AI API Gateway — API 调用手册

网关地址: https://ai.ospreyai.cn 鉴权方式: Bearer Token（new-api sk-xxx 格式）

通用说明

鉴权

所有 API 均需 Bearer Token 鉴权（/health 和 /webui/ 除外）：

bash

curl -H "Authorization: Bearer sk-your-api-key" https://ai.ospreyai.cn/api/v1/...

网关通过 auth_request 将 Bearer Token 转发给 new-api 验证有效性。有效 key 返回 200，无效 key 返回 401。

Bearer Token 透传（RAGFlow / Dify 专用）

RAGFlow 和 Dify 自身需要 Authorization: Bearer xxx，与网关鉴权共用同一 header。后端 Bearer token 通过 X-Authorization header 传入，网关自动转为 Authorization 转发给后端。

bash

curl -H "Authorization: Bearer sk-your-api-key" \
  -H "X-Authorization: Bearer <你的后端token>" \
  https://ai.ospreyai.cn/api/v1/rag/...

若未传 X-Authorization，网关会清空转发给后端的 Authorization header（避免 sk-xxx 泄露给后端服务），后端将返回 401。

限流

类型	速率	适用路径
AI 接口	10 次/分/IP（突发 5）	`/api/v1/ai/*`
普通接口	60 次/分/IP（突发 10-20）	`/api/v1/embed/`, `/api/v1/rerank/`, `/api/v1/rag/*`, `/api/v1/search`

超限返回 429 Too Many Requests。

环境变量

以下示例中使用变量：

bash

export GW="https://ai.ospreyai.cn"              # 网关地址
export API_KEY="sk-your-api-key"         # Bearer Token

1. ComfyUI — 图像/视频生成

内部地址: 192.168.1.236:8188 模型: z_image_bf16（百度文生图）无需后端 Bearer Token，网关 Bearer Token 即可

1.1 提交图像生成任务

POST /api/v1/ai/image/generate
Content-Type: application/json
Authorization: Bearer sk-xxx

请求体 — ComfyUI 工作流 JSON，prompt 字段内为节点定义：

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/image/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "62": {"inputs": {"clip_name": "qwen_3_4b.safetensors", "type": "lumina2", "device": "default"}, "class_type": "CLIPLoader"},
      "63": {"inputs": {"vae_name": "ae.safetensors"}, "class_type": "VAELoader"},
      "66": {"inputs": {"unet_name": "z_image_bf16.safetensors", "weight_dtype": "default"}, "class_type": "UNETLoader"},
      "67": {"inputs": {"text": "A cute puppy sitting on grass, sunny day, photorealistic", "clip": ["62", 0]}, "class_type": "CLIPTextEncode"},
      "68": {"inputs": {"width": 1024, "height": 1024, "batch_size": 1}, "class_type": "EmptySD3LatentImage"},
      "69": {"inputs": {"seed": 12345, "steps": 30, "cfg": 4.5, "sampler_name": "res_multistep", "scheduler": "simple", "denoise": 1, "model": ["70", 0], "positive": ["67", 0], "negative": ["71", 0], "latent_image": ["68", 0]}, "class_type": "KSampler"},
      "70": {"inputs": {"shift": 3, "model": ["66", 0]}, "class_type": "ModelSamplingAuraFlow"},
      "71": {"inputs": {"text": "blurry, low quality, distorted", "clip": ["62", 0]}, "class_type": "CLIPTextEncode"},
      "65": {"inputs": {"samples": ["69", 0], "vae": ["63", 0]}, "class_type": "VAEDecode"},
      "9": {"inputs": {"filename_prefix": "output", "images": ["65", 0]}, "class_type": "SaveImage"}
    }
  }'

响应：

json

{
  "prompt_id": "0871f625-65f6-4d2f-abd8-0b248dafa58f",
  "number": 99
}

关键参数说明：

节点	字段	说明	推荐值
67	text	正向提示词（英文效果更佳）	—
71	text	负向提示词	`"blurry, low quality, distorted"`
68	width / height	图片尺寸	1024 × 1024
69	seed	随机种子（不同值生成不同图片）	任意整数
69	steps	采样步数（越高越精细）	25-35
69	cfg	CFG 强度	4-7
9	filename_prefix	输出文件名前缀	—

1.2 提交视频生成任务（图生视频）

POST /api/v1/ai/video/generate
Content-Type: application/json
Authorization: Bearer sk-xxx

使用 Wan2.2 I2V + LightX2V 4步加速 工作流，仅需 4 步采样即可生成约 5 秒视频。

前置条件： 需先通过 /api/v1/upload 上传输入图片。

bash

# 1. 上传图片
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/upload" \
  -F "image=@/path/to/input.png" \
  -F "overwrite=true"
# 返回: {"name": "input.png", "subfolder": "", "type": "input"}

