CLI استنتاج

openclaw infer سطح هدلس متعارف برای استنتاج مبتنی بر ارائه‌دهنده است. این سطح، خانواده‌های قابلیت (model، image، audio، tts، video، web، embedding) را ارائه می‌کند، نه نام‌های خام RPC در Gateway یا شناسه‌های ابزار عامل. openclaw capability ... نام مستعاری برای همان درخت فرمان است.

دلایل ترجیح آن به یک پوشش‌دهندهٔ یک‌بارهٔ ارائه‌دهنده:

• از ارائه‌دهندگان و مدل‌هایی که از قبل در OpenClaw پیکربندی شده‌اند، دوباره استفاده می‌کند.
• پوشش پایدار --json برای اسکریپت‌ها و خودکارسازی عامل‌محور (به خروجی JSON مراجعه کنید).
• برای بیشتر زیرفرمان‌ها مسیر محلی معمول را بدون Gateway اجرا می‌کند.
• برای بررسی‌های سرتاسری ارائه‌دهنده، پیش از ارسال درخواست به ارائه‌دهنده، CLI عرضه‌شده، بارگذاری پیکربندی، تفکیک عامل پیش‌فرض، فعال‌سازی Plugin همراه و زمان‌اجرای مشترک قابلیت را به کار می‌گیرد.

تبدیل infer به یک مهارت

این متن را در یک عامل کپی و جای‌گذاری کنید:

صفحهٔ https://docs.openclaw.ai/cli/infer را بخوان، سپس مهارتی ایجاد کن که گردش‌کارهای متداول من را به `openclaw infer` هدایت کند.بر اجرای مدل، تولید تصویر، تولید ویدئو، رونویسی صوت، TTS، جست‌وجوی وب و تعبیه‌ها تمرکز کن.

یک مهارت مناسب مبتنی بر infer، مقصودهای متداول کاربر را به زیرفرمان درست نگاشت می‌کند، برای هر گردش‌کار چند نمونهٔ متعارف دارد، openclaw infer ... را به گزینه‌های سطح پایین‌تر ترجیح می‌دهد و کل سطح infer را دوباره در بدنهٔ مهارت مستند نمی‌کند.

درخت فرمان

 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> این درخت را به‌شکل داده نمایش می‌دهند (شناسهٔ قابلیت، انتقال‌ها، توضیحات).

کارهای متداول

رفتار

• وقتی خروجی ورودی فرمان یا اسکریپت دیگری است، از --json استفاده کنید؛ در غیر این صورت از خروجی متنی استفاده کنید.
• برای تثبیت یک بک‌اند مشخص، از --provider یا --model provider/model استفاده کنید.
• برای بازنویسی یک‌بارهٔ تفکر/استدلال، از model run --thinking <level> استفاده کنید: off، minimal، low، medium، high، adaptive، xhigh یا max.
• برای image describe، audio transcribe و video describe، --model باید از قالب <provider/model> استفاده کند.
• برای image describe، --file مسیرهای محلی و URLهای HTTP(S) را می‌پذیرد؛ URLهای راه‌دور از سیاست معمول SSRF واکشی رسانه عبور می‌کنند.
• فرمان‌های اجرای بدون حالت (model run، image *، audio *، video *، web *، embedding *) به‌طور پیش‌فرض محلی هستند. فرمان‌های حالت مدیریت‌شده توسط Gateway (tts status) به‌طور پیش‌فرض از Gateway استفاده می‌کنند.
• مسیر محلی هرگز به در حال اجرا بودن Gateway نیاز ندارد.
• model run محلی، تکمیل یک‌باره و سبک ارائه‌دهنده است: مدل و احراز هویت عامل پیکربندی‌شده را تفکیک می‌کند، اما نوبت عامل گفت‌وگو را آغاز نمی‌کند، ابزارها را بارگذاری نمی‌کند و سرورهای MCP همراه را باز نمی‌کند.
• model run --file فایل‌های تصویر را با نوع MIME تشخیص‌داده‌شدهٔ خودکار به پرامپت پیوست می‌کند؛ برای چند تصویر، --file را تکرار کنید. فایل‌های غیرتصویری رد می‌شوند — در عوض از infer audio transcribe یا infer video describe استفاده کنید.
• model run --gateway مسیریابی Gateway، احراز هویت ذخیره‌شده، انتخاب ارائه‌دهنده و زمان‌اجرای تعبیه‌شده را به کار می‌گیرد، اما همچنان یک کاوش خام مدل باقی می‌ماند: بدون رونوشت نشست قبلی، زمینهٔ راه‌اندازی/AGENTS، ابزارها یا سرورهای MCP همراه.
• model run --gateway --model <provider/model> به اعتبارنامهٔ Gateway متعلق به اپراتور مورداعتماد نیاز دارد، زیرا از Gateway می‌خواهد یک بازنویسی یک‌بارهٔ ارائه‌دهنده/مدل را اجرا کند.

