CLI виведення

openclaw infer — це канонічний безголовий інтерфейс для інференсу через провайдерів. Він надає сімейства можливостей (model, image, audio, tts, video, web, embedding), а не необроблені назви RPC Gateway чи ідентифікатори інструментів агента. openclaw capability ... — це псевдонім для того самого дерева команд. Чому варто віддати йому перевагу над одноразовою обгорткою провайдера:

Повторно використовує провайдерів і моделі, уже налаштовані в OpenClaw.
Стабільна оболонка --json для скриптів і керованої агентами автоматизації (див. Виведення JSON).
Для більшості підкоманд виконує звичайний локальний шлях без Gateway.
Для наскрізних перевірок провайдера він задіює випущений CLI, завантаження конфігурації, визначення типового агента, активацію вбудованих плагінів і спільне середовище виконання можливостей перед надсиланням запиту провайдеру.

Перетворення infer на Skills

Скопіюйте та вставте це агенту:

Прочитай https://docs.openclaw.ai/cli/infer, а потім створи Skills, що спрямовуватиме мої типові робочі процеси до `openclaw infer`.
Зосередься на запусках моделей, генеруванні зображень, генеруванні відео, транскрибуванні аудіо, TTS, вебпошуку та вбудовуваннях.

Якісні Skills на основі infer зіставляють типові наміри користувача з відповідною підкомандою, містять кілька канонічних прикладів для кожного робочого процесу, віддають перевагу openclaw infer ... над низькорівневими альтернативами та не документують повторно весь інтерфейс infer у тілі Skills.

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
    personas
    status
    enable
    disable
    set-provider
    set-persona

  video
    generate
    describe
    providers

  web
    search
    fetch
    providers

  embedding
    create
    providers

infer list / infer inspect --name <capability> показують це дерево як дані (ідентифікатор можливості, транспорти, опис).

Типові завдання

Завдання	Команда	Примітки
Виконати текстовий запит до моделі	`openclaw infer model run --prompt "..." --json`	Типово виконується локально
Виконати запит до моделі із зображеннями	`openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model`	Повторіть `--file` для кількох зображень
Згенерувати зображення	`openclaw infer image generate --prompt "..." --json`	Використовуйте `image edit`, починаючи з наявного файлу
Описати файл зображення або URL	`openclaw infer image describe --file ./image.png --prompt "..." --json`	`--model` має бути моделлю `<provider/model>` із підтримкою зображень
Транскрибувати аудіо	`openclaw infer audio transcribe --file ./memo.m4a --json`	`--model` має бути у форматі `<provider/model>`
Синтезувати мовлення	`openclaw infer tts convert --text "..." --output ./speech.mp3 --json`	`tts status` виконується лише через Gateway
Згенерувати відео	`openclaw infer video generate --prompt "..." --json`	Підтримує підказки провайдера, як-от `--resolution`
Описати відеофайл	`openclaw infer video describe --file ./clip.mp4 --json`	`--model` має бути у форматі `<provider/model>`
Виконати пошук у вебі	`openclaw infer web search --query "..." --json`
Отримати вебсторінку	`openclaw infer web fetch --url https://example.com --json`
Створити вбудовування	`openclaw infer embedding create --text "..." --json`