# 2. 提交视频工作流
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/video/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "84": {"inputs": {"clip_name": "umt5_xxl_fp8_e4m3fn_scaled.safetensors", "type": "wan", "device": "default"}, "class_type": "CLIPLoader"},
      "85": {"inputs": {"add_noise": "disable", "noise_seed": 0, "steps": 4, "cfg": 1, "sampler_name": "euler", "scheduler": "simple", "start_at_step": 2, "end_at_step": 4, "return_with_leftover_noise": "disable", "model": ["103", 0], "positive": ["98", 0], "negative": ["98", 1], "latent_image": ["86", 0]}, "class_type": "KSamplerAdvanced"},
      "86": {"inputs": {"add_noise": "enable", "noise_seed": 42, "steps": 4, "cfg": 1, "sampler_name": "euler", "scheduler": "simple", "start_at_step": 0, "end_at_step": 2, "return_with_leftover_noise": "enable", "model": ["104", 0], "positive": ["98", 0], "negative": ["98", 1], "latent_image": ["98", 2]}, "class_type": "KSamplerAdvanced"},
      "87": {"inputs": {"samples": ["85", 0], "vae": ["90", 0]}, "class_type": "VAEDecode"},
      "89": {"inputs": {"text": "色调艳丽，过曝，静态，细节模糊不清，字幕，风格，作品，画作，画面，静止，整体发灰，最差质量，低质量，JPEG压缩残留，丑陋的，残缺的，多余的手指，画得不好的手部，画得不好的脸部，畸形的，毁容的，形态畸变的肢体，手指融合，静止不动的画面，杂乱的背景，三条腿，背景人很多，倒着走", "clip": ["84", 0]}, "class_type": "CLIPTextEncode"},
      "90": {"inputs": {"vae_name": "wan_2.1_vae.safetensors"}, "class_type": "VAELoader"},
      "93": {"inputs": {"text": "A bird spreading its wings and flying away", "clip": ["84", 0]}, "class_type": "CLIPTextEncode"},
      "94": {"inputs": {"fps": 16, "images": ["87", 0]}, "class_type": "CreateVideo"},
      "95": {"inputs": {"unet_name": "wan2.2_i2v_high_noise_14B_fp8_scaled.safetensors", "weight_dtype": "default"}, "class_type": "UNETLoader"},
      "96": {"inputs": {"unet_name": "wan2.2_i2v_low_noise_14B_fp8_scaled.safetensors", "weight_dtype": "default"}, "class_type": "UNETLoader"},
      "97": {"inputs": {"image": "input.png"}, "class_type": "LoadImage"},
      "98": {"inputs": {"width": 640, "height": 640, "length": 81, "batch_size": 1, "positive": ["93", 0], "negative": ["89", 0], "vae": ["90", 0], "start_image": ["97", 0]}, "class_type": "WanImageToVideo"},
      "101": {"inputs": {"lora_name": "wan2.2_i2v_lightx2v_4steps_lora_v1_high_noise.safetensors", "strength_model": 1.0, "model": ["95", 0]}, "class_type": "LoraLoaderModelOnly"},
      "102": {"inputs": {"lora_name": "wan2.2_i2v_lightx2v_4steps_lora_v1_low_noise.safetensors", "strength_model": 1.0, "model": ["96", 0]}, "class_type": "LoraLoaderModelOnly"},
      "103": {"inputs": {"shift": 5.0, "model": ["102", 0]}, "class_type": "ModelSamplingSD3"},
      "104": {"inputs": {"shift": 5.0, "model": ["101", 0]}, "class_type": "ModelSamplingSD3"},
      "108": {"inputs": {"filename_prefix": "video/my_video", "format": "auto", "codec": "auto", "video-preview": "", "video": ["94", 0]}, "class_type": "SaveVideo"}
    }
  }'

响应：

json

{"prompt_id": "03464627-3b48-43fe-91b9-ca7c779ba618", "number": 130, "node_errors": {}}

关键节点参数：

节点	字段	说明	推荐值
97	image	输入图片文件名（需先上传）	上传返回的 `name`
93	text	正向提示词（英文动作描述）	—
98	width / height	视频尺寸	640 × 640
98	length	视频帧数（81帧≈5秒@16fps）	81
86	noise_seed	随机种子	任意整数
108	filename_prefix	输出文件名前缀	`"video/xxx"`

输出： MP4 视频，640×640, 81帧, 16fps, 约5秒。下载时需注意 subfolder=video。

详细文档见 ComfyUI 视频生成 Skill。

1.3 提交视频生成任务（LTX-2 文生视频）

POST /api/v1/ai/video/generate
Content-Type: application/json
Authorization: Bearer sk-xxx

使用 LTX-2 19B 模型做文生视频。采用两阶段采样管线：低分辨率（输出尺寸的 1/2）20 步打底 → 空间放大 2× → 4 步精修，输出静音 mp4（空音轨占位，非真实音频）。纯文本生成，无需上传图片。