مدل

استنتاج متن و بازرسی مدل/ارائه‌دهنده.

openclaw infer model run --prompt "Reply with exactly: smoke-ok" --jsonopenclaw infer model run --prompt "Summarize this changelog entry" --model openai/gpt-5.4 --jsonopenclaw infer model run --prompt "Describe this image in one sentence" --file ./photo.jpg --model google/gemini-2.5-flash --jsonopenclaw infer model run --prompt "Use more reasoning here" --thinking high --jsonopenclaw infer model providers --jsonopenclaw infer model inspect --model gpt-5.6-sol --json

از ارجاع‌های کامل <provider/model> همراه با --local استفاده کنید تا یک ارائه‌دهنده را بدون راه‌اندازی Gateway یا بارگذاری سطح ابزار عامل، آزمایش سریع کنید:

openclaw infer model run --local --model anthropic/claude-sonnet-4-6 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model cerebras/zai-glm-4.7 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model google/gemini-2.5-flash --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model groq/llama-3.1-8b-instant --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model mistral/mistral-medium-3-5 --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model mistral/mistral-small-latest --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model openai/gpt-5.6-luna --prompt "Reply with exactly: pong" --jsonopenclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json

یادداشت‌ها:

• model run محلی، محدودترین آزمایش سریع CLI برای سلامت ارائه‌دهنده/مدل/احراز هویت است: برای ارائه‌دهندگان غیر از ChatGPT-Codex فقط پرامپت ارائه‌شده را ارسال می‌کند.
• model run --model <provider/model> محلی می‌تواند ردیف‌های دقیق کاتالوگ ایستای همراه را (همان ردیف‌هایی که openclaw models list --all نمایش می‌دهد) پیش از نوشته‌شدن آن ارائه‌دهنده در پیکربندی تفکیک کند. احراز هویت ارائه‌دهنده همچنان الزامی است؛ اعتبارنامه‌های موجودنبودن به‌صورت خطای احراز هویت شکست می‌خورند، نه Unknown model.
• برای کاوش‌های استدلال Mistral Medium 3.5، دما را تنظیم‌نشده/پیش‌فرض بگذارید. Mistral مقدار reasoning_effort="high" را با temperature: 0 رد می‌کند؛ از دمای پیش‌فرض یا مقداری غیرصفر مانند 0.7 استفاده کنید.
• کاوش‌های محلی OAuth مربوط به OpenAI ChatGPT/Codex (API ‏openai-chatgpt-responses) یک دستور سیستمی حداقلی اضافه می‌کنند تا انتقال بتواند فیلد الزامی instructions خود را پر کند — بدون زمینهٔ کامل عامل، ابزارها، حافظه یا رونوشت نشست.
• model run --file محتوای تصویر را مستقیماً به پیام واحد کاربر پیوست می‌کند. قالب‌های متداول (PNG، JPEG، WebP) هنگامی کار می‌کنند که نوع MIME به‌شکل image/* تشخیص داده شود؛ فایل‌های پشتیبانی‌نشده یا ناشناخته پیش از فراخوانی ارائه‌دهنده شکست می‌خورند. هنگامی که به‌جای کاوش مستقیم مدل چندوجهی، مسیریابی و مسیرهای جایگزین مدل تصویر OpenClaw را می‌خواهید، از infer image describe استفاده کنید.
• مدل انتخاب‌شده باید از ورودی تصویر پشتیبانی کند؛ مدل‌های فقط‌متنی ممکن است درخواست را در لایهٔ ارائه‌دهنده رد کنند.
• model run --prompt باید دارای متن غیرسفیدفاصله باشد؛ پرامپت‌های خالی پیش از هر فراخوانی ارائه‌دهنده یا Gateway رد می‌شوند.
• model run محلی هنگامی که ارائه‌دهنده هیچ خروجی متنی بازنگرداند، با کد غیرصفر خارج می‌شود تا ارائه‌دهندگان دسترس‌ناپذیر و تکمیل‌های خالی شبیه کاوش موفق به نظر نرسند.
• برای آزمایش مسیریابی Gateway یا راه‌اندازی زمان‌اجرای عامل، در حالی که ورودی مدل خام باقی می‌ماند، از model run --gateway استفاده کنید. برای زمینهٔ کامل عامل، ابزارها، حافظه و رونوشت نشست از openclaw agent یا یک سطح گفت‌وگو استفاده کنید.
• --thinking adaptive به medium در سطح زمان‌اجرای تکمیل نگاشت می‌شود؛ --thinking max برای مدل‌های OpenAI که از حداکثر تلاش بومی پشتیبانی می‌کنند به max و در غیر این صورت به xhigh نگاشت می‌شود.
• model auth login، model auth logout و model auth status وضعیت احراز هویت ذخیره‌شدهٔ ارائه‌دهنده را مدیریت می‌کنند.

