CLI di inferenza

OmeniaClaw infer è l’interfaccia headless canonica per i flussi di lavoro di inferenza supportati da provider.

Espone intenzionalmente famiglie di capacità, non nomi RPC grezzi del Gateway e non id grezzi degli strumenti dell’agente.

Trasforma infer in una skill

Copia e incolla questo in un agente:

Read https://omeniaclaw.com/cli/infer, then create a skill that routes my common workflows to `OmeniaClaw infer`.Focus on model runs, image generation, video generation, audio transcription, TTS, web search, and embeddings.

Una buona skill basata su infer dovrebbe:

• mappare gli intenti comuni dell’utente al sottocomando infer corretto
• includere alcuni esempi canonici di infer per i flussi di lavoro coperti
• preferire OmeniaClaw infer ... negli esempi e nei suggerimenti
• evitare di documentare di nuovo l’intera superficie di infer nel corpo della skill

Copertura tipica di una skill incentrata su infer:

• OmeniaClaw infer model run
• OmeniaClaw infer image generate
• OmeniaClaw infer audio transcribe
• OmeniaClaw infer tts convert
• OmeniaClaw infer web search
• OmeniaClaw infer embedding create

Perché usare infer

OmeniaClaw infer fornisce una CLI coerente per le attività di inferenza supportate da provider all’interno di OmeniaClaw.

Vantaggi:

• Usa i provider e i modelli già configurati in OmeniaClaw invece di collegare wrapper una tantum per ogni backend.
• Mantieni i flussi di lavoro per modelli, immagini, trascrizione audio, TTS, video, web ed embedding sotto un unico albero di comandi.
• Usa una forma di output --json stabile per script, automazione e flussi di lavoro guidati da agenti.
• Preferisci una superficie OmeniaClaw proprietaria quando l’attività è fondamentalmente "eseguire inferenza".
• Usa il normale percorso locale senza richiedere il Gateway per la maggior parte dei comandi infer.

Per i controlli provider end-to-end, preferisci OmeniaClaw infer ... una volta che i test provider di livello inferiore sono verdi. Esercita la CLI distribuita, il caricamento della configurazione, la risoluzione dell’agente predefinito, l’attivazione dei plugin in bundle e il runtime delle capacità condivise prima che venga effettuata la richiesta al provider.

Albero dei comandi

 OmeniaClaw 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

Attività comuni

Questa tabella mappa le attività di inferenza comuni al comando infer corrispondente.

Comportamento

• OmeniaClaw infer ... è la superficie CLI primaria per questi flussi di lavoro.
• Usa --json quando l’output sarà consumato da un altro comando o script.
• Usa --provider o --model provider/model quando è richiesto un backend specifico.
• Usa model run --thinking <level> per passare un livello di pensiero/ragionamento una tantum (off, minimal, low, medium, high, adaptive, xhigh o max) mantenendo l’esecuzione grezza.
• Per image describe, audio transcribe e video describe, --model deve usare la forma <provider/model>.
• Per image describe, un --model esplicito esegue direttamente quel provider/modello. Il modello deve supportare immagini nel catalogo modelli o nella configurazione del provider. codex/<model> esegue un turno limitato di comprensione immagini del server app Codex; openai-codex/<model> usa il percorso del provider OAuth OpenAI Codex.
• I comandi di esecuzione senza stato usano il locale per impostazione predefinita.
• I comandi di stato gestiti dal Gateway usano il Gateway per impostazione predefinita.
• Il normale percorso locale non richiede che il Gateway sia in esecuzione.
• model run locale è un completamento provider snello e one-shot. Risolve il modello e l’autenticazione dell’agente configurati, ma non avvia un turno di chat-agent, non carica strumenti e non apre server MCP in bundle.
• model run --file accetta file immagine, ne rileva il tipo MIME e li invia con il prompt fornito al modello selezionato. Ripeti --file per più immagini.
• model run --file rifiuta input non immagine. Usa infer audio transcribe per i file audio e infer video describe per i file video.
• model run --gateway esercita l’instradamento del Gateway, l’autenticazione salvata, la selezione del provider e il runtime incorporato, ma viene comunque eseguito come probe modello grezzo: invia il prompt fornito e gli eventuali allegati immagine senza trascrizione di sessione precedente, contesto bootstrap/AGENTS, assemblaggio context-engine, strumenti o server MCP in bundle.
• model run --gateway --model <provider/model> richiede una credenziale Gateway di operatore attendibile perché la richiesta chiede al Gateway di eseguire un override provider/modello una tantum.
• model run --thinking locale usa il percorso snello di completamento provider; livelli specifici del provider come adaptive e max vengono mappati al livello di completamento semplice portabile più vicino.

Modello

Usa model per l’inferenza testuale supportata da provider e per l’ispezione di modelli/provider.