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/video/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "75": {"inputs": {"filename_prefix": "video/LTX-2", "format": "mp4", "codec": "auto", "video": ["122", 0]}, "class_type": "SaveVideo"},
      "98": {"inputs": {"steps": 20, "max_shift": 2.05, "base_shift": 0.95, "stretch": true, "terminal": 0.1, "latent": ["109", 0]}, "class_type": "LTXVScheduler"},
      "99": {"inputs": {"text_encoder": "gemma_3_12B_it_fp4_mixed.safetensors", "ckpt_name": "ltx-2-19b-dev-fp8.safetensors", "device": "default"}, "class_type": "LTXAVTextEncoderLoader"},
      "100": {"inputs": {"sigmas": "0.909375, 0.725, 0.421875, 0.0"}, "class_type": "ManualSigmas"},
      "101": {"inputs": {"model_name": "ltx-2-spatial-upscaler-x2-1.0.safetensors"}, "class_type": "LatentUpscaleModelLoader"},
      "102": {"inputs": {"positive": ["107", 0], "negative": ["107", 1], "latent": ["116", 0]}, "class_type": "LTXVCropGuides"},
      "103": {"inputs": {"cfg": 1, "model": ["132", 0], "positive": ["102", 0], "negative": ["102", 1]}, "class_type": "CFGGuider"},
      "104": {"inputs": {"upscale_method": "lanczos", "scale_by": 0.5, "image": ["111", 0]}, "class_type": "ImageScaleBy"},
      "105": {"inputs": {"image": ["104", 0]}, "class_type": "GetImageSize"},
      "106": {"inputs": {"frames_number": ["112", 0], "frame_rate": ["130", 0], "batch_size": 1, "audio_vae": ["123", 0]}, "class_type": "LTXVEmptyLatentAudio"},
      "107": {"inputs": {"frame_rate": ["129", 0], "positive": ["121", 0], "negative": ["110", 0]}, "class_type": "LTXVConditioning"},
      "108": {"inputs": {"width": ["105", 0], "height": ["105", 1], "length": ["112", 0], "batch_size": 1}, "class_type": "EmptyLTXVLatentVideo"},
      "109": {"inputs": {"video_latent": ["108", 0], "audio_latent": ["106", 0]}, "class_type": "LTXVConcatAVLatent"},
      "110": {"inputs": {"text": "blurry, low quality, still frame, frames, watermark, overlay, titles, has blurbox, has subtitles", "clip": ["99", 0]}, "class_type": "CLIPTextEncode"},
      "111": {"inputs": {"width": 1280, "height": 720, "batch_size": 1, "color": 0}, "class_type": "EmptyImage"},
      "112": {"inputs": {"value": 121}, "class_type": "PrimitiveInt"},
      "113": {"inputs": {"noise": ["115", 0], "guider": ["128", 0], "sampler": ["135", 0], "sigmas": ["98", 0], "latent_image": ["109", 0]}, "class_type": "SamplerCustomAdvanced"},
      "114": {"inputs": {"noise_seed": 0}, "class_type": "RandomNoise"},
      "115": {"inputs": {"noise_seed": 12345}, "class_type": "RandomNoise"},
      "116": {"inputs": {"av_latent": ["113", 0]}, "class_type": "LTXVSeparateAVLatent"},
      "117": {"inputs": {"video_latent": ["118", 0], "audio_latent": ["116", 1]}, "class_type": "LTXVConcatAVLatent"},
      "118": {"inputs": {"samples": ["102", 2], "upscale_model": ["101", 0], "vae": ["138", 2]}, "class_type": "LTXVLatentUpsampler"},
      "119": {"inputs": {"noise": ["114", 0], "guider": ["103", 0], "sampler": ["136", 0], "sigmas": ["100", 0], "latent_image": ["117", 0]}, "class_type": "SamplerCustomAdvanced"},
      "121": {"inputs": {"text": "A cheerful girl puppet singing in the rain, close-up, soft lighting, photorealistic", "clip": ["99", 0]}, "class_type": "CLIPTextEncode"},
      "122": {"inputs": {"fps": ["129", 0], "images": ["126", 0], "audio": ["127", 0]}, "class_type": "CreateVideo"},
      "123": {"inputs": {"ckpt_name": "ltx-2-19b-dev-fp8.safetensors"}, "class_type": "LTXVAudioVAELoader"},
      "124": {"inputs": {"av_latent": ["119", 1]}, "class_type": "LTXVSeparateAVLatent"},
      "126": {"inputs": {"tile_size": 512, "overlap": 64, "temporal_size": 4096, "temporal_overlap": 8, "samples": ["124", 0], "vae": ["138", 2]}, "class_type": "VAEDecodeTiled"},
      "127": {"inputs": {"samples": ["124", 1], "audio_vae": ["123", 0]}, "class_type": "LTXVAudioVAEDecode"},
      "128": {"inputs": {"cfg": 4, "model": ["138", 0], "positive": ["107", 0], "negative": ["107", 1]}, "class_type": "CFGGuider"},
      "129": {"inputs": {"value": 24}, "class_type": "PrimitiveFloat"},
      "130": {"inputs": {"value": 24}, "class_type": "PrimitiveInt"},
      "132": {"inputs": {"lora_name": "ltx-2-19b-distilled-lora-384.safetensors", "strength_model": 1, "model": ["138", 0]}, "class_type": "LoraLoaderModelOnly"},
      "135": {"inputs": {"sampler_name": "euler_ancestral"}, "class_type": "KSamplerSelect"},
      "136": {"inputs": {"sampler_name": "euler_ancestral"}, "class_type": "KSamplerSelect"},
      "138": {"inputs": {"ckpt_name": "ltx-2-19b-dev-fp8.safetensors"}, "class_type": "CheckpointLoaderSimple"}
    },
    "extra_data": {}
  }'

响应：

json

{"prompt_id": "5af01c46-eeba-4978-9bbd-71d763c770d4", "number": 6, "node_errors": {}}

关键节点参数：

节点	字段	说明	推荐值
121	text	正向提示词（英文，动作描述）	—
111	width / height	输出分辨率（需被 32 整除）	1280 × 720
112	value	帧数（121 帧 ≈ 5s @ 24fps）	121
129 / 130	value	帧率（两处必须同步）	24
115	noise_seed	随机种子	任意整数
75	filename_prefix	输出文件名前缀（可含子目录）	`"video/LTX-2"`

两阶段采样：

阶段	节点	步数	分辨率
低清打底	98（LTXVScheduler）+ 113	20 步	输出 ×0.5
空间放大	118（LTXVLatentUpsampler）	—	×2
精修	100（ManualSigmas）+ 119	4 步	输出全尺寸

提示词技巧：

英文优先（文本编码器基于 Gemma-3）
动作 + 镜头 + 光影 + 质感四要素：A cheerful girl puppet singing in the rain, close-up, soft lighting, photorealistic
运镜：camera dolly out / slow pan / close-up

输出： MP4 静音视频，1280×720, 121帧, 24fps, 约5秒。视频在任务状态 outputs 的 images 字段（文件名 .mp4，同节点 animated 标记为视频），下载时需带 subfolder=video。

缓存坑：若提交的工作流与历史完全相同（尤其 seed 相同），ComfyUI 会命中 execution_cached 直接返回，outputs 可能为空。提交时换个随机 noise_seed 可避免。

1.4 提交图片编辑任务（FLUX.2 图生图）

POST /api/v1/ai/image/generate
Content-Type: application/json
Authorization: Bearer sk-xxx

使用 FLUX.2-klein-9b-kv-fp8 模型，通过 Reference Conditioning 技术实现图片编辑，支持换装、换背景、局部修改。仅需 4 步生成，速度极快。