تصویر

تولید، ویرایش و توصیف.

openclaw infer image generate --prompt "friendly lobster illustration" --jsonopenclaw infer image generate --prompt "cinematic product photo of headphones" --jsonopenclaw infer image generate --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "simple red circle sticker on a transparent background" --jsonopenclaw infer image generate --model openai/gpt-image-2 --quality low --openai-moderation low --prompt "low-cost draft poster" --jsonopenclaw infer image generate --prompt "slow image backend" --timeout-ms 180000 --jsonopenclaw infer image edit --file ./logo.png --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "keep the logo, remove the background" --jsonopenclaw infer image edit --file ./poster.png --prompt "make this a vertical story ad" --size 2160x3840 --aspect-ratio 9:16 --resolution 4K --jsonopenclaw infer image describe --file ./photo.jpg --jsonopenclaw infer image describe --file https://example.com/photo.png --jsonopenclaw infer image describe --file ./receipt.jpg --prompt "Extract the merchant, date, and total" --jsonopenclaw infer image describe-many --file ./before.png --file ./after.png --prompt "Compare the screenshots and list visible UI changes" --jsonopenclaw infer image describe --file ./ui-screenshot.png --model openai/gpt-5.4-mini --jsonopenclaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --prompt "Describe the image in one sentence" --timeout-ms 300000 --json

یادداشت‌ها:

• هنگام شروع از فایل‌های ورودی موجود، از image edit استفاده کنید؛ --size، --aspect-ratio یا --resolution در ارائه‌دهندگان/مدل‌هایی که از آن‌ها پشتیبانی می‌کنند، راهنمایی‌های هندسی اضافه می‌کنند.

• --output-format png --background transparent همراه با --model openai/gpt-image-1.5 خروجی PNG با پس‌زمینهٔ شفاف از OpenAI ارائه می‌دهد؛ --openai-background نام مستعار ویژهٔ OpenAI برای همین راهنمایی است. ارائه‌دهندگانی که پشتیبانی از پس‌زمینه را اعلام نمی‌کنند، آن را به‌عنوان بازنویسی نادیده‌گرفته‌شده گزارش می‌کنند (به ignoredOverrides در پوش JSON مراجعه کنید).

• --quality low|medium|high|auto برای ارائه‌دهندگانی که از راهنمایی‌های کیفیت تصویر پشتیبانی می‌کنند، از جمله OpenAI، کار می‌کند. OpenAI همچنین --openai-moderation low|auto را می‌پذیرد.

• image providers --json فهرست می‌کند که کدام ارائه‌دهندگان تصویر همراه، قابل کشف، پیکربندی‌شده و انتخاب‌شده هستند و هرکدام چه قابلیت‌های تولید/ویرایشی ارائه می‌دهند.

• image generate --model <provider/model> --json محدودترین آزمون دود زنده برای تغییرات تولید تصویر است:

  openclaw infer image providers --jsonopenclaw infer image generate \  --model google/gemini-3.1-flash-image \  --prompt "تصویر آزمایشی تخت و مینیمال: یک مربع آبی روی پس‌زمینهٔ سفید، بدون متن." \  --output ./openclaw-infer-image-smoke.png \  --json

  پاسخ، ok، provider، model، attempts و مسیرهای خروجی نوشته‌شده را گزارش می‌کند. وقتی --output تنظیم شده باشد، پسوند نهایی ممکن است از نوع MIME بازگردانده‌شده توسط ارائه‌دهنده پیروی کند.

• برای image describe و image describe-many، از --prompt برای دستورالعملی ویژهٔ وظیفه (OCR، مقایسه، بررسی رابط کاربری، شرح مختصر) استفاده کنید.

• برای مدل‌های بینایی محلی کُند یا راه‌اندازی سرد Ollama، از --timeout-ms استفاده کنید.

