--- read_when: - Menambahkan atau memodifikasi perintah `openclaw infer` - Merancang otomatisasi kapabilitas tanpa antarmuka yang stabil summary: CLI yang mengutamakan inferensi untuk alur kerja model, gambar, audio, TTS, video, web, dan embedding yang didukung penyedia title: CLI Inferensi x-i18n: generated_at: "2026-05-10T19:28:46Z" model: gpt-5.5 provider: openai source_hash: 05496c5278650c30e5a52dceba105b703258040765f0a3f75268bb514270f15d source_path: cli/infer.md workflow: 16 --- `openclaw infer` adalah permukaan headless kanonis untuk alur kerja inferensi yang didukung provider. Ini sengaja mengekspos keluarga kapabilitas, bukan nama RPC gateway mentah dan bukan id alat agent mentah. ## Ubah infer menjadi kemampuan Salin dan tempel ini ke agent: ```text 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. ``` Kemampuan berbasis infer yang baik harus: - memetakan niat pengguna umum ke subperintah infer yang benar - menyertakan beberapa contoh infer kanonis untuk alur kerja yang dicakupnya - mengutamakan `openclaw infer ...` dalam contoh dan saran - menghindari pendokumentasian ulang seluruh permukaan infer di dalam isi kemampuan Cakupan kemampuan yang biasanya berfokus pada 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` ## Mengapa menggunakan infer `openclaw infer` menyediakan satu CLI yang konsisten untuk tugas inferensi yang didukung provider di dalam OpenClaw. Manfaat: - Gunakan provider dan model yang sudah dikonfigurasi di OpenClaw alih-alih merangkai wrapper sekali pakai untuk setiap backend. - Pertahankan alur kerja model, gambar, transkripsi audio, TTS, video, web, dan embedding di bawah satu pohon perintah. - Gunakan bentuk output `--json` yang stabil untuk skrip, otomatisasi, dan alur kerja yang digerakkan agent. - Utamakan permukaan OpenClaw pihak pertama saat tugasnya pada dasarnya adalah "menjalankan inferensi." - Gunakan jalur lokal normal tanpa memerlukan Gateway untuk sebagian besar perintah infer. Untuk pemeriksaan provider end-to-end, utamakan `openclaw infer ...` setelah pengujian provider tingkat rendah sudah hijau. Ini menjalankan CLI yang dikirimkan, pemuatan config, resolusi agent default, aktivasi Plugin bawaan, dan runtime kapabilitas bersama sebelum permintaan provider dibuat. ## Pohon perintah ```text 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 ``` ## Tugas umum Tabel ini memetakan tugas inferensi umum ke perintah infer yang sesuai. | Tugas | Perintah | Catatan | | ---------------------------- | --------------------------------------------------------------------------------------------- | ----------------------------------------------------- | | Jalankan prompt teks/model | `openclaw infer model run --prompt "..." --json` | Menggunakan jalur lokal normal secara default | | Jalankan prompt model pada gambar | `openclaw infer model run --prompt "Describe this" --file ./image.png --model provider/model` | Ulangi `--file` untuk beberapa input gambar | | Buat gambar | `openclaw infer image generate --prompt "..." --json` | Gunakan `image edit` saat memulai dari file yang ada | | Deskripsikan file gambar | `openclaw infer image describe --file ./image.png --prompt "..." --json` | `--model` harus berupa `` yang mendukung gambar | | Transkripsikan audio | `openclaw infer audio transcribe --file ./memo.m4a --json` | `--model` harus berupa `` | | Sintesis ucapan | `openclaw infer tts convert --text "..." --output ./speech.mp3 --json` | `tts status` berorientasi Gateway | | Buat video | `openclaw infer video generate --prompt "..." --json` | Mendukung petunjuk provider seperti `--resolution` | | Deskripsikan file video | `openclaw infer video describe --file ./clip.mp4 --json` | `--model` harus berupa `` | | Cari di web | `openclaw infer web search --query "..." --json` | | | Ambil halaman web | `openclaw infer web fetch --url https://example.com --json` | | | Buat embedding | `openclaw infer embedding create --text "..." --json` | | ## Perilaku - `openclaw infer ...