--model provider/model` kullanın. * Çalıştırmayı ham tutarken tek seferlik düşünme/akıl yürütme düzeyi (`off`, `minimal`, `low`, `medium`, `high`, `adaptive`, `xhigh` veya `max`) geçirmek için `model run --thinking ` kullanın. * `image describe`, `audio transcribe` ve `video describe` için `--model`, `` biçimini kullanmalıdır. * `image describe` için `--file`, yerel yolları ve HTTP(S) görsel URL'lerini kabul eder. Uzak URL'ler normal medya getirme SSRF politikasını kullanır. * `image describe` için açık bir `--model`, önce ilgili sağlayıcı/modeli çalıştırır, ardından model çağrısı başarısız olduğunda yapılandırılmış `agents.defaults.imageModel.fallbacks` seçeneklerini dener. Eksik dosyalar veya desteklenmeyen URL'ler gibi girdi hazırlama hataları, fallback denemelerinden önce başarısız olur. Model kataloğunda veya sağlayıcı yapılandırmasında model görüntü yetenekli olmalıdır. `codex/`, sınırlı bir Codex app-server görüntü anlama turu çalıştırır; `openai/`, API anahtarı veya ChatGPT/Codex OAuth kimlik doğrulamasıyla OpenAI sağlayıcı yolunu kullanır. * Durumsuz yürütme komutları varsayılan olarak yerele ayarlanır. * Gateway tarafından yönetilen durum komutları varsayılan olarak gateway'e ayarlanır. * Normal yerel yol, gateway'in çalışıyor olmasını gerektirmez. * Yerel `model run`, yalın bir tek seferlik sağlayıcı tamamlama işlemidir. Yapılandırılmış agent modelini ve kimlik doğrulamayı çözümler, ancak sohbet agent turu başlatmaz, araç yüklemez veya paketli MCP sunucularını açmaz. * `model run --file`, görsel dosyalarını kabul eder, MIME türlerini algılar ve sağlanan prompt ile birlikte seçilen modele gönderir. Birden çok görsel için `--file` tekrar edin. * `model run --file`, görsel olmayan girdileri reddeder. Ses dosyaları için `infer audio transcribe`, video dosyaları için `infer video describe` kullanın. * `model run --gateway`, Gateway yönlendirmesini, kayıtlı kimlik doğrulamayı, sağlayıcı seçimini ve gömülü çalışma zamanını çalıştırır, ancak yine de ham model probu olarak çalışır: sağlanan prompt'u ve varsa görsel eklerini önceki oturum transkripti, bootstrap/AGENTS bağlamı, context-engine derlemesi, araçlar veya paketli MCP sunucuları olmadan gönderir. * `model run --gateway --model `, istek Gateway'den tek seferlik bir sağlayıcı/model override çalıştırmasını istediği için güvenilir bir operatör gateway kimlik bilgisi gerektirir. * Yerel `model run --thinking`, yalın sağlayıcı tamamlama yolunu kullanır; `adaptive` ve `max` gibi sağlayıcıya özgü düzeyler, en yakın taşınabilir basit tamamlama düzeyine eşlenir. ## Model Sağlayıcı destekli metin çıkarımı ve model/sağlayıcı incelemesi için `model` kullanın. ```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 ``` Gateway'i başlatmadan veya tam agent araç yüzeyini yüklemeden belirli bir sağlayıcıyı smoke test etmek için tam `` referanslarını kullanın: ```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 ``` Notlar: * Yerel `model run`, sağlayıcı/model/kimlik doğrulama sağlığı için en dar CLI smoke testidir çünkü Codex olmayan sağlayıcılar için yalnızca sağlanan prompt'u seçilen modele gönderir. * Yerel `model run --model `, ilgili sağlayıcı yapılandırmaya yazılmadan önce `models list --all` içinden tam paketli statik katalog satırlarını kullanabilir. Sağlayıcı kimlik doğrulaması yine de gereklidir; eksik kimlik bilgileri `Unknown model` olarak değil, kimlik doğrulama hataları olarak başarısız olur. * Mistral Medium 3.5 akıl yürütme probları için sıcaklığı ayarlanmamış/varsayılan bırakın. Mistral, `reasoning_effort="high"` ile `temperature: 0` birleşimini reddeder; varsayılan sıcaklıkla veya `0.7` gibi sıfır olmayan bir reasoning-mode değeriyle `mistral/mistral-medium-3-5` kullanın. * Codex Responses yerel probları dar istisnadır: OpenClaw, taşımanın gerekli `instructions` alanını doldurabilmesi için tam agent bağlamı, araçlar, bellek veya oturum transkripti eklemeden en düşük düzeyde bir sistem talimatı ekler. * Yerel `model run --file`, bu yalın yolu korur ve görsel içeriği doğrudan tek kullanıcı iletisine ekler. PNG, JPEG ve WebP gibi yaygın görsel dosyaları, MIME türleri `image/*` olarak algılandığında çalışır; desteklenmeyen veya tanınmayan dosyalar sağlayıcı çağrılmadan önce başarısız olur. * Seçilen çok modlu metin modelini doğrudan test etmek istediğinizde `model run --file` en uygunudur. OpenClaw'ın görüntü anlama sağlayıcı seçimini ve varsayılan görüntü modeli yönlendirmesini istediğinizde `infer image describe` kullanın. * Seçilen model görsel girdisini desteklemelidir; yalnızca metin modelleri isteği sağlayıcı katmanında reddedebilir. * `model run --prompt`, boşluk dışı metin içermelidir; boş prompt'lar yerel sağlayıcılar veya Gateway çağrılmadan önce reddedilir. * Sağlayıcı metin çıktısı döndürmediğinde yerel `model run` sıfır olmayan kodla çıkar; böylece erişilemeyen yerel sağlayıcılar ve boş tamamlamalar