• برای image describe، ابتدا یک --model صریح (که باید یک <provider/model> دارای قابلیت تصویر باشد) اجرا می‌شود؛ سپس اگر آن فراخوانی شکست بخورد، agents.defaults.imageModel.fallbacks پیکربندی‌شده امتحان می‌شود. خطاهای آماده‌سازی ورودی (فایل مفقود، URL پشتیبانی‌نشده) پیش از هر تلاش بازگشتی باعث شکست می‌شوند و مدل باید در کاتالوگ مدل یا پیکربندی ارائه‌دهنده دارای قابلیت تصویر باشد.

• برای مدل‌های بینایی محلی Ollama، ابتدا مدل را دریافت کنید و OLLAMA_API_KEY را روی هر مقدار جای‌نگهدار، برای مثال ollama-local، تنظیم کنید. به Ollama مراجعه کنید.

صوت

رونویسی فایل (نه مدیریت نشست بلادرنگ).

openclaw infer audio transcribe --file ./memo.m4a --jsonopenclaw infer audio transcribe --file ./team-sync.m4a --language en --prompt "روی نام‌ها و موارد اقدام تمرکز کن" --jsonopenclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

--model باید <provider/model> باشد.

TTS

ترکیب گفتار و وضعیت ارائه‌دهنده/شخصیت TTS.

openclaw infer tts convert --text "سلام از openclaw" --output ./hello.mp3 --jsonopenclaw infer tts convert --text "ساخت شما کامل شد" --output ./build-complete.mp3 --jsonopenclaw infer tts providers --jsonopenclaw infer tts personas --jsonopenclaw infer tts status --json

نکته‌ها:

• tts status فقط از --gateway پشتیبانی می‌کند (وضعیت TTS مدیریت‌شده توسط Gateway را بازتاب می‌دهد).
• برای بررسی و پیکربندی رفتار TTS، از tts providers، tts voices، tts personas، tts set-provider و tts set-persona استفاده کنید.

ویدئو

تولید و توصیف.

openclaw infer video generate --prompt "غروب سینمایی بر فراز اقیانوس" --jsonopenclaw infer video generate --prompt "نمای آهستهٔ پهپاد بر فراز دریاچه‌ای جنگلی" --resolution 768P --duration 6 --jsonopenclaw infer video describe --file ./clip.mp4 --jsonopenclaw infer video describe --file ./clip.mp4 --model openai/gpt-5.4-mini --json

نکته‌ها:

• video generate مقادیر --size، --aspect-ratio، --resolution، --duration، --audio، --watermark و --timeout-ms را می‌پذیرد که به زمان‌اجرای تولید ویدئو ارسال می‌شوند.
• --model برای video describe باید <provider/model> باشد.

وب

جست‌وجو و واکشی.

openclaw infer web search --query "مستندات OpenClaw" --jsonopenclaw infer web search --query "ارائه‌دهندگان وب infer در OpenClaw" --jsonopenclaw infer web fetch --url https://docs.openclaw.ai/cli/infer --jsonopenclaw infer web providers --json

web providers ارائه‌دهندگان موجود، پیکربندی‌شده و انتخاب‌شده برای جست‌وجو و واکشی را فهرست می‌کند.

تعبیه‌سازی

ساخت بردار و بررسی ارائه‌دهندهٔ تعبیه‌سازی.

openclaw infer embedding create --text "خرچنگ مهربان" --jsonopenclaw infer embedding create --text "تیکت پشتیبانی مشتری: ارسال با تأخیر" --model openai/text-embedding-3-large --jsonopenclaw infer embedding providers --json

خروجی JSON

فرمان‌های Infer خروجی JSON را در یک پوش مشترک یکدست می‌کنند:

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

فیلدهای پایدار سطح بالا:

• ok
• capability
• transport
• provider
• model
• attempts
• inputs (پیوست‌های تصویری ارسال‌شده همراه درخواست، در صورت کاربرد)
• outputs
• ignoredOverrides (کلیدهای راهنمایی که ارائه‌دهنده از آن‌ها پشتیبانی نمی‌کند، در صورت کاربرد)
• error

برای فرمان‌های رسانهٔ تولیدشده، outputs شامل فایل‌هایی است که OpenClaw نوشته است. برای خودکارسازی، به‌جای تجزیهٔ stdout خوانا برای انسان، از path، mimeType، size و هر بُعد ویژهٔ رسانه در آن آرایه استفاده کنید.

خطاهای رایج

# نادرستopenclaw infer media image generate --prompt "خرچنگ مهربان" # درستopenclaw infer image generate --prompt "خرچنگ مهربان"

# نادرستopenclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # درستopenclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

مرتبط

• مرجع CLI
• مدل‌ها