前置条件： 需先通过 /api/v1/upload 上传输入图片。

bash

# 1. 上传图片（图1=主体，图2=服装参考）
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/upload" \
  -F "image=@/path/to/man.png" \
  -F "type=input"
# 返回: {"name": "man.png", "subfolder": "", "type": "input"}

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/upload" \
  -F "image=@/path/to/outfit.png" \
  -F "type=input"
# 返回: {"name": "outfit.png", "subfolder": "", "type": "input"}

# 2. 提交图片编辑工作流
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/image/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "122": {"class_type": "KSamplerSelect", "inputs": {"sampler_name": "euler"}},
      "126": {"class_type": "UNETLoader", "inputs": {"unet_name": "flux-2-klein-9b-kv-fp8.safetensors", "weight_dtype": "default"}},
      "133": {"class_type": "CLIPLoader", "inputs": {"clip_name": "qwen_3_8b_fp8mixed.safetensors", "type": "flux2", "device": "default"}},
      "138": {"class_type": "CFGGuider", "inputs": {"model": ["139", 0], "positive": ["132_121", 0], "negative": ["132_119", 0], "cfg": 1.0}},
      "127": {"class_type": "VAELoader", "inputs": {"vae_name": "flux2-vae.safetensors"}},
      "135": {"class_type": "CLIPTextEncode", "inputs": {"clip": ["133", 0], "text": "Have the man put on the clothes from Figure 2, keep same posture"}},
      "139": {"class_type": "FluxKVCache", "inputs": {"model": ["126", 0]}},
      "123": {"class_type": "SamplerCustomAdvanced", "inputs": {"noise": ["125", 0], "guider": ["138", 0], "sampler": ["122", 0], "sigmas": ["137", 0], "latent_image": ["129", 0]}},
      "125": {"class_type": "RandomNoise", "inputs": {"noise_seed": 720512742793301}},
      "124": {"class_type": "VAEDecode", "inputs": {"samples": ["123", 0], "vae": ["127", 0]}},
      "94":  {"class_type": "SaveImage", "inputs": {"images": ["124", 0], "filename_prefix": "Result"}},
      "685": {"class_type": "ConditioningZeroOut", "inputs": {"conditioning": ["135", 0]}},
      "137": {"class_type": "Flux2Scheduler", "inputs": {"width": ["128", 0], "height": ["128", 1], "steps": 4}},
      "129": {"class_type": "EmptyFlux2LatentImage", "inputs": {"width": ["128", 0], "height": ["128", 1], "batch_size": 1}},
      "128": {"class_type": "GetImageSize", "inputs": {"image": ["130", 0]}},
      "130": {"class_type": "ImageScaleToTotalPixels", "inputs": {"image": ["76", 0], "upscale_method": "lanczos", "megapixels": 1.0, "resolution_steps": 1}},
      "131": {"class_type": "ImageScaleToTotalPixels", "inputs": {"image": ["81", 0], "upscale_method": "lanczos", "megapixels": 1.0, "resolution_steps": 1}},
      "76": {"class_type": "LoadImage", "inputs": {"image": "man.png"}},
      "81": {"class_type": "LoadImage", "inputs": {"image": "outfit.png"}},
      "134_116": {"class_type": "ReferenceLatent", "inputs": {"conditioning": ["685", 0], "latent": ["134_117", 0]}},
      "134_117": {"class_type": "VAEEncode", "inputs": {"pixels": ["130", 0], "vae": ["127", 0]}},
      "134_118": {"class_type": "ReferenceLatent", "inputs": {"conditioning": ["135", 0], "latent": ["134_117", 0]}},
      "132_119": {"class_type": "ReferenceLatent", "inputs": {"conditioning": ["134_116", 0], "latent": ["132_120", 0]}},
      "132_120": {"class_type": "VAEEncode", "inputs": {"pixels": ["131", 0], "vae": ["127", 0]}},
      "132_121": {"class_type": "ReferenceLatent", "inputs": {"conditioning": ["134_118", 0], "latent": ["132_120", 0]}}
    }
  }'

响应：

json

{"prompt_id": "a1b2c3d4-...", "number": 100, "node_errors": {}}

关键节点参数：

节点	字段	说明	推荐值
76	image	主体图片文件名（需先上传）	上传返回的 `name`
81	image	服装/参考图片文件名	可与 76 相同（自我编辑）
135	text	编辑提示词（英文，Figure 1/2 指代图片）	—
125	noise_seed	随机种子	任意整数
137	steps	采样步数	4
94	filename_prefix	输出文件名前缀	—

提示词技巧：

换装："Have the man in Figure 1 put on the clothes from Figure 2, keep same posture"
改背景："Change background to African savannah, keep person unchanged"
局部修改：将图1图2设为同一张，写 "Remove the outer jacket, keep inner clothing only"

详细文档见 ComfyUI FLUX.2 编辑 Skill。

1.5 提交图片编辑任务（Qwen-Image-Edit）

POST /api/v1/ai/image/generate
Content-Type: application/json
Authorization: Bearer sk-xxx

使用 Qwen-Image-Edit-2511 模型，支持 Turbo 4步（Lightning LoRA）和 Native 40步两种模式，可做高质量图片编辑（换装、改背景、物体替换）。

前置条件： 需先通过 /api/v1/upload 上传输入图片。

bash

# 1. 上传图片
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/upload" \
  -F "image=@/path/to/input.png" \
  -F "type=input"
# 返回: {"name": "input.png", "subfolder": "", "type": "input"}