başarılı prob gibi görünmez. * Model girdisini ham tutarken Gateway yönlendirmesini, agent çalışma zamanı kurulumunu veya Gateway tarafından yönetilen sağlayıcı durumunu test etmeniz gerektiğinde `model run --gateway` kullanın. Tam agent bağlamı, araçlar, bellek ve oturum transkripti istediğinizde `openclaw agent` veya sohbet yüzeylerini kullanın. * `model auth login`, `model auth logout` ve `model auth status`, kayıtlı sağlayıcı kimlik doğrulama durumunu yönetir. ## Görsel Oluşturma, düzenleme ve açıklama için `image` kullanın. ```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 ``` Notlar: * Mevcut girdi dosyalarından başlarken `image edit` kullanın. * Referans görsel düzenlemelerinde geometri ipuçlarını destekleyen sağlayıcılar/modeller için `image edit` ile `--size`, `--aspect-ratio` veya `--resolution` kullanın. * Şeffaf arka planlı OpenAI PNG çıktısı için `--model openai/gpt-image-1.5` ile `--output-format png --background transparent` kullanın; `--openai-background`, OpenAI'ye özgü bir takma ad olarak kullanılabilir durumda kalır. Arka plan desteği bildirmeyen sağlayıcılar ipucunu yok sayılan bir geçersiz kılma olarak raporlar. * OpenAI dahil, görsel kalitesi ipuçlarını destekleyen sağlayıcılar için `--quality low|medium|high|auto` kullanın. OpenAI ayrıca sağlayıcıya özgü moderasyon ipucu için `--openai-moderation low|auto` kabul eder. * Hangi paketli görsel sağlayıcılarının keşfedilebilir, yapılandırılmış ve seçili olduğunu ve her sağlayıcının hangi üretim/düzenleme yeteneklerini sunduğunu doğrulamak için `image providers --json` kullanın. * Görsel üretimi değişiklikleri için en dar canlı CLI smoke testi olarak `image generate --model --json` kullanın. Örnek: ```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 ``` JSON yanıtı `ok`, `provider`, `model`, `attempts` ve yazılan çıktı yollarını raporlar. `--output` ayarlandığında, son uzantı sağlayıcının döndürdüğü MIME türünü izleyebilir. * `image describe` ve `image describe-many` için görme modeline OCR, karşılaştırma, UI incelemesi veya kısa başlıklandırma gibi göreve özel bir talimat vermek üzere `--prompt` kullanın. * Yavaş yerel görme modelleri veya soğuk Ollama başlangıçları ile `--timeout-ms` kullanın. * `image describe` için `--model`, görsel destekli bir `` olmalıdır. Ayarlandığında, OpenClaw önce bu açık modeli dener ve model çağrısı başarısız olursa yapılandırılmış görsel modeli yedeklerine geçer. * Yerel Ollama görme modelleri için önce modeli çekin ve `OLLAMA_API_KEY` değerini herhangi bir yer tutucu değere, örneğin `ollama-local`, ayarlayın. Bkz. [Ollama](/tr/providers/ollama#vision-and-image-description). ## Ses Dosya transkripsiyonu için `audio` kullanın. ```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 ``` Notlar: * `audio transcribe`, gerçek zamanlı oturum yönetimi için değil dosya transkripsiyonu içindir. * `--model`, `` olmalıdır. ## TTS Konuşma sentezi ve TTS sağlayıcı durumu için `tts` kullanın. ```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 ``` Notlar: * `tts status`, Gateway tarafından yönetilen TTS durumunu yansıttığı için varsayılan olarak gateway kullanır. * TTS davranışını incelemek ve yapılandırmak için `tts providers`, `tts voices` ve `tts set-provider` kullanın. ## Video Üretim ve açıklama için `video` kullanın. ```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 ``` Notlar: * `video generate`, `--size`, `--aspect-ratio`, `--resolution`, `--duration`, `--audio`, `--watermark` ve `--timeout-ms` kabul eder ve bunları video üretimi çalışma zamanına iletir. * `video describe` için `--model`, `` olmalıdır. ## Web Arama ve getirme iş akışları için `web` kullanın. ```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 ``` Notlar: * Kullanılabilir, yapılandırılmış ve seçili sağlayıcıları incelemek için `web providers` kullanın. ## Embedding Vektör oluşturma ve embedding sağlayıcı incelemesi için `embedding` kullanın. ```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 ``` ## JSON çıktısı Infer komutları JSON çıktısını paylaşılan bir zarf altında normalleştirir: ```json theme={"theme":{"light":"min-light","dark":"min-dark"}} { "ok": true, "capability": "image.generate", "transport": "local", "provider": "openai", "model": "gpt-image-2", "attempts": [], "outputs": [] } ``` Üst düzey alanlar kararlıdır: * `ok` * `capability` * `transport` * `provider` * `model` * `attempts` * `outputs` * `error` Üretilen medya komutlarında `outputs`, OpenClaw tarafından yazılan dosyaları içerir. Otomasyon için insan tarafından okunabilir stdout'u ayrıştırmak yerine bu dizideki `path`, `mimeType`, `size` ve medyaya özgü boyutları kullanın. ## Yaygın tuzaklar ```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 ``` ## Notlar * `openclaw capability ...`, `openclaw infer ...` için bir takma addır. ## İlgili * [CLI başvurusu](/tr/cli) * [Modeller](/tr/concepts/models)