OmeniaClaw infer model run --prompt "Reply with exactly: smoke-ok" --jsonOmeniaClaw infer model run --prompt "Summarize this changelog entry" --model openai/gpt-5.4 --jsonOmeniaClaw infer model run --prompt "Describe this image in one sentence" --file ./photo.jpg --model google/gemini-2.5-flash --jsonOmeniaClaw infer model run --prompt "Use more reasoning here" --thinking high --jsonOmeniaClaw infer model providers --jsonOmeniaClaw infer model inspect --name gpt-5.5 --json

Usa riferimenti completi <provider/model> per eseguire uno smoke test su un provider specifico senza avviare il Gateway o caricare l’intera superficie degli strumenti dell’agente:

OmeniaClaw infer model run --local --model anthropic/claude-sonnet-4-6 --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model cerebras/zai-glm-4.7 --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model google/gemini-2.5-flash --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model groq/llama-3.1-8b-instant --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model mistral/mistral-medium-3-5 --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model mistral/mistral-small-latest --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model openai/gpt-4.1 --prompt "Reply with exactly: pong" --jsonOmeniaClaw infer model run --local --model ollama/qwen2.5vl:7b --prompt "Describe this image." --file ./photo.jpg --json

Note:

• model run locale è lo smoke CLI più ristretto per la salute di provider/modello/autenticazione perché, per provider non Codex, invia solo il prompt fornito al modello selezionato.
• model run --model <provider/model> locale può usare righe esatte del catalogo statico in bundle da models list --all prima che quel provider venga scritto nella configurazione. L’autenticazione del provider è comunque richiesta; credenziali mancanti generano errori di autenticazione, non Unknown model.
• Per probe di ragionamento Mistral Medium 3.5, lascia temperature non impostato/predefinito. Mistral rifiuta reasoning_effort="high" più temperature: 0; usa mistral/mistral-medium-3-5 con temperature predefinito o un valore di modalità ragionamento non zero come 0.7.
• I probe locali openai-codex/* sono l’eccezione ristretta: OmeniaClaw aggiunge un’istruzione di sistema minima affinché il trasporto Codex Responses possa popolare il campo instructions richiesto, senza aggiungere il contesto completo dell’agente, strumenti, memoria o trascrizione di sessione.
• model run --file locale mantiene quel percorso snello e allega il contenuto immagine direttamente al singolo messaggio utente. File immagine comuni come PNG, JPEG e WebP funzionano quando il loro tipo MIME viene rilevato come image/*; file non supportati o non riconosciuti falliscono prima che il provider venga chiamato.
• model run --file è ideale quando vuoi testare direttamente il modello testuale multimodale selezionato. Usa infer image describe quando vuoi la selezione provider di comprensione immagini di OmeniaClaw e l’instradamento predefinito del modello immagine.
• Il modello selezionato deve supportare input immagine; i modelli solo testo possono rifiutare la richiesta al livello del provider.
• model run --prompt deve contenere testo non composto solo da spazi; i prompt vuoti vengono rifiutati prima che vengano chiamati i provider locali o il Gateway.
• model run locale termina con codice diverso da zero quando il provider non restituisce output testuale, quindi provider locali non raggiungibili e completamenti vuoti non sembrano probe riusciti.
• Usa model run --gateway quando devi testare l’instradamento del Gateway, la configurazione agent-runtime o lo stato provider gestito dal Gateway mantenendo grezzo l’input del modello. Usa OmeniaClaw agent o superfici di chat quando vuoi il contesto completo dell’agente, strumenti, memoria e trascrizione di sessione.
• model auth login, model auth logout e model auth status gestiscono lo stato di autenticazione del provider salvato.

Immagine

Usa image per generazione, modifica e descrizione.

OmeniaClaw infer image generate --prompt "friendly lobster illustration" --jsonOmeniaClaw infer image generate --prompt "cinematic product photo of headphones" --jsonOmeniaClaw infer image generate --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "simple red circle sticker on a transparent background" --jsonOmeniaClaw infer image generate --prompt "slow image backend" --timeout-ms 180000 --jsonOmeniaClaw infer image edit --file ./logo.png --model openai/gpt-image-1.5 --output-format png --background transparent --prompt "keep the logo, remove the background" --jsonOmeniaClaw infer image edit --file ./poster.png --prompt "make this a vertical story ad" --size 2160x3840 --aspect-ratio 9:16 --resolution 4K --jsonOmeniaClaw infer image describe --file ./photo.jpg --jsonOmeniaClaw infer image describe --file ./receipt.jpg --prompt "Extract the merchant, date, and total" --jsonOmeniaClaw infer image describe-many --file ./before.png --file ./after.png --prompt "Compare the screenshots and list visible UI changes" --jsonOmeniaClaw infer image describe --file ./ui-screenshot.png --model openai/gpt-4.1-mini --jsonOmeniaClaw infer image describe --file ./photo.jpg --model ollama/qwen2.5vl:7b --prompt "Describe the image in one sentence" --timeout-ms 300000 --json

Note:

• Usa image edit quando parti da file di input esistenti.

