Przejdź do głównej treści

​
CLI Inference

openclaw infer to kanoniczna bezobsługowa powierzchnia dla przepływów pracy inferencji opartych na providerach. Celowo udostępnia rodziny możliwości, a nie surowe nazwy RPC Gateway ani surowe ID narzędzi agentów.

​
Zamień infer w skill

Skopiuj i wklej to do agenta: 
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.
Dobry skill oparty na infer powinien:
  • mapować typowe intencje użytkownika na właściwe podpolecenie infer
  • zawierać kilka kanonicznych przykładów infer dla obsługiwanych przepływów pracy
  • preferować openclaw infer ... w przykładach i sugestiach
  • unikać ponownego dokumentowania całej powierzchni infer w treści skilla
Typowy zakres skilla skupionego na 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

​
Dlaczego warto używać infer

openclaw infer zapewnia jedno spójne CLI dla zadań inferencji opartych na providerach w OpenClaw. Korzyści:
  • Używaj providerów i modeli już skonfigurowanych w OpenClaw zamiast tworzyć jednorazowe wrappery dla każdego backendu.
  • Utrzymuj przepływy pracy dla modeli, obrazów, transkrypcji audio, TTS, wideo, web i embeddingów w jednym drzewie poleceń.
  • Używaj stabilnego kształtu wyjścia --json dla skryptów, automatyzacji i przepływów pracy sterowanych przez agentów.
  • Preferuj pierwszorzędną powierzchnię OpenClaw, gdy zadanie sprowadza się zasadniczo do „uruchom inferencję”.
  • Używaj normalnej ścieżki lokalnej bez konieczności uruchamiania Gateway dla większości poleceń infer.

​
Drzewo poleceń

 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

​
Typowe zadania

Ta tabela mapuje typowe zadania inferencyjne na odpowiadające im polecenia infer.
ZadaniePolecenieUwagi
Uruchom prompt tekstowy/modelowyopenclaw infer model run --prompt "..." --jsonDomyślnie używa normalnej ścieżki lokalnej
Wygeneruj obrazopenclaw infer image generate --prompt "..." --jsonUżyj image edit, gdy zaczynasz od istniejącego pliku
Opisz plik obrazuopenclaw infer image describe --file ./image.png --json--model musi być <provider/model> obsługującym obrazy
Transkrybuj audioopenclaw infer audio transcribe --file ./memo.m4a --json--model musi być <provider/model>
Syntezuj mowęopenclaw infer tts convert --text "..." --output ./speech.mp3 --jsontts status jest zorientowane na Gateway
Wygeneruj wideoopenclaw infer video generate --prompt "..." --json
Opisz plik wideoopenclaw infer video describe --file ./clip.mp4 --json--model musi być <provider/model>
Wyszukaj w webopenclaw infer web search --query "..." --json
Pobierz stronę webopenclaw infer web fetch --url https://example.com --json
Utwórz embeddingiopenclaw infer embedding create --text "..." --json

​
Zachowanie

  • openclaw infer ... to podstawowa powierzchnia CLI dla tych przepływów pracy.
  • Używaj --json, gdy wynik będzie konsumowany przez inne polecenie lub skrypt.
  • Używaj --provider lub --model provider/model, gdy wymagany jest konkretny backend.
  • Dla image describe, audio transcribe i video describe --model musi mieć postać <provider/model>.
  • Dla image describe jawne --model uruchamia bezpośrednio ten provider/model. Model musi obsługiwać obrazy w katalogu modeli lub konfiguracji providera.
  • Bezstanowe polecenia wykonawcze domyślnie działają lokalnie.
  • Polecenia stanu zarządzanego przez Gateway domyślnie działają przez Gateway.
  • Normalna ścieżka lokalna nie wymaga uruchomionego Gateway.

​
Model

Używaj model do inferencji tekstowej opartej na providerach oraz inspekcji modeli/providerów. 
openclaw infer model run --prompt "Reply with exactly: smoke-ok" --json
openclaw infer model run --prompt "Summarize this changelog entry" --provider openai --json
openclaw infer model providers --json
openclaw infer model inspect --name gpt-5.4 --json
Uwagi:
  • model run ponownie wykorzystuje runtime agenta, więc nadpisania providerów/modeli zachowują się jak w zwykłym wykonaniu agenta.
  • model auth login, model auth logout i model auth status zarządzają zapisanym stanem uwierzytelniania providera.

​
Image

Używaj image do generowania, edycji i opisu. 
openclaw infer image generate --prompt "friendly lobster illustration" --json
openclaw infer image generate --prompt "cinematic product photo of headphones" --json
openclaw infer image describe --file ./photo.jpg --json
openclaw infer image describe --file ./ui-screenshot.png --model openai/gpt-4.1-mini --json
openclaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --json
Uwagi:
  • Używaj image edit, gdy zaczynasz od istniejących plików wejściowych.
  • Dla image describe --model musi być <provider/model> obsługującym obrazy.
  • Dla lokalnych modeli vision Ollama najpierw pobierz model i ustaw OLLAMA_API_KEY na dowolną wartość zastępczą, na przykład ollama-local. Zobacz Ollama.

​
Audio

Używaj audio do transkrypcji plików. 
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
Uwagi:
  • audio transcribe służy do transkrypcji plików, a nie do zarządzania sesjami realtime.
  • --model musi mieć postać <provider/model>.

​
TTS

Używaj tts do syntezy mowy i stanu providera 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
Uwagi:
  • tts status domyślnie używa Gateway, ponieważ odzwierciedla stan TTS zarządzany przez Gateway.
  • Używaj tts providers, tts voices i tts set-provider do inspekcji i konfiguracji zachowania TTS.

​
Video

Używaj video do generowania i opisu. 
openclaw infer video generate --prompt "cinematic sunset over the ocean" --json
openclaw infer video generate --prompt "slow drone shot over a forest lake" --json
openclaw infer video describe --file ./clip.mp4 --json
openclaw infer video describe --file ./clip.mp4 --model openai/gpt-4.1-mini --json
Uwagi:
  • Dla video describe --model musi mieć postać <provider/model>.

​
Web

Używaj web do przepływów pracy wyszukiwania i pobierania. 
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
Uwagi:
  • Używaj web providers, aby sprawdzić dostępnych, skonfigurowanych i wybranych providerów.

​
Embedding

Używaj embedding do tworzenia wektorów i inspekcji providerów embeddingów. 
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

​
Wyjście JSON

Polecenia infer normalizują wyjście JSON we wspólnej obwiedni: 
{
  "ok": true,
  "capability": "image.generate",
  "transport": "local",
  "provider": "openai",
  "model": "gpt-image-2",
  "attempts": [],
  "outputs": []
}
Pola najwyższego poziomu są stabilne:
  • ok
  • capability
  • transport
  • provider
  • model
  • attempts
  • outputs
  • error

​
Typowe pułapki

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

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

# Źle
openclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json

# Dobrze
openclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

​
Uwagi

  • openclaw capability ... to alias dla openclaw infer ....