` adalah permukaan CLI utama untuk alur kerja ini. - Gunakan `--json` saat output akan dikonsumsi oleh perintah atau skrip lain. - Gunakan `--provider` atau `--model provider/model` saat backend tertentu diperlukan. - Gunakan `model run --thinking ` untuk meneruskan tingkat berpikir/penalaran satu kali (`off`, `minimal`, `low`, `medium`, `high`, `adaptive`, `xhigh`, atau `max`) sambil menjaga run tetap mentah. - Untuk `image describe`, `audio transcribe`, dan `video describe`, `--model` harus menggunakan bentuk ``. - Untuk `image describe`, `--model` eksplisit menjalankan provider/model tersebut secara langsung. Model harus mendukung gambar di katalog model atau config provider. `codex/` menjalankan giliran pemahaman gambar app-server Codex yang terbatas; `openai-codex/` menggunakan jalur provider OAuth OpenAI Codex. - Perintah eksekusi stateless default ke lokal. - Perintah status yang dikelola Gateway default ke Gateway. - Jalur lokal normal tidak memerlukan Gateway berjalan. - `model run` lokal adalah completion provider satu kali yang ringan. Ini me-resolve model agent dan auth yang dikonfigurasi, tetapi tidak memulai giliran chat-agent, memuat alat, atau membuka server MCP bawaan. - `model run --file` menerima file gambar, mendeteksi tipe MIME-nya, dan mengirimkannya bersama prompt yang diberikan ke model yang dipilih. Ulangi `--file` untuk beberapa gambar. - `model run --file` menolak input non-gambar. Gunakan `infer audio transcribe` untuk file audio dan `infer video describe` untuk file video. - `model run --gateway` menjalankan routing Gateway, auth tersimpan, pemilihan provider, dan runtime tertanam, tetapi tetap berjalan sebagai probe model mentah: ini mengirim prompt yang diberikan dan lampiran gambar apa pun tanpa transkrip sesi sebelumnya, konteks bootstrap/AGENTS, perakitan context-engine, alat, atau server MCP bawaan. - `model run --gateway --model ` memerlukan kredensial Gateway operator tepercaya karena permintaan meminta Gateway menjalankan override provider/model satu kali. - `model run --thinking` lokal menggunakan jalur provider-completion yang ringan; tingkat khusus provider seperti `adaptive` dan `max` dipetakan ke tingkat simple-completion portabel terdekat. ## Model Gunakan `model` untuk inferensi teks yang didukung provider dan inspeksi model/provider. ```bash openclaw infer model run --prompt "Reply with exactly: smoke-ok" --json openclaw infer model run --prompt "Summarize this changelog entry" --model openai/gpt-5.4 --json openclaw infer model run --prompt "Describe this image in one sentence" --file ./photo.jpg --model google/gemini-2.5-flash --json openclaw infer model run --prompt "Use more reasoning here" --thinking high --json openclaw infer model providers --json openclaw infer model inspect --name gpt-5.5 --json ``` Gunakan ref lengkap `` untuk smoke-test provider tertentu tanpa memulai Gateway atau memuat seluruh permukaan alat agent: ```bash openclaw infer model run --local --model anthropic/claude-sonnet-4-6 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model cerebras/zai-glm-4.7 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model google/gemini-2.5-flash --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model groq/llama-3.1-8b-instant --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model mistral/mistral-medium-3-5 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model mistral/mistral-small-latest --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model openai/gpt-4.1 --prompt "Reply with exactly: pong" --json openclaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json ``` Catatan: - `model run` lokal adalah smoke CLI paling sempit untuk kesehatan provider/model/auth karena, untuk provider non-Codex, ini hanya mengirim prompt yang diberikan ke model yang dipilih. - `model run --model ` lokal dapat menggunakan baris katalog statis bawaan yang persis dari `models list --all` sebelum provider tersebut ditulis ke config. Auth provider tetap diperlukan; kredensial yang hilang gagal sebagai error auth, bukan `Unknown model`. - Untuk probe penalaran Mistral Medium 3.5, biarkan temperature tidak disetel/default. Mistral menolak `reasoning_effort="high"` plus `temperature: 0`; gunakan `mistral/mistral-medium-3-5` dengan temperature default atau nilai mode penalaran non-nol seperti `0.7`. - Probe lokal `openai-codex/*` adalah pengecualian sempit: OpenClaw menambahkan instruksi sistem minimal agar transport Codex Responses dapat mengisi field `instructions` yang diwajibkan, tanpa menambahkan konteks agent penuh, alat, memori, atau transkrip sesi. - `model run --file` lokal mempertahankan jalur ringan tersebut dan melampirkan konten gambar langsung ke satu pesan pengguna. File gambar umum seperti PNG, JPEG, dan WebP berfungsi saat tipe MIME-nya terdeteksi sebagai `image/*`; file yang tidak didukung atau tidak dikenali gagal sebelum provider dipanggil. - `model run --file` paling cocok saat Anda ingin menguji model teks multimodal yang dipilih secara langsung. Gunakan `infer image describe` saat Anda menginginkan pemilihan provider pemahaman gambar OpenClaw dan routing model gambar default. - Model yang dipilih harus mendukung input gambar; model khusus teks dapat menolak permintaan di lapisan provider. - `model run --prompt` harus berisi teks non-whitespace; prompt kosong ditolak sebelum provider lokal atau Gateway dipanggil. - `model run` lokal keluar non-nol saat provider tidak mengembalikan output teks, sehingga provider lokal yang tidak dapat dijangkau dan completion kosong tidak tampak seperti probe yang berhasil. - Gunakan `model run --gateway` saat Anda perlu menguji routing Gateway, penyiapan agent-runtime, atau status provider yang dikelola Gateway sambil menjaga input model tetap mentah. Gunakan `openclaw agent` atau permukaan chat saat Anda menginginkan konteks agent penuh, alat, memori, dan transkrip sesi. - `model auth login`, `model auth logout`, dan `model auth status` mengelola status auth provider yang disimpan. ## Gambar Gunakan `image` untuk pembuatan, edit, dan deskripsi. ```bash openclaw infer image generate --prompt "friendly lobster illustration" --json openclaw infer image generate --prompt "cinematic product photo of headphones" --json openclaw infer image generate --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "simple red circle sticker on a transparent background" --json openclaw infer image generate --prompt "slow image backend" --timeout-ms 180000 --json openclaw infer image edit --file ./logo.png --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "keep the logo, remove the background" --json openclaw infer image edit --file ./poster.png --prompt "make this a vertical story ad" --size 2160x3840 --aspect-ratio 9:16 --resolution 4K --json openclaw infer image describe --file ./photo.jpg --json openclaw infer image describe --file ./receipt.jpg --prompt "Extract the merchant, date, and total" --json openclaw infer image describe-many --file ./before.png --file ./after.png --prompt "Compare the screenshots and list visible UI changes" --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 --prompt "Describe the image in one sentence" --timeout-ms 300000 --json ``` Catatan: - Gunakan `image edit` saat memulai dari file input yang sudah ada. - Gunakan `--size`, `--aspect-ratio`, atau `--resolution` dengan `image edit` untuk penyedia/model yang mendukung petunjuk geometri pada pengeditan gambar referensi. - Gunakan `--output-format png --background transparent` dengan `--model openai/gpt-image-1.5` untuk output PNG OpenAI berlatar belakang transparan; `--openai-background` tetap tersedia sebagai alias khusus OpenAI. Penyedia yang tidak mendeklarasikan dukungan latar belakang melaporkan petunjuk tersebut sebagai override yang diabaikan. - Gunakan `image providers --json` untuk memverifikasi penyedia gambar bawaan mana yang