Documentation Index
Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt
Use this file to discover all available pages before exploring further.
openclaw infer 是 OpenClaw 中由提供商支持的推理工作流的规范无头接口。
它有意暴露能力族，而不是原始 Gateway 网关 RPC 名称，也不是原始智能体工具 ID。
将 infer 转成一个 Skill
将下面内容复制并粘贴给智能体：- 将常见用户意图映射到正确的 infer 子命令
- 为它覆盖的工作流包含几个规范的 infer 示例
- 在示例和建议中优先使用
openclaw infer ... - 避免在 Skill 正文中重新记录整个 infer 接口
openclaw infer model runopenclaw infer image generateopenclaw infer audio transcribeopenclaw infer tts convertopenclaw infer web searchopenclaw infer embedding create
为什么使用 infer
openclaw infer 为 OpenClaw 内由提供商支持的推理任务提供一个一致的 CLI。
优点：
- 使用 OpenClaw 中已经配置好的提供商和模型，而不是为每个后端接入一次性的包装器。
- 将模型、图像、音频转录、TTS、视频、网页和嵌入工作流放在同一个命令树下。
- 为脚本、自动化和智能体驱动的工作流使用稳定的
--json输出结构。 - 当任务本质上是“运行推理”时，优先使用 OpenClaw 的第一方接口。
- 对大多数 infer 命令使用普通本地路径，无需 Gateway 网关。
openclaw infer ...。它会在发起提供商请求之前，执行已发布的 CLI、配置加载、默认智能体解析、内置插件激活以及共享能力运行时。
命令树
常见任务
此表将常见推理任务映射到对应的 infer 命令。| 任务 | 命令 | 备注 |
|---|---|---|
| 运行文本/模型提示词 | openclaw infer model run --prompt "..." --json | 默认使用普通本地路径 |
| 在图像上运行模型提示词 | openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model | 对多个图像输入重复使用 --file |
| 生成图像 | openclaw infer image generate --prompt "..." --json | 从现有文件开始时使用 image edit |
| 描述图像文件 | openclaw infer image describe --file ./image.png --prompt "..." --json | --model 必须是支持图像的 <provider/model> |
| 转录音频 | openclaw infer audio transcribe --file ./memo.m4a --json | --model 必须是 <provider/model> |
| 合成语音 | openclaw infer tts convert --text "..." --output ./speech.mp3 --json | tts status 面向 Gateway 网关 |
| 生成视频 | openclaw infer video generate --prompt "..." --json | 支持 --resolution 等提供商提示 |
| 描述视频文件 | openclaw infer video describe --file ./clip.mp4 --json | --model 必须是 <provider/model> |
| 搜索网页 | openclaw infer web search --query "..." --json | |
| 获取网页 | openclaw infer web fetch --url https://example.com --json | |
| 创建嵌入 | openclaw infer embedding create --text "..." --json |
行为
openclaw infer ...是这些工作流的主要 CLI 接口。- 当输出会被另一个命令或脚本消费时，使用
--json。 - 当需要特定后端时，使用
--provider或--model provider/model。 - 对于
image describe、audio transcribe和video describe，--model必须使用<provider/model>形式。 - 对于
image describe，显式--model会直接运行该提供商/模型。该模型必须在模型目录或提供商配置中支持图像。codex/<model>会运行有边界的 Codex app-server 图像理解轮次；openai-codex/<model>使用 OpenAI Codex OAuth 提供商路径。 - 无状态执行命令默认使用本地。
- Gateway 网关管理的状态命令默认使用 Gateway 网关。
- 普通本地路径不要求 Gateway 网关正在运行。
- 本地
