openclaw infer 是由提供者支援推論的標準無頭介面。它公開的是能力系列（model、image、audio、tts、video、web、embedding），而不是原始閘道 RPC 名稱或代理工具 ID。openclaw capability ... 是相同命令樹的別名。
相較於一次性的提供者包裝器，偏好使用它的原因：
- 重複使用已在 OpenClaw 中設定的提供者和模型。
- 為指令碼和代理驅動的自動化提供穩定的
--json封套（請參閱 JSON 輸出）。 - 多數子命令會執行正常的本機路徑，而不經過閘道。
- 對於端對端提供者檢查，它會先演練已發布的命令列介面、設定載入、預設代理解析、內建外掛啟用，以及共用能力執行階段，才送出提供者請求。
將 infer 變成技能
將這段複製並貼給代理：openclaw infer ... 而不是較低階的替代方案，並且不會在技能本文中重新記錄整個 infer 介面。
命令樹
infer list / infer inspect --name <capability> 會以資料形式顯示這棵樹（能力 ID、傳輸、描述）。
常見工作
| 工作 | 命令 | 注意事項 |
|---|---|---|
| 執行文字/模型提示 | openclaw infer model run --prompt "..." --json | 預設為本機 |
| 對圖片執行模型提示 | openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model | 多張圖片可重複使用 --file |
| 產生圖片 | openclaw infer image generate --prompt "..." --json | 從現有檔案開始時使用 image edit |
| 描述圖片檔案或 URL | openclaw infer image describe --file ./image.png --prompt "..." --json | --model 必須是支援圖片的 <provider/model> |
| 轉錄音訊 | openclaw infer audio transcribe --file ./memo.m4a --json | --model 必須是 <provider/model> |
| 合成語音 | openclaw infer tts convert --text "..." --output ./speech.mp3 --json | tts status 只會透過閘道執行 |
| 產生影片 | openclaw infer video generate --prompt "..." --json | 支援如 --resolution 等提供者提示 |
| 描述影片檔案 | openclaw infer video describe --file ./clip.mp4 --json | --model 必須是 <provider/model> |
| 搜尋網頁 | openclaw infer web search --query "..." --json | |
| 擷取網頁 | openclaw infer web fetch --url https://example.com --json | |
| 建立嵌入 | openclaw infer embedding create --text "..." --json |
行為
- 當輸出會餵給另一個命令或指令碼時使用
--json；否則使用文字輸出。 - 使用
--provider或--model provider/model來固定特定後端。 - 使用
model run --thinking <level>進行一次性的思考/推理覆寫：off、minimal、low、medium、high、adaptive、xhigh或max。 - 對於
image describe、audio transcribe和video describe，--model必須使用<provider/model>形式。 - 對於
image describe，--file接受本機路徑和 HTTP(S) URL；遠端 URL 會通過正常的媒體擷取 SSRF 政策。 - 無狀態執行命令（
model run、image *、audio *、video *、web *、embedding *）預設為本機。由閘道管理狀態的命令（tts status）預設使用閘道。 - 本機路徑永遠不需要閘道正在執行。
- 本機
model run是精簡的一次性提供者補全：它會解析已設定的代理模型和驗證，但不會啟動聊天代理回合、載入工具，或開啟內建 MCP 伺服器。 model run --file會將圖片檔案（自動偵測 MIME 類型）附加到提示；多張圖片可重複使用--file。非圖片檔案會被拒絕 — 請改用infer audio transcribe或infer video describe。model run --gateway會演練閘道路由、已儲存的驗證、提供者選擇，以及嵌入式執行階段，但仍維持原始模型探測：沒有先前的工作階段逐字稿、bootstrap/AGENTS 內容、工具或內建 MCP 伺服器。model run --gateway --model <provider/model>需要受信任操作者的閘道憑證，因為它要求閘道執行一次性的提供者/模型覆寫。
模型
文字推論與模型/提供者檢查。--local 使用完整的 <provider/model> 參照，即可在不啟動閘道或載入代理工具介面的情況下，對單一提供者進行煙霧測試：
- 本機
model run是提供者/模型/驗證健康狀態最窄範圍的命令列介面煙霧測試：對於非 ChatGPT-Codex 提供者，它只會送出提供的提示。 - 本機