Поведінка

Використовуйте --json, коли виведення передається іншій команді чи скрипту; в інших випадках використовуйте текстове виведення.
Використовуйте --provider або --model provider/model, щоб зафіксувати конкретний бекенд.
Використовуйте model run --thinking <level> для одноразового перевизначення рівня обмірковування/міркування: off, minimal, low, medium, high, adaptive, xhigh або max.
Для image describe, audio transcribe і video describe параметр --model має використовувати формат <provider/model>.
Для image describe параметр --file приймає локальні шляхи й URL-адреси HTTP(S); віддалені URL-адреси проходять через звичайну політику SSRF для отримання медіафайлів.
Команди виконання без стану (model run, image *, audio *, video *, web *, embedding *) типово виконуються локально. Команди стану, керованого Gateway (tts status), типово виконуються через Gateway.
Локальний шлях ніколи не вимагає запущеного Gateway.
Локальний model run — це полегшене одноразове звернення до провайдера: він визначає налаштовану модель агента й дані автентифікації, але не запускає хід чат-агента, не завантажує інструменти й не відкриває вбудовані сервери MCP.
model run --file додає до запиту файли зображень (тип MIME визначається автоматично); повторіть --file для кількох зображень. Файли, що не є зображеннями, відхиляються — натомість використовуйте infer audio transcribe або infer video describe.
model run --gateway перевіряє маршрутизацію Gateway, збережені дані автентифікації, вибір провайдера та вбудоване середовище виконання, але залишається необробленою перевіркою моделі: без попереднього журналу сеансу, контексту початкового завантаження/AGENTS, інструментів чи вбудованих серверів MCP.
model run --gateway --model <provider/model> вимагає облікових даних Gateway довіреного оператора, оскільки просить Gateway виконати одноразове перевизначення провайдера/моделі.

Модель

Текстовий інференс і перевірка моделі/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 --model gpt-5.6-sol --json

Використовуйте повні посилання <provider/model> із --local, щоб виконати базову перевірку одного провайдера без запуску Gateway чи завантаження інтерфейсу інструментів 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-5.6-luna --prompt "Reply with exactly: pong" --json
openclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json

Примітки:

Локальний model run — це найвужча базова перевірка CLI для працездатності провайдера/моделі/автентифікації: для провайдерів, відмінних від ChatGPT-Codex, він надсилає лише вказаний запит.
Локальний model run --model <provider/model> може визначати точні рядки вбудованого статичного каталогу (ті самі рядки, які показує openclaw models list --all) до запису цього провайдера в конфігурацію. Автентифікація провайдера все одно потрібна; відсутні облікові дані спричиняють помилки автентифікації, а не Unknown model.
Для перевірок міркування Mistral Medium 3.5 залиште температуру невстановленою/типовою. Mistral відхиляє reasoning_effort="high" із temperature: 0; використовуйте типову температуру або ненульове значення, як-от 0.7.
Локальні перевірки OAuth OpenAI ChatGPT/Codex (API openai-chatgpt-responses) додають мінімальну системну інструкцію, щоб транспорт міг заповнити обов’язкове поле instructions — без повного контексту агента, інструментів, пам’яті чи журналу сеансу.
model run --file додає вміст зображення безпосередньо до єдиного повідомлення користувача. Поширені формати (PNG, JPEG, WebP) працюють, коли тип MIME визначено як image/*; непідтримувані або нерозпізнані файли спричиняють помилку до виклику провайдера. Натомість використовуйте infer image describe, якщо потрібні маршрутизація й резервні варіанти моделей зображень OpenClaw, а не безпосередня перевірка мультимодальної моделі.
Вибрана модель має підтримувати введення зображень; моделі лише для тексту можуть відхилити запит на рівні провайдера.
model run --prompt має містити текст, відмінний від пробільних символів; порожні запити відхиляються до будь-якого виклику провайдера чи Gateway.
Локальний model run завершується з ненульовим кодом, коли провайдер не повертає текстового виведення, тож недоступні провайдери й порожні завершення не виглядають як успішні перевірки.
Використовуйте model run --gateway, щоб перевірити маршрутизацію Gateway або налаштування середовища виконання агента, зберігаючи введення моделі необробленим. Використовуйте openclaw agent або інтерфейс чату для повного контексту агента, інструментів, пам’яті й журналу сеансу.
--thinking adaptive зіставляється з рівнем середовища виконання завершень medium; --thinking max зіставляється з max для моделей OpenAI, які підтримують власний максимальний рівень зусиль, а в інших випадках — із xhigh.
model auth login, model auth logout і model auth status керують збереженим станом автентифікації провайдера.

Зображення

Генерування, редагування й опис.