# 2. 提交 Turbo 模式编辑（4步，推荐）
curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/image/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "41": {"inputs": {"image": "input.png"}, "class_type": "LoadImage"},
      "83": {"inputs": {"image": "input.png"}, "class_type": "LoadImage"},
      "170:160": {"inputs": {"image": ["41", 0]}, "class_type": "FluxKontextImageScale"},
      "170:161": {"inputs": {"unet_name": "qwen_image_edit_2511_bf16.safetensors", "weight_dtype": "default"}, "class_type": "UNETLoader"},
      "170:162": {"inputs": {"clip_name": "qwen_2.5_vl_7b_fp8_scaled.safetensors", "type": "qwen_image", "device": "default"}, "class_type": "CLIPLoader"},
      "170:146": {"inputs": {"vae_name": "qwen_image_vae.safetensors"}, "class_type": "VAELoader"},
      "170:145": {"inputs": {"shift": 3.1, "model": ["170:161", 0]}, "class_type": "ModelSamplingAuraFlow"},
      "170:152": {"inputs": {"strength": 1.0, "model": ["170:145", 0]}, "class_type": "CFGNorm"},
      "170:156": {"inputs": {"pixels": ["170:160", 0], "vae": ["170:146", 0]}, "class_type": "VAEEncode"},
      "170:168": {"inputs": {"value": false}, "class_type": "PrimitiveBoolean"},
      "170:165": {"inputs": {"value": 4}, "class_type": "PrimitiveInt"},
      "170:166": {"inputs": {"value": 40}, "class_type": "PrimitiveInt"},
      "170:154": {"inputs": {"value": 1.0}, "class_type": "PrimitiveFloat"},
      "170:155": {"inputs": {"value": 4.0}, "class_type": "PrimitiveFloat"},
      "170:149": {"inputs": {"prompt": "", "clip": ["170:162", 0], "vae": ["170:146", 0], "image1": ["170:160", 0], "image2": ["83", 0]}, "class_type": "TextEncodeQwenImageEditPlus"},
      "170:147": {"inputs": {"reference_latents_method": "index_timestep_zero", "conditioning": ["170:149", 0]}, "class_type": "FluxKontextMultiReferenceLatentMethod"},
      "170:151": {"inputs": {"prompt": "Remove the jacket, keep the T-shirt underneath", "clip": ["170:162", 0], "vae": ["170:146", 0], "image1": ["170:160", 0], "image2": ["83", 0]}, "class_type": "TextEncodeQwenImageEditPlus"},
      "170:148": {"inputs": {"reference_latents_method": "index_timestep_zero", "conditioning": ["170:151", 0]}, "class_type": "FluxKontextMultiReferenceLatentMethod"},
      "170:153": {"inputs": {"lora_name": "Qwen-Image-Edit-2511-Lightning-4steps-V1.0-bf16.safetensors", "strength_model": 1.0, "model": ["170:152", 0]}, "class_type": "LoraLoaderModelOnly"},
      "170:163": {"inputs": {"switch": ["170:168", 0], "on_false": ["170:152", 0], "on_true": ["170:153", 0]}, "class_type": "ComfySwitchNode"},
      "170:164": {"inputs": {"switch": ["170:168", 0], "on_false": ["170:154", 0], "on_true": ["170:155", 0]}, "class_type": "ComfySwitchNode"},
      "170:167": {"inputs": {"switch": ["170:168", 0], "on_false": ["170:166", 0], "on_true": ["170:165", 0]}, "class_type": "ComfySwitchNode"},
      "170:169": {"inputs": {"seed": 1234567890, "steps": ["170:167", 0], "cfg": ["170:164", 0], "sampler_name": "euler", "scheduler": "simple", "denoise": 1.0, "model": ["170:163", 0], "positive": ["170:148", 0], "negative": ["170:147", 0], "latent_image": ["170:156", 0]}, "class_type": "KSampler"},
      "170:158": {"inputs": {"samples": ["170:169", 0], "vae": ["170:146", 0]}, "class_type": "VAEDecode"},
      "9": {"inputs": {"filename_prefix": "Qwen_Edit_2511", "images": ["170:158", 0]}, "class_type": "SaveImage"}
    },
    "extra_data": {}
  }'

响应：

json

{"prompt_id": "e5f6g7h8-...", "number": 101, "node_errors": {}}

关键节点参数：

节点	字段	说明	推荐值
41	image	输入图片文件名（需先上传）	上传返回的 `name`
83	image	参考图片文件名（可同 41 = 自我编辑）	上传返回的 `name`
170:151	prompt	编辑提示词（英文）	—
170:168	value	Turbo 模式开关（`false`=Native 40步）	`false`
170:165	value	Turbo 步数	4
170:169	seed	随机种子	任意整数
9	filename_prefix	输出文件名前缀	—

Turbo vs Native：

模式	步数	CFG	速度	质量
Turbo (Lightning LoRA)	4	1.0	~2-6s	好
Native	40	4.0	~15-20s	更好

切换方式：将节点 170:168 的 value 改为 true（启用 Turbo / Lightning LoRA）。

提示词推荐：

换装："Have the person in image 1 wear the clothes from image 2"
改背景："Change the background of image 1 to a sunny beach"
去除物体："Remove the jacket, keep the T-shirt underneath"
物体替换："Replace the red wine with flowers"

详细文档见 ComfyUI Qwen 图片编辑 Skill。

1.6 查询任务状态

GET /api/v1/ai/tasks/{prompt_id}
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/ai/tasks/0871f625-65f6-4d2f-abd8-0b248dafa58f"

响应（进行中）：

json

{
  "0871f625-...": {
    "prompt": [...],
    "outputs": {},
    "status": { "status_str": "success", "completed": false }
  }
}

响应（已完成）：

json

{
  "0871f625-...": {
    "status": { "status_str": "success", "completed": true },
    "outputs": {
      "9": {
        "images": [
          { "filename": "output_00001_.png", "subfolder": "", "type": "output" }
        ]
      }
    }
  }
}

1.7 查看生成的图片

GET /api/v1/ai/image/view/?filename={filename}&type={type}&subfolder={subfolder}
Authorization: Bearer sk-xxx

参数值来自任务状态响应中的 outputs 字段。

bash

# 命令行下载
curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/ai/image/view/?filename=output_00001_.png&type=output&subfolder=" -o output.png

