Chuyển đến nội dung chính
openclaw infer là bề mặt headless chuẩn cho suy luận dựa trên nhà cung cấp. Nó cung cấp các nhóm khả năng (model, image, audio, tts, video, web, embedding), thay vì tên RPC thô của Gateway hoặc mã định danh công cụ của tác tử. openclaw capability ... là bí danh cho cùng một cây lệnh. Lý do nên ưu tiên nó thay vì một trình bao bọc dùng một lần cho nhà cung cấp:
  • Tái sử dụng các nhà cung cấp và mô hình đã được cấu hình trong OpenClaw.
  • Cấu trúc bao --json ổn định dành cho tập lệnh và tự động hóa do tác tử điều khiển (xem Đầu ra JSON).
  • Chạy theo đường dẫn cục bộ thông thường mà không cần Gateway đối với hầu hết các lệnh con.
  • Đối với các bước kiểm tra nhà cung cấp đầu cuối, nó thực thi CLI đã phát hành, quá trình tải cấu hình, phân giải tác tử mặc định, kích hoạt Plugin đi kèm và môi trường thực thi khả năng dùng chung trước khi yêu cầu được gửi đến nhà cung cấp.

​
Biến infer thành một skill

Sao chép và dán nội dung này cho một tác tử:
Một skill tốt dựa trên infer sẽ ánh xạ các ý định phổ biến của người dùng tới đúng lệnh con, bao gồm một vài ví dụ chuẩn cho mỗi quy trình làm việc, ưu tiên openclaw infer ... hơn các phương án cấp thấp hơn và không trình bày lại toàn bộ bề mặt infer trong nội dung skill.

​
Cây lệnh

infer list / infer inspect --name <capability> hiển thị cây này dưới dạng dữ liệu (mã định danh khả năng, phương thức truyền tải, mô tả).

​
Tác vụ phổ biến

​
Hành vi

  • Dùng --json khi đầu ra được chuyển cho một lệnh hoặc tập lệnh khác; nếu không, dùng đầu ra văn bản.
  • Dùng --provider hoặc --model provider/model để cố định một backend cụ thể.
  • Dùng model run --thinking <level> để ghi đè chế độ suy nghĩ/lập luận cho một lần chạy: off, minimal, low, medium, high, adaptive, xhigh hoặc max.
  • Đối với image describe, audio transcribe và video describe, --model phải có dạng <provider/model>.
  • Đối với image describe, --file chấp nhận đường dẫn cục bộ và URL HTTP(S); URL từ xa tuân theo chính sách SSRF tìm nạp phương tiện thông thường.
  • Các lệnh thực thi không trạng thái (model run, image *, audio *, video *, web *, embedding *) mặc định chạy cục bộ. Các lệnh trạng thái do Gateway quản lý (tts status) mặc định chạy qua Gateway.
  • Đường dẫn cục bộ không bao giờ yêu cầu Gateway phải đang chạy.
  • model run cục bộ là một lần hoàn tất gọn nhẹ trực tiếp với nhà cung cấp: nó phân giải mô hình và thông tin xác thực đã cấu hình của tác tử nhưng không bắt đầu một lượt tác tử trò chuyện, tải công cụ hoặc mở các máy chủ MCP đi kèm.
  • model run --file đính kèm tệp hình ảnh (tự động phát hiện loại MIME) vào lời nhắc; lặp lại --file cho nhiều hình ảnh. Các tệp không phải hình ảnh sẽ bị từ chối — thay vào đó, hãy dùng infer audio transcribe hoặc infer video describe.
  • model run --gateway thực thi định tuyến Gateway, thông tin xác thực đã lưu, lựa chọn nhà cung cấp và môi trường thực thi nhúng, nhưng vẫn là phép thăm dò mô hình thô: không có bản chép lời phiên trước đó, ngữ cảnh bootstrap/AGENTS, công cụ hoặc máy chủ MCP đi kèm.
  • model run --gateway --model <provider/model> yêu cầu thông tin xác thực Gateway của người vận hành đáng tin cậy vì nó yêu cầu Gateway chạy một lần ghi đè nhà cung cấp/mô hình.