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

Примітки:

Використовуйте image edit, коли починаєте з наявних вхідних файлів; --size, --aspect-ratio або --resolution додають підказки щодо геометрії для провайдерів і моделей, які їх підтримують.
--output-format png --background transparent разом із --model openai/gpt-image-1.5 створює PNG-зображення OpenAI із прозорим тлом; --openai-background — специфічний для OpenAI псевдонім тієї самої підказки. Провайдери, які не заявляють про підтримку тла, повідомляють про неї як про проігнороване перевизначення (див. ignoredOverrides в оболонці JSON).
--quality low|medium|high|auto працює для провайдерів, які підтримують підказки щодо якості зображення, зокрема OpenAI. OpenAI також приймає --openai-moderation low|auto.
image providers --json перелічує, які вбудовані провайдери зображень доступні для виявлення, налаштовані й вибрані, а також які можливості генерування та редагування надає кожен із них.
image generate --model <provider/model> --json — найвужча оперативна димова перевірка змін у генеруванні зображень:
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
Відповідь містить ok, provider, model, attempts і шляхи до записаних вихідних файлів. Коли задано --output, остаточне розширення може відповідати типу MIME, поверненому провайдером.
Для image describe та image describe-many використовуйте --prompt для інструкції, специфічної для завдання (OCR, порівняння, перевірка інтерфейсу, стислий опис).
Використовуйте --timeout-ms для повільних локальних моделей комп’ютерного зору або холодного запуску Ollama.
Для image describe явно задана модель через --model (має бути моделлю <provider/model> із підтримкою зображень) запускається першою, а якщо цей виклик завершується невдало, виконуються спроби з налаштованими agents.defaults.imageModel.fallbacks. Помилки підготовки вхідних даних (відсутній файл, непідтримувана URL-адреса) спричиняють збій до будь-якої резервної спроби, а модель має підтримувати зображення в каталозі моделей або конфігурації провайдера.
Для локальних моделей комп’ютерного зору Ollama спочатку завантажте модель і встановіть для OLLAMA_API_KEY будь-яке значення-заповнювач, наприклад ollama-local. Див. Ollama.

Аудіо

Транскрибування файлів (не керування сеансами в реальному часі).

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

--model має бути у форматі <provider/model>.

TTS

Синтез мовлення та стан провайдера й персони 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 personas --json
openclaw infer tts status --json

Примітки:

tts status підтримує лише --gateway (команда відображає стан TTS, керований Gateway).
Використовуйте tts providers, tts voices, tts personas, tts set-provider і tts set-persona, щоб переглядати та налаштовувати поведінку TTS.

Відео

Генерування й опис.

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

Примітки:

video generate приймає --size, --aspect-ratio, --resolution, --duration, --audio, --watermark і --timeout-ms, які передаються середовищу виконання генерування відео.
Для video describe значення --model має бути у форматі <provider/model>.

Веб

Пошук і отримання даних.

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

web providers перелічує доступних, налаштованих і вибраних провайдерів для пошуку й отримання даних.

Вбудовування

Створення векторів і перегляд провайдерів вбудовувань.

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

Виведення JSON

Команди Infer нормалізують виведення JSON у спільній оболонці:

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

Стабільні поля верхнього рівня:

ok
capability
transport
provider
model
attempts
inputs (вкладення зображень, надіслані із запитом, якщо застосовно)
outputs
ignoredOverrides (ключі підказок, які провайдер не підтримує, якщо застосовно)
error

Для команд генерування медіафайлів outputs містить файли, записані OpenClaw. Для автоматизації використовуйте path, mimeType, size і всі специфічні для медіа розміри в цьому масиві замість аналізу зручного для читання виведення stdout.

Поширені помилки

# 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

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Contributing

CLI виведення

Перетворення infer на Skills

Дерево команд

Типові завдання

Поведінка

Модель

Зображення

Аудіо

TTS

Відео

Веб

Вбудовування

Виведення JSON

Поширені помилки

Пов’язані матеріали

​Перетворення infer на Skills

​Дерево команд

​Типові завдання

​Поведінка

​Модель

​Зображення

​Аудіо

​TTS

​Відео

​Веб

​Вбудовування

​Виведення JSON

​Поширені помилки

​Пов’язані матеріали

Перетворення infer на Skills

Дерево команд

Типові завдання

Поведінка

Модель

Зображення

Аудіо

TTS

Відео

Веб

Вбудовування

Виведення JSON

Поширені помилки

Пов’язані матеріали