1.8 上传图片

POST /api/v1/upload
Content-Type: multipart/form-data
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/upload" \
  -F "image=@/path/to/image.png" \
  -F "overwrite=true"

最大文件大小: 50MB。

1.9 查询队列状态

GET /api/v1/ai/queue
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/ai/queue"

响应：

json

{
  "queue_running": [],
  "queue_pending": []
}

完整示例：生成小狗图片

bash

# 1. 提交任务
RESPONSE=$(curl -s -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/ai/image/generate" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": {
      "62": {"inputs": {"clip_name": "qwen_3_4b.safetensors", "type": "lumina2", "device": "default"}, "class_type": "CLIPLoader"},
      "63": {"inputs": {"vae_name": "ae.safetensors"}, "class_type": "VAELoader"},
      "66": {"inputs": {"unet_name": "z_image_bf16.safetensors", "weight_dtype": "default"}, "class_type": "UNETLoader"},
      "67": {"inputs": {"text": "A cute fluffy golden retriever puppy, big shiny eyes, sitting on grass, sunny day, photorealistic", "clip": ["62", 0]}, "class_type": "CLIPTextEncode"},
      "68": {"inputs": {"width": 1024, "height": 1024, "batch_size": 1}, "class_type": "EmptySD3LatentImage"},
      "69": {"inputs": {"seed": 12345, "steps": 30, "cfg": 4.5, "sampler_name": "res_multistep", "scheduler": "simple", "denoise": 1, "model": ["70", 0], "positive": ["67", 0], "negative": ["71", 0], "latent_image": ["68", 0]}, "class_type": "KSampler"},
      "70": {"inputs": {"shift": 3, "model": ["66", 0]}, "class_type": "ModelSamplingAuraFlow"},
      "71": {"inputs": {"text": "blurry, low quality, distorted", "clip": ["62", 0]}, "class_type": "CLIPTextEncode"},
      "65": {"inputs": {"samples": ["69", 0], "vae": ["63", 0]}, "class_type": "VAEDecode"},
      "9": {"inputs": {"filename_prefix": "puppy", "images": ["65", 0]}, "class_type": "SaveImage"}
    }
  }')

PROMPT_ID=$(echo $RESPONSE | python3 -c "import sys,json; print(json.load(sys.stdin)['prompt_id'])")
echo "任务 ID: $PROMPT_ID"

# 2. 等待约30秒后查询状态
sleep 30
STATUS=$(curl -s -H "Authorization: Bearer $API_KEY" "$GW/api/v1/ai/tasks/$PROMPT_ID")

# 3. 提取文件名并下载
FILENAME=$(echo $STATUS | python3 -c "
import sys,json
d=json.load(sys.stdin)
for node in d.values():
    for out in node.get('outputs',{}).values():
        for img in out.get('images',[]):
            print(img['filename']); exit()
")

curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/ai/image/view/?filename=$FILENAME&type=output&subfolder=" -o puppy.png
echo "图片已保存到 puppy.png"

2. bge-m3 — Embedding 向量化

内部地址: 192.168.1.236:20083 模型: bge_m3 维度: 1024 无需后端 Bearer Token

2.1 查看可用模型

GET /api/v1/embed/models
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/embed/models"

响应：

json

{
  "object": "list",
  "data": [
    { "id": "bge_m3", "object": "model", "owned_by": "vllm", "max_model_len": 8192 }
  ]
}

2.2 文本向量化

POST /api/v1/embed/embeddings
Content-Type: application/json
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/embed/embeddings" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge_m3",
    "input": "人工智能改变了世界"
  }'

批量输入：

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/embed/embeddings" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge_m3",
    "input": ["第一段文本", "第二段文本", "第三段文本"]
  }'

响应：

json

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [-0.0641, 0.0111, -0.0142, ...]
    }
  ],
  "model": "bge_m3",
  "usage": { "prompt_tokens": 7, "total_tokens": 7 }
}

兼容性： 接口兼容 OpenAI Embedding API，可直接替换 api.openai.com 基础地址。

3. bge-reranker — 重排序

内部地址: 192.168.1.236:20080 模型: bge_reranker_v3 无需后端 Bearer Token

3.1 查看可用模型

GET /api/v1/rerank/models
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" "$GW/api/v1/rerank/models"

3.2 文本重排序

POST /api/v1/rerank/rerank
Content-Type: application/json
Authorization: Bearer sk-xxx

bash

curl -H "Authorization: Bearer $API_KEY" -X POST "$GW/api/v1/rerank/rerank" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge_reranker_v3",
    "query": "什么是机器学习",
    "documents": [
      "机器学习是人工智能的一个子领域",
      "今天天气很好",
      "深度学习使用神经网络来学习数据表示"
    ]
  }'

响应：

json

{
  "results": [
    { "index": 0, "relevance_score": 0.9956, "document": { "text": "机器学习是人工智能的一个子领域" } },
    { "index": 2, "relevance_score": 0.0860, "document": { "text": "深度学习使用神经网络来学习数据表示" } },
    { "index": 1, "relevance_score": 0.0000, "document": { "text": "今天天气很好" } }
  ]
}

兼容性： 接口兼容 Cohere/Jina Rerank API。

4. SearXNG — 聚合搜索

内部地址: 192.168.1.236:8888 无需后端 Bearer Token

4.1 搜索

GET /api/v1/search?q={query}&format=json
Authorization: Bearer sk-xxx

通过公网网关（需 Bearer Token）：

bash

curl -H "Authorization: Bearer $API_KEY" \
  "https://ai.ospreyai.cn/api/v1/search?q=人工智能&format=json"

内网直连（无需鉴权）：

bash

curl "http://192.168.1.236:8888/search?q=人工智能&format=json"

参数：

参数	说明	示例
q	搜索关键词	`人工智能`
format	返回格式（必须为 json）	`json`
categories	搜索类别	`general`, `images`, `news`
language	语言	`zh`, `en`
pageno	页码	`1`, `2`