​
Mô hình

Suy luận văn bản và kiểm tra mô hình/nhà cung cấp.
Dùng tham chiếu <provider/model> đầy đủ với --local để kiểm tra nhanh một nhà cung cấp mà không khởi động Gateway hoặc tải bề mặt công cụ của tác tử:
Ghi chú:
  • model run cục bộ là phép kiểm tra nhanh CLI có phạm vi hẹp nhất về tình trạng nhà cung cấp/mô hình/xác thực: đối với các nhà cung cấp không phải ChatGPT-Codex, nó chỉ gửi lời nhắc được cung cấp.
  • model run --model <provider/model> cục bộ có thể phân giải chính xác các hàng trong danh mục tĩnh đi kèm (cùng các hàng mà openclaw models list --all hiển thị) trước khi nhà cung cấp đó được ghi vào cấu hình. Vẫn cần xác thực nhà cung cấp; nếu thiếu thông tin xác thực, lệnh sẽ thất bại với lỗi xác thực, không phải Unknown model.
  • Đối với các phép thăm dò lập luận Mistral Medium 3.5, hãy để nhiệt độ không được đặt/mặc định. Mistral từ chối reasoning_effort="high" với temperature: 0; hãy dùng nhiệt độ mặc định hoặc một giá trị khác 0 như 0.7.
  • Các phép thăm dò cục bộ bằng OAuth OpenAI ChatGPT/Codex (API openai-chatgpt-responses) thêm một chỉ dẫn hệ thống tối thiểu để phương thức truyền tải có thể điền trường instructions bắt buộc — không có đầy đủ ngữ cảnh tác tử, công cụ, bộ nhớ hoặc bản chép lời phiên.
  • model run --file đính kèm nội dung hình ảnh trực tiếp vào tin nhắn duy nhất của người dùng. Các định dạng phổ biến (PNG, JPEG, WebP) hoạt động khi loại MIME được phát hiện là image/*; các tệp không được hỗ trợ hoặc không nhận dạng được sẽ thất bại trước khi gọi nhà cung cấp. Thay vào đó, hãy dùng infer image describe khi bạn muốn sử dụng cơ chế định tuyến và dự phòng mô hình hình ảnh của OpenClaw thay vì thăm dò trực tiếp mô hình đa phương thức.
  • Mô hình được chọn phải hỗ trợ đầu vào hình ảnh; các mô hình chỉ hỗ trợ văn bản có thể từ chối yêu cầu ở tầng nhà cung cấp.
  • model run --prompt phải chứa văn bản không chỉ gồm khoảng trắng; lời nhắc trống bị từ chối trước mọi lệnh gọi nhà cung cấp hoặc Gateway.
  • model run cục bộ thoát với mã khác 0 khi nhà cung cấp không trả về đầu ra văn bản, nhờ đó nhà cung cấp không thể truy cập và kết quả hoàn tất trống không bị xem nhầm là phép thăm dò thành công.
  • Dùng model run --gateway để kiểm tra định tuyến Gateway hoặc thiết lập môi trường thực thi tác tử trong khi vẫn giữ nguyên đầu vào mô hình ở dạng thô. Dùng openclaw agent hoặc một bề mặt trò chuyện để có đầy đủ ngữ cảnh tác tử, công cụ, bộ nhớ và bản chép lời phiên.
  • --thinking adaptive ánh xạ tới medium ở cấp môi trường thực thi hoàn tất; --thinking max ánh xạ tới max đối với các mô hình OpenAI hỗ trợ mức nỗ lực tối đa gốc, nếu không thì ánh xạ tới xhigh.
  • model auth login, model auth logout và model auth status quản lý trạng thái xác thực nhà cung cấp đã lưu.