model run是精简的一次性提供商补全。它会解析已配置的智能体模型和凭证，但不会启动聊天智能体轮次、加载工具或打开内置 MCP 服务器。 model run --file接受图像文件，检测它们的 MIME 类型，并将它们与提供的提示词一起发送到所选模型。对多个图像重复使用--file。model run --file会拒绝非图像输入。对音频文件使用infer audio transcribe，对视频文件使用infer video describe。model run --gateway会执行 Gateway 网关路由、已保存凭证、提供商选择和嵌入式运行时，但仍作为原始模型探测运行：它会发送提供的提示词和任何图像附件，不包含先前的会话转录、bootstrap/AGENTS 上下文、上下文引擎装配、工具或内置 MCP 服务器。model run --gateway --model <provider/model>需要可信操作员 Gateway 网关凭据，因为该请求要求 Gateway 网关运行一次性提供商/模型覆盖。
模型
使用model 进行由提供商支持的文本推理以及模型/提供商检查。
<provider/model> 引用来冒烟测试特定提供商，而无需启动 Gateway 网关或加载完整智能体工具接口：
- 本地
model run是检查提供商/模型/凭证健康状态的最窄 CLI 冒烟测试，因为它只向所选模型发送提供的提示词。 - 本地
model run --file保持该精简路径，并将图像内容直接附加到单条用户消息。当 MIME 类型被检测为image/*时，PNG、JPEG 和 WebP 等常见图像文件可用；不受支持或无法识别的文件会在调用提供商之前失败。 - 当你想直接测试所选多模态文本模型时，
model run --file最合适。当你想使用 OpenClaw 的图像理解提供商选择和默认图像模型路由时，使用infer image describe。 - 所选模型必须支持图像输入；纯文本模型可能会在提供商层拒绝请求。
model run --prompt必须包含非空白文本；空提示词会在调用本地提供商或 Gateway 网关之前被拒绝。- 当提供商没有返回文本输出时，本地
model run会以非零状态退出，因此不可达的本地提供商和空补全不会看起来像成功探测。 - 当你需要测试 Gateway 网关路由、智能体运行时设置或 Gateway 网关管理的提供商状态，同时保持模型输入为原始内容时，使用
model run --gateway。当你需要完整智能体上下文、工具、记忆和会话转录时，使用openclaw agent或聊天接口。 model auth login、model auth logout和model auth status管理已保存的提供商凭证状态。
图像
使用image 进行生成、编辑和描述。
-
从现有输入文件开始时使用
image edit。 -
对支持参考图像编辑几何提示的提供商/模型，将
--size、--aspect-ratio或--resolution与image edit一起使用。 -
将
--output-format png --background transparent与--model openai/gpt-image-1.5一起使用，以获得透明背景的 OpenAI PNG 输出；--openai-background仍可作为 OpenAI 专用别名使用。不声明背景支持的提供商会将该提示报告为被忽略的覆盖项。 -
使用
image providers --json验证哪些内置图像提供商可被发现、已配置、被选中，以及每个提供商暴露了哪些生成/编辑能力。 -
使用
image generate --model <provider/model> --json作为图像生成更改的最窄实时 CLI 冒烟测试。示例：JSON 响应会报告ok、provider、model、attempts和已写入的 输出路径。设置--output时，最终扩展名可能会遵循 提供商返回的 MIME 类型。 -
对于
image describe和image describe-many，使用--prompt给视觉模型提供特定于任务的指令，例如 OCR、比较、UI 检查或简洁图注。 -
对于较慢的本地视觉模型或冷启动的 Ollama，使用
--timeout-ms。 -
对于
image describe，--model必须是支持图像的<provider/model>。 -
对于本地 Ollama 视觉模型，请先拉取模型，并将
OLLAMA_API_KEY设置为任意占位值，例如ollama-local。请参阅 Ollama。
音频
使用audio 进行文件转录。
audio transcribe用于文件转录，而不是实时会话管理。--model必须是<provider/model>。
TTS
使用tts 进行语音合成和 TTS 提供商状态管理。
tts status默认使用 Gateway 网关，因为它反映 Gateway 网关管理的 TTS 状态。- 使用
tts providers、tts voices和tts set-provider检查并配置 TTS 行为。
视频
使用video 进行生成和描述。
video generate接受--size、--aspect-ratio、--resolution、--duration、--audio、--watermark和--timeout-ms，并将它们转发给视频生成运行时。- 对于
video describe，--model必须是<provider/model>。
网页
使用web 执行搜索和获取工作流。
- 使用
web providers检查可用、已配置和已选择的提供商。
嵌入
使用embedding 创建向量并检查嵌入提供商。
JSON 输出
infer 命令会将 JSON 输出规范化到共享封套下：okcapabilitytransportprovidermodelattemptsoutputserror
outputs 包含 OpenClaw 写入的文件。自动化时应使用该数组中的 path、mimeType、size 和任何媒体特定尺寸，而不是解析面向人类可读的 stdout。
常见陷阱
注意事项
openclaw capability ...是openclaw infer ...的别名。