响应（摘要）：

json

{
  "query": "人工智能",
  "number_of_results": 205000,
  "results": [
    {
      "title": "人工智能_百度百科",
      "url": "https://baike.baidu.com/item/人工智能",
      "content": "人工智能（Artificial Intelligence）...",
      "engine": "bing",
      "engines": ["bing"],
      "score": 100.0
    }
  ],
  "unresponsive_engines": [["baidu", "Suspended: CAPTCHA"]]
}

Python 调用示例

通过公网网关（需 Bearer Token）：

python

import requests

API_KEY = "sk-your-api-key"

response = requests.get(
    "https://ai.ospreyai.cn/api/v1/search",
    params={"q": "AI agent framework", "format": "json"},
    headers={"Authorization": f"Bearer {API_KEY}"}
)
results = response.json()["results"]
for r in results[:5]:
    print(f"{r['title']}: {r['url']}")

内网直连（无需鉴权）：

python

import requests

response = requests.get(
    "http://192.168.1.236:8888/search",
    params={"q": "AI agent framework", "format": "json"}
)
results = response.json()["results"]
for r in results[:5]:
    print(f"{r['title']}: {r['url']}")

调用方式对比

	内网直连	公网网关
地址	`192.168.1.236:8888`	`ai.ospreyai.cn`
鉴权	无	`Authorization: Bearer sk-xxx`
路径	`/search`	`/api/v1/search`
限流	无	60次/分/IP
适用场景	内网服务间调用	外部/前端公网调用

5. RAGFlow — RAG 知识库

内部地址: 192.168.1.236:1280需要后端 Bearer Token（通过 X-Authorization 传入）

鉴权方式

RAGFlow API Key 在 RAGFlow Web 界面中生成，格式为 ragflow-xxxxxx。

所有请求必须同时携带：

Authorization: Bearer sk-xxx — 网关层鉴权
X-Authorization: Bearer <ragflow-api-key> — 后端鉴权

5.1 列出知识库

GET /api/v1/rag/datasets
Authorization: Bearer sk-xxx
X-Authorization: Bearer ragflow-xxxxxx

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer ragflow-xxxxxx" \
  "$GW/api/v1/rag/datasets"

5.2 创建知识库

POST /api/v1/rag/datasets
Content-Type: application/json
Authorization: Bearer sk-xxx
X-Authorization: Bearer ragflow-xxxxxx

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer ragflow-xxxxxx" \
  -H "Content-Type: application/json" \
  -X POST "$GW/api/v1/rag/datasets" \
  -d '{"name": "我的知识库"}'

5.3 对话

POST /api/v1/rag/chats
Authorization: Bearer sk-xxx
X-Authorization: Bearer ragflow-xxxxxx
Content-Type: application/json

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer ragflow-xxxxxx" \
  -H "Content-Type: application/json" \
  -X POST "$GW/api/v1/rag/chats" \
  -d '{
    "question": "什么是深度学习？",
    "dataset_ids": ["你的知识库ID"]
  }'

Python 调用示例

python

import requests

session = requests.Session()
session.headers.update({
    "Authorization": "Bearer sk-your-api-key",
    "X-Authorization": "Bearer ragflow-xxxxxx",
    "Content-Type": "application/json"
})

BASE = "https://ai.ospreyai.cn/api/v1/rag"

# 列出知识库
resp = session.get(f"{BASE}/datasets")
print(resp.json())

6. Dify — 工作流编排

内部地址: 192.168.1.236:80需要后端 Bearer Token（通过 X-Authorization 传入）

鉴权方式

Dify API Key 在 Dify Web 界面中生成，格式为 app-xxxxxx。

所有请求必须同时携带：

Authorization: Bearer sk-xxx — 网关层鉴权
X-Authorization: Bearer <dify-api-key> — 后端鉴权

6.1 工作流对话（阻塞模式）

POST /api/v1/ai/workflow/chat-messages
Content-Type: application/json
Authorization: Bearer sk-xxx
X-Authorization: Bearer app-xxxxxx

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer app-xxxxxx" \
  -H "Content-Type: application/json" \
  -X POST "$GW/api/v1/ai/workflow/chat-messages" \
  -d '{
    "inputs": {},
    "query": "你好，请介绍一下自己",
    "response_mode": "blocking",
    "conversation_id": "",
    "user": "api-user"
  }'

6.2 工作流对话（流式模式）

POST /api/v1/ai/workflow/chat-messages
Content-Type: application/json
Authorization: Bearer sk-xxx
X-Authorization: Bearer app-xxxxxx

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer app-xxxxxx" \
  -H "Content-Type: application/json" \
  -X POST "$GW/api/v1/ai/workflow/chat-messages" \
  -d '{
    "inputs": {},
    "query": "你好",
    "response_mode": "streaming",
    "conversation_id": "",
    "user": "api-user"
  }'

响应（流式）： 返回 SSE 事件流，event: message 包含增量内容。

6.3 获取工作流参数

GET /api/v1/ai/workflow/parameters
Authorization: Bearer sk-xxx
X-Authorization: Bearer app-xxxxxx

bash

curl -H "Authorization: Bearer $API_KEY" \
  -H "X-Authorization: Bearer app-xxxxxx" \
  "$GW/api/v1/ai/workflow/parameters"

Python 调用示例

python

import requests

session = requests.Session()
session.headers.update({
    "Authorization": "Bearer sk-your-api-key",
    "X-Authorization": "Bearer app-xxxxxx",
    "Content-Type": "application/json"
})

BASE = "https://ai.ospreyai.cn/api/v1/ai/workflow"

# 阻塞模式对话
resp = session.post(f"{BASE}/chat-messages", json={
    "inputs": {},
    "query": "你好",
    "response_mode": "blocking",
    "conversation_id": "",
    "user": "api-user"
})
print(resp.json())