​
Hình ảnh

Tạo, chỉnh sửa và mô tả.
Ghi chú:
  • Sử dụng image edit khi bắt đầu từ các tệp đầu vào hiện có; --size, --aspect-ratio hoặc --resolution thêm gợi ý hình học trên các nhà cung cấp/mô hình hỗ trợ chúng.
  • --output-format png --background transparent cùng với --model openai/gpt-image-1.5 tạo đầu ra PNG OpenAI có nền trong suốt; --openai-background là bí danh dành riêng cho OpenAI cho cùng gợi ý đó. Các nhà cung cấp không khai báo hỗ trợ nền sẽ báo cáo gợi ý này là một giá trị ghi đè bị bỏ qua (xem ignoredOverrides trong phong bì JSON).
  • --quality low|medium|high|auto hoạt động với các nhà cung cấp hỗ trợ gợi ý chất lượng hình ảnh, bao gồm OpenAI. OpenAI cũng chấp nhận --openai-moderation low|auto.
  • image providers --json liệt kê các nhà cung cấp hình ảnh đi kèm nào có thể được phát hiện, đã được cấu hình, được chọn và những khả năng tạo/chỉnh sửa mà mỗi nhà cung cấp cung cấp.
  • image generate --model <provider/model> --json là phép kiểm tra nhanh trực tiếp có phạm vi hẹp nhất cho các thay đổi về tạo hình ảnh:
    Phản hồi báo cáo ok, provider, model, attempts và các đường dẫn đầu ra đã ghi. Khi --output được đặt, phần mở rộng cuối cùng có thể tuân theo kiểu MIME do nhà cung cấp trả về.
  • Đối với image describe và image describe-many, hãy sử dụng --prompt cho một chỉ dẫn dành riêng cho tác vụ (OCR, so sánh, kiểm tra giao diện người dùng, tạo chú thích ngắn gọn).
  • Sử dụng --timeout-ms cho các mô hình thị giác cục bộ chậm hoặc lần khởi động nguội của Ollama.
  • Đối với image describe, một --model được chỉ định rõ ràng (phải là một <provider/model> có khả năng xử lý hình ảnh) sẽ chạy trước, sau đó thử agents.defaults.imageModel.fallbacks đã cấu hình nếu lệnh gọi đó thất bại. Các lỗi chuẩn bị đầu vào (thiếu tệp, URL không được hỗ trợ) sẽ thất bại trước bất kỳ lần thử dự phòng nào, và mô hình phải có khả năng xử lý hình ảnh trong danh mục mô hình hoặc cấu hình nhà cung cấp.
  • Đối với các mô hình thị giác Ollama cục bộ, trước tiên hãy kéo mô hình xuống và đặt OLLAMA_API_KEY thành bất kỳ giá trị giữ chỗ nào, ví dụ ollama-local. Xem Ollama.

​
Âm thanh

Chuyển lời tệp thành văn bản (không phải quản lý phiên theo thời gian thực).
--model phải là <provider/model>.

​
TTS

Tổng hợp giọng nói và trạng thái nhà cung cấp/chân dung giọng nói TTS.
Ghi chú:
  • tts status chỉ hỗ trợ --gateway (nó phản ánh trạng thái TTS do Gateway quản lý).
  • Sử dụng tts providers, tts voices, tts personas, tts set-provider và tts set-persona để kiểm tra và cấu hình hành vi TTS.

​
Video

Tạo và mô tả.
Ghi chú:
  • video generate chấp nhận --size, --aspect-ratio, --resolution, --duration, --audio, --watermark và --timeout-ms, được chuyển tiếp đến runtime tạo video.
  • --model phải là <provider/model> đối với video describe.

​
Web

Tìm kiếm và truy xuất.
web providers liệt kê các nhà cung cấp khả dụng, đã cấu hình và được chọn cho việc tìm kiếm và truy xuất.

​
Nhúng

Tạo vectơ và kiểm tra nhà cung cấp nhúng.

​
Đầu ra JSON

Các lệnh infer chuẩn hóa đầu ra JSON trong một phong bì dùng chung:
Các trường cấp cao nhất ổn định:
  • ok
  • capability
  • transport
  • provider
  • model
  • attempts
  • inputs (các tệp đính kèm hình ảnh được gửi cùng yêu cầu, khi áp dụng)
  • outputs
  • ignoredOverrides (các khóa gợi ý mà nhà cung cấp không hỗ trợ, khi áp dụng)
  • error
Đối với các lệnh tạo nội dung đa phương tiện, outputs chứa các tệp do OpenClaw ghi. Để tự động hóa, hãy sử dụng path, mimeType, size và mọi kích thước dành riêng cho nội dung đa phương tiện trong mảng đó thay vì phân tích stdout dành cho người đọc.

​
Những lỗi thường gặp

​
Liên quan