dapat ditemukan, dikonfigurasi, dipilih, dan kapabilitas pembuatan/pengeditan mana yang diekspos oleh tiap penyedia. - Gunakan `image generate --model --json` sebagai smoke CLI live paling sempit untuk perubahan pembuatan gambar. Contoh: ```bash openclaw infer image providers --json openclaw infer image generate \ --model google/gemini-3.1-flash-image-preview \ --prompt "Minimal flat test image: one blue square on a white background, no text." \ --output ./openclaw-infer-image-smoke.png \ --json ``` Respons JSON melaporkan `ok`, `provider`, `model`, `attempts`, dan jalur output yang ditulis. Saat `--output` ditetapkan, ekstensi akhir dapat mengikuti jenis MIME yang dikembalikan penyedia. - Untuk `image describe` dan `image describe-many`, gunakan `--prompt` untuk memberi model visi instruksi khusus tugas seperti OCR, perbandingan, inspeksi UI, atau pembuatan keterangan ringkas. - Gunakan `--timeout-ms` dengan model visi lokal yang lambat atau start Ollama yang dingin. - Untuk `image describe`, `--model` harus berupa `` yang mendukung gambar. - Untuk model visi Ollama lokal, tarik model terlebih dahulu dan tetapkan `OLLAMA_API_KEY` ke nilai placeholder apa pun, misalnya `ollama-local`. Lihat [Ollama](/id/providers/ollama#vision-and-image-description). ## Audio Gunakan `audio` untuk transkripsi file. ```bash 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 ``` Catatan: - `audio transcribe` digunakan untuk transkripsi file, bukan manajemen sesi realtime. - `--model` harus berupa ``. ## TTS Gunakan `tts` untuk sintesis ucapan dan status penyedia TTS. ```bash 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 ``` Catatan: - `tts status` default ke Gateway karena mencerminkan status TTS yang dikelola Gateway. - Gunakan `tts providers`, `tts voices`, dan `tts set-provider` untuk memeriksa dan mengonfigurasi perilaku TTS. ## Video Gunakan `video` untuk pembuatan dan deskripsi. ```bash openclaw infer video generate --prompt "cinematic sunset over the ocean" --json openclaw infer video generate --prompt "slow drone shot over a forest lake" --resolution 768P --duration 6 --json openclaw infer video describe --file ./clip.mp4 --json openclaw infer video describe --file ./clip.mp4 --model openai/gpt-4.1-mini --json ``` Catatan: - `video generate` menerima `--size`, `--aspect-ratio`, `--resolution`, `--duration`, `--audio`, `--watermark`, dan `--timeout-ms` serta meneruskannya ke runtime pembuatan video. - `--model` harus berupa `` untuk `video describe`. ## Web Gunakan `web` untuk alur kerja pencarian dan pengambilan. ```bash 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 ``` Catatan: - Gunakan `web providers` untuk memeriksa penyedia yang tersedia, dikonfigurasi, dan dipilih. ## Embedding Gunakan `embedding` untuk pembuatan vektor dan pemeriksaan penyedia embedding. ```bash 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 ``` ## Output JSON Perintah infer menormalkan output JSON di bawah amplop bersama: ```json { "ok": true, "capability": "image.generate", "transport": "local", "provider": "openai", "model": "gpt-image-2", "attempts": [], "outputs": [] } ``` Kolom tingkat atas stabil: - `ok` - `capability` - `transport` - `provider` - `model` - `attempts` - `outputs` - `error` Untuk perintah media yang dihasilkan, `outputs` berisi file yang ditulis oleh OpenClaw. Gunakan `path`, `mimeType`, `size`, dan dimensi khusus media apa pun dalam array tersebut untuk otomasi alih-alih mengurai stdout yang dapat dibaca manusia. ## Kesalahan umum ```bash # Bad openclaw infer media image generate --prompt "friendly lobster" # Good openclaw infer image generate --prompt "friendly lobster" ``` ```bash # Bad openclaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # Good openclaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json ``` ## Catatan - `openclaw capability ...` adalah alias untuk `openclaw infer ...`. ## Terkait - [Referensi CLI](/id/cli) - [Model](/id/concepts/models)