openclaw infer 是由供應商支援之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 ... 是同一命令樹的別名。
相較於一次性的供應商包裝器，應優先使用它的原因：
- 重複使用已在 OpenClaw 中設定的供應商和模型。
- 為指令碼和代理驅動的自動化提供穩定的
--json封裝（請參閱 JSON 輸出）。 - 大多數子命令會執行一般本機路徑，不經過閘道。
- 對於端對端供應商檢查，它會在供應商請求送出前，操作已發布的命令列介面、設定載入、預設代理解析、隨附外掛啟用，以及共用能力執行階段。
將 infer 轉化為 Skill
將以下內容複製並貼給代理：openclaw infer ... 而非較低階的替代方案，並且不會在 Skill 本文中重新記錄整個 infer 介面。
命令樹
infer list / infer inspect --name <capability> 會以資料形式顯示此命令樹（能力 ID、傳輸方式、說明）。
常見工作
行為
- 當輸出要提供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固定特定後端。 - 使用
model run --thinking <level>進行單次思考／推理覆寫：off、minimal、low、medium、high、adaptive、xhigh或max。 - 對於
image describe、audio transcribe和video describe，--model必須採用<provider/model>格式。 - 對於
image describe，--file接受本機路徑和 HTTP(S) URL；遠端 URL 會套用一般媒體擷取 SSRF 政策。 - 無狀態執行命令（
model run、image *、audio *、video *、web *、embedding *）預設在本機執行。由閘道管理的狀態命令（tts status）預設透過閘道執行。 - 本機路徑絕不要求閘道正在執行。
- 本機
model run是精簡的單次供應商補全：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、載入工具或開啟隨附的 MCP 伺服器。 model run --file會將影像檔案（自動偵測 MIME 類型）附加至提示詞；多張影像請重複使用--file。非影像檔案會遭拒絕——請改用infer audio transcribe或infer video describe。model run --gateway會操作閘道路由、已儲存的驗證、供應商選擇和內嵌執行階段，但仍是原始模型探測：不包含先前工作階段逐字稿、啟動程序／AGENTS 情境、工具或隨附的 MCP 伺服器。model run --gateway --model <provider/model>需要受信任操作員的閘道認證資訊，因為它會要求閘道執行一次性的供應商／模型覆寫。
模型
文字推論與模型／供應商檢查。--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，對單一供應商進行冒煙測試：
- 本機
model run是檢查供應商／模型／驗證狀態最精簡的命令列介面冒煙測試：對於非 ChatGPT-Codex 供應商，它只會傳送指定的提示詞。 - 本機
model run --model <provider/model>可在該供應商寫入設定之前，解析完全符合的隨附靜態目錄資料列（與openclaw models list --all顯示的資料列相同）。仍然需要供應商驗證；缺少認證資訊時會以驗證錯誤失敗，而不是Unknown model。 - 對 Mistral Medium 3.5 推理探測，請將 temperature 保持未設定／預設值。Mistral 會以
temperature: 0拒絕reasoning_effort="high"；請使用預設 temperature，或使用0.7等非零值。 - OpenAI ChatGPT/Codex OAuth（
openai-chatgpt-responsesAPI）本機探測會加入最少量的系統指示，讓傳輸層可以填入其必要的instructions欄位——不包含完整代理情境、工具、記憶或工作階段逐字稿。 model run --file會將影像內容直接附加至單一使用者訊息。當 MIME 類型偵測為image/*時，常見格式（PNG、JPEG、WebP）皆可運作；不支援或無法識別的檔案會在呼叫供應商前失敗。若需要 OpenClaw 的影像模型路由和備援，而非直接的多模態模型探測，請改用infer image describe。- 所選模型必須支援影像輸入；純文字模型可能在供應商層拒絕此請求。
model run --prompt必須包含非空白文字；空白提示詞會在任何供應商或閘道呼叫前遭拒絕。- 當供應商未傳回文字輸出時，本機
model run會以非零狀態結束，因此無法連線的供應商和空白補全不會看似成功的探測。 - 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。使用openclaw agent或聊天介面取得完整代理情境、工具、記憶和工作階段逐字稿。 --thinking adaptive對應至補全執行階段層級的medium；對於支援原生最大推理強度的 OpenAI 模型，--thinking max對應至max，否則對應至xhigh。model auth login、model auth logout和model auth status管理已儲存的供應商驗證狀態。
影像
生成、編輯和描述。-
從現有輸入檔案開始時，請使用
image edit；--size、--aspect-ratio或--resolution會在支援這些提示的提供者／模型上新增幾何提示。 -
--output-format png --background transparent搭配--model openai/gpt-image-1.5可產生透明背景的 OpenAI PNG 輸出；--openai-background是 OpenAI 專用的相同提示別名。未宣告支援背景的提供者會將其回報為已忽略的覆寫（請參閱 JSON 封裝中的ignoredOverrides）。 -
--quality low|medium|high|auto適用於支援影像品質提示的提供者，包括 OpenAI。OpenAI 也接受--openai-moderation low|auto。 -
image providers --json會列出哪些隨附的影像提供者可被探索、已設定、已選取，以及各自公開哪些生成／編輯功能。 -
image generate --model <provider/model> --json是針對影像生成變更最精簡的即時冒煙測試：回應會回報ok、provider、model、attempts，以及已寫入的輸出路徑。設定--output時，最終副檔名可能會依循提供者傳回的 MIME 類型。 -
針對
image describe和image describe-many，請使用--prompt指定任務專屬指示（OCR、比較、UI 檢查、精簡的圖像說明）。 -
針對速度較慢的本機視覺模型或 Ollama 冷啟動，請使用
--timeout-ms。 -
針對
image describe，系統會先執行明確指定的--model（必須是具備影像功能的<provider/model>）；若該呼叫失敗，則嘗試已設定的agents.defaults.imageModel.fallbacks。輸入準備錯誤（檔案遺失、不支援的 URL）會在任何備援嘗試前失敗，而且模型必須在模型目錄或提供者設定中具備影像功能。 -
針對本機 Ollama 視覺模型，請先提取模型，並將
OLLAMA_API_KEY設為任意預留位置值，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 提供者／角色狀態。tts status僅支援--gateway（它反映由閘道管理的 TTS 狀態）。- 請使用
tts providers、tts voices、tts personas、tts set-provider和tts set-persona檢查並設定 TTS 行為。
視訊
生成與描述。video generate接受--size、--aspect-ratio、--resolution、--duration、--audio、--watermark和--timeout-ms，並將其轉送至視訊生成執行階段。- 對於
video describe，--model必須是<provider/model>。
網頁
搜尋與擷取。web providers 會列出可用、已設定和已選取的搜尋與擷取提供者。
嵌入
向量建立與嵌入提供者檢查。JSON 輸出
Infer 命令會在共用封裝下正規化 JSON 輸出：okcapabilitytransportprovidermodelattemptsinputs（隨請求傳送的影像附件，如適用）outputsignoredOverrides（提供者不支援的提示鍵，如適用）error
outputs 包含 OpenClaw 寫入的檔案。進行自動化時，請使用該陣列中的 path、mimeType、size 和任何媒體專屬尺寸，而不要剖析人類可讀的標準輸出。