model run --model <provider/model>可以在該提供者寫入設定之前，解析精確的內建靜態目錄列（也就是openclaw models list --all顯示的相同列）。仍然需要提供者驗證；缺少憑證會以驗證錯誤失敗，而不是Unknown model。 - 對於 Mistral Medium 3.5 推理探測，請將 temperature 保持未設定/預設。Mistral 會拒絕
reasoning_effort="high"搭配temperature: 0；請使用預設 temperature，或如0.7的非零值。 - OpenAI ChatGPT/Codex OAuth（
openai-chatgpt-responsesAPI）本機探測會加入最小系統指示，讓傳輸可以填入其必要的instructions欄位 — 不含完整代理內容、工具、記憶或工作階段逐字稿。 model run --file會將圖片內容直接附加到單一使用者訊息。當 MIME 類型偵測為image/*時，常見格式（PNG、JPEG、WebP）可運作；不支援或無法辨識的檔案會在呼叫提供者前失敗。當你想要 OpenClaw 的圖片模型路由和備援，而不是直接的多模態模型探測時，請改用infer image describe。- 所選模型必須支援圖片輸入；純文字模型可能會在提供者層拒絕請求。
model run --prompt必須包含非空白文字；空提示會在任何提供者或閘道呼叫前遭到拒絕。- 當提供者沒有回傳文字輸出時，本機
model run會以非零代碼結束，因此無法連線的提供者和空補全不會看起來像成功探測。 - 使用
model run --gateway測試閘道路由或代理執行階段設定，同時保持模型輸入為原始形式。若要取得完整代理內容、工具、記憶和工作階段逐字稿，請使用openclaw agent或聊天介面。 --thinking adaptive會對應到補全執行階段層級medium；對於支援原生最大 effort 的 OpenAI 模型，--thinking max會對應到max，否則對應到xhigh。model auth login、model auth logout和model auth status會管理已儲存的提供者驗證狀態。
圖片
產生、編輯與描述。-
從現有輸入檔案開始時，請使用
image edit；--size、--aspect-ratio或--resolution會在支援它們的供應商/模型上加入幾何提示。 -
--output-format png --background transparent搭配--model openai/gpt-image-1.5會產生透明背景的 OpenAI PNG 輸出；--openai-background是同一提示的 OpenAI 專用別名。未宣告背景支援的供應商會將其回報為被忽略的覆寫（請參閱 JSON 信封中的ignoredOverrides）。 -
--quality low|medium|high|auto適用於支援影像品質提示的供應商，包括 OpenAI。OpenAI 也接受--openai-moderation low|auto。 -
image providers --json會列出哪些內建影像供應商可被探索、已設定、已選取，以及各自公開哪些生成/編輯能力。 -
image generate --model <provider/model> --json是影像生成變更最窄的即時冒煙測試：回應會回報ok、provider、model、attempts，以及寫入的輸出路徑。設定--output時，最終副檔名可能會依照供應商傳回的 MIME 類型而定。 -
對於
image describe和image describe-many，請使用--prompt提供任務專用指令（OCR、比較、使用者介面檢查、精簡圖說）。 -
對於較慢的本機視覺模型或冷啟動的 Ollama，請使用
--timeout-ms。 -
對於
image describe，明確的--model（必須是具影像能力的<provider/model>）會先執行，若該呼叫失敗，再嘗試已設定的agents.defaults.imageModel.fallbacks。輸入準備錯誤（缺少檔案、不支援的 URL）會在任何後援嘗試前失敗，且模型必須在模型目錄或供應商設定中具備影像能力。 -
對於本機 Ollama 視覺模型，請先拉取模型，並將
OLLAMA_API_KEY設為任意佔位值，例如ollama-local。請參閱 Ollama。
音訊
檔案轉錄（非即時工作階段管理）。--model 必須是 <provider/model>。
TTS
語音合成與 TTS 供應商/角色狀態。tts status僅支援--gateway（它反映由閘道管理的 TTS 狀態）。- 使用
tts providers、tts voices、tts personas、tts set-provider和tts set-persona來檢查與設定 TTS 行為。
影片
生成與描述。video generate接受--size、--aspect-ratio、--resolution、--duration、--audio、--watermark和--timeout-ms，並轉送至影片生成執行階段。- 對於
video describe，--model必須是<provider/model>。
網頁
搜尋與擷取。web providers 會列出搜尋與擷取可用、已設定和已選取的供應商。
嵌入
向量建立與嵌入供應商檢查。JSON 輸出
推論命令會在共用信封下正規化 JSON 輸出：okcapabilitytransportprovidermodelattemptsinputs（隨請求傳送的影像附件，適用時）outputsignoredOverrides（供應商不支援的提示鍵，適用時）error
outputs 包含 OpenClaw 寫入的檔案。自動化時，請使用該陣列中的 path、mimeType、size 以及任何媒體專用尺寸，而不是剖析供人閱讀的標準輸出。