• Usa --size, --aspect-ratio o --resolution con image edit per provider/modelli che supportano suggerimenti geometrici nelle modifiche con immagini di riferimento.

• Usa --output-format png --background transparent con --model openai/gpt-image-1.5 per l'output PNG OpenAI con sfondo trasparente; --openai-background rimane disponibile come alias specifico di OpenAI. I provider che non dichiarano il supporto dello sfondo segnalano il suggerimento come override ignorato.

• Usa image providers --json per verificare quali provider di immagini inclusi sono individuabili, configurati, selezionati e quali funzionalità di generazione/modifica espone ogni provider.

• Usa image generate --model <provider/model> --json come smoke live CLI più mirato per le modifiche alla generazione di immagini. Esempio:

  OmeniaClaw infer image providers --jsonOmeniaClaw 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 ./OmeniaClaw-infer-image-smoke.png \  --json

  La risposta JSON riporta ok, provider, model, attempts e i percorsi di output scritti. Quando --output è impostato, l'estensione finale può seguire il tipo MIME restituito dal provider.

• Per image describe e image describe-many, usa --prompt per dare al modello di visione un'istruzione specifica per l'attività, come OCR, confronto, ispezione dell'interfaccia utente o didascalia concisa.

• Usa --timeout-ms con modelli di visione locali lenti o avvii a freddo di Ollama.

• Per image describe, --model deve essere un <provider/model> con supporto per immagini.

• Per i modelli di visione locali Ollama, scarica prima il modello e imposta OLLAMA_API_KEY su un qualsiasi valore segnaposto, ad esempio ollama-local. Vedi Ollama.

Audio

Usa audio per la trascrizione di file.

OmeniaClaw infer audio transcribe --file ./memo.m4a --jsonOmeniaClaw infer audio transcribe --file ./team-sync.m4a --language en --prompt "Focus on names and action items" --jsonOmeniaClaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

Note:

• audio transcribe serve per la trascrizione di file, non per la gestione di sessioni in tempo reale.
• --model deve essere <provider/model>.

TTS

Usa tts per la sintesi vocale e lo stato del provider TTS.

OmeniaClaw infer tts convert --text "hello from OmeniaClaw" --output ./hello.mp3 --jsonOmeniaClaw infer tts convert --text "Your build is complete" --output ./build-complete.mp3 --jsonOmeniaClaw infer tts providers --jsonOmeniaClaw infer tts status --json

Note:

• tts status usa Gateway per impostazione predefinita perché riflette lo stato TTS gestito da Gateway.
• Usa tts providers, tts voices e tts set-provider per ispezionare e configurare il comportamento TTS.

Video

Usa video per la generazione e la descrizione.

OmeniaClaw infer video generate --prompt "cinematic sunset over the ocean" --jsonOmeniaClaw infer video generate --prompt "slow drone shot over a forest lake" --resolution 768P --duration 6 --jsonOmeniaClaw infer video describe --file ./clip.mp4 --jsonOmeniaClaw infer video describe --file ./clip.mp4 --model openai/gpt-4.1-mini --json

Note:

• video generate accetta --size, --aspect-ratio, --resolution, --duration, --audio, --watermark e --timeout-ms e li inoltra al runtime di generazione video.
• --model deve essere <provider/model> per video describe.

Web

Usa web per i flussi di lavoro di ricerca e recupero.

OmeniaClaw infer web search --query "OmeniaClaw docs" --jsonOmeniaClaw infer web search --query "OmeniaClaw infer web providers" --jsonOmeniaClaw infer web fetch --url https://omeniaclaw.com/cli/infer --jsonOmeniaClaw infer web providers --json

Note:

• Usa web providers per ispezionare i provider disponibili, configurati e selezionati.

Embedding

Usa embedding per la creazione di vettori e l'ispezione dei provider di embedding.

OmeniaClaw infer embedding create --text "friendly lobster" --jsonOmeniaClaw infer embedding create --text "customer support ticket: delayed shipment" --model openai/text-embedding-3-large --jsonOmeniaClaw infer embedding providers --json

Output JSON

I comandi infer normalizzano l'output JSON in un contenitore condiviso:

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

I campi di primo livello sono stabili:

• ok
• capability
• transport
• provider
• model
• attempts
• outputs
• error

Per i comandi che generano media, outputs contiene i file scritti da OmeniaClaw. Usa path, mimeType, size ed eventuali dimensioni specifiche del media in quell'array per l'automazione invece di analizzare lo stdout leggibile dall'uomo.

Problemi comuni

# BadOmeniaClaw infer media image generate --prompt "friendly lobster" # GoodOmeniaClaw infer image generate --prompt "friendly lobster"

# BadOmeniaClaw infer audio transcribe --file ./memo.m4a --model whisper-1 --json # GoodOmeniaClaw infer audio transcribe --file ./memo.m4a --model openai/whisper-1 --json

Note

• OmeniaClaw capability ... è un alias di OmeniaClaw infer ....

Correlati

• Riferimento CLI
• Modelli