AI 助手对话式接入

本网关提供 Skill 文件，可被 AI 智能体学习并通过自然语言对话调用 API。主要场景为龙虾（OpenClaw）智能体接入，同时兼容 Claude Code、Cursor 等 AI 助手。

什么是龙虾（OpenClaw）

龙虾（OpenClaw）是团队内部的 AI 智能体平台，支持通过加载 Skill 文件扩展能力。将网关 Skill 文件导入龙虾智能体后，即可在对话中直接调用 ComfyUI 图片生成、视频生成等 API，无需手动编写 curl 命令。

可用 Skill 列表

Skill	下载地址	功能
ComfyUI 图片生成	`https://ai.ospreyai.cn/docs/raw/skills/comfyui-image-generation.md`	文生图，1024×1024
ComfyUI 视频生成	`https://ai.ospreyai.cn/docs/raw/skills/comfyui-video-generation.md`	图生视频，Wan2.2 I2V
ComfyUI 关键帧视频	`https://ai.ospreyai.cn/docs/raw/skills/comfyui-keyframes-video-generation.md`	6 关键帧首尾帧视频，Wan2.2 FLF2V

方式一：龙虾智能体在线学习（推荐）

在龙虾对话中发送以下指令，智能体会自动下载并学习 Skill 内容：

学习：https://ai.ospreyai.cn/docs/raw/skills/comfyui-image-generation.md，保存为本地的技能 skills

学习：https://ai.ospreyai.cn/docs/raw/skills/comfyui-video-generation.md，保存为本地的技能 skills

学习：https://ai.ospreyai.cn/docs/raw/skills/comfyui-keyframes-video-generation.md，保存为本地的技能 skills

学习完成后，龙虾智能体会：

理解 API 调用流程（提交工作流 → 轮询状态 → 下载结果）
将 Skill 保存到本地技能目录
后续对话中自动匹配触发词，按 Skill 流程调用 API

方式二：手动加载

先下载 Skill 文件到本地，再让智能体读取：

bash

# 创建技能目录并下载
mkdir -p .skills
curl https://ai.ospreyai.cn/docs/raw/skills/comfyui-image-generation.md -o .skills/comfyui-image-generation.md
curl https://ai.ospreyai.cn/docs/raw/skills/comfyui-video-generation.md -o .skills/comfyui-video-generation.md

然后在对话中：

请阅读 .skills/comfyui-image-generation.md，学习 ComfyUI 图片生成技能。
之后我说"生成一张 xxx 的图片"时，按此 Skill 的流程调用 API。

对话使用示例

学习 Skill 后，可在龙虾中直接用自然语言触发：

你说的话	智能体执行的动作
"生成一张可爱小狗的图片"	提交工作流 → 轮询状态 → 下载 PNG
"用 50 步采样生成一张风景照"	修改 `steps=50`，提交 → 轮询 → 下载
"查看当前队列状态"	调用 `GET /api/v1/ai/queue`
"换个种子重新生成"	更换 `seed` 值，重新提交工作流
"把这张图片生成一段视频"	提交 I2V 工作流 → 轮询 → 下载 MP4

环境变量配置

对话中使用前，需确保智能体知道以下信息：

网关地址: https://ai.ospreyai.cn
API Key:  sk-your-api-key（需提前申请）

可在项目根目录创建 .env 文件或在对话中直接告知智能体。

错误码参考

HTTP 状态码	含义	处理建议
200	请求成功	—
400	请求参数错误	检查请求体格式
401	鉴权失败	检查 Bearer Token 是否有效
404	路径不存在或资源未找到	检查 URL 路径和 prompt_id
429	请求被限流	降低请求频率，稍后重试
503	后端服务不可用	检查内网服务是否运行

401 常见原因：

场景	原因	解决方案
所有 API 返回 401	Bearer Token 无效或过期	检查 sk-xxx key 是否正确
所有 API 返回 401	缺少 Authorization header	添加 `-H "Authorization: Bearer sk-xxx"`
RAGFlow/Dify 返回 401	未传 `X-Authorization`	添加 `-H "X-Authorization: Bearer <token>"`
RAGFlow/Dify 返回 401	后端 Bearer Token 无效	检查 API Key 是否正确、是否过期

AI API Gateway — API 调用手册 ​

目录 ​

通用说明 ​

鉴权 ​

Bearer Token 透传（RAGFlow / Dify 专用） ​

限流 ​

环境变量 ​

1. ComfyUI — 图像/视频生成 ​

1.1 提交图像生成任务 ​

1.2 提交视频生成任务（图生视频） ​

1.3 提交视频生成任务（LTX-2 文生视频） ​

1.4 提交图片编辑任务（FLUX.2 图生图） ​

1.5 提交图片编辑任务（Qwen-Image-Edit） ​

1.6 查询任务状态 ​

1.7 查看生成的图片 ​

1.8 上传图片 ​

1.9 查询队列状态 ​

完整示例：生成小狗图片 ​

2. bge-m3 — Embedding 向量化 ​

2.1 查看可用模型 ​

2.2 文本向量化 ​

3. bge-reranker — 重排序 ​

3.1 查看可用模型 ​

3.2 文本重排序 ​

4. SearXNG — 聚合搜索 ​

4.1 搜索 ​

Python 调用示例 ​

调用方式对比 ​

5. RAGFlow — RAG 知识库 ​

鉴权方式 ​

5.1 列出知识库 ​

5.2 创建知识库 ​

5.3 对话 ​

Python 调用示例 ​

6. Dify — 工作流编排 ​

鉴权方式 ​

6.1 工作流对话（阻塞模式） ​

6.2 工作流对话（流式模式） ​

6.3 获取工作流参数 ​

Python 调用示例 ​

AI 助手对话式接入 ​

什么是龙虾（OpenClaw） ​

可用 Skill 列表 ​

方式一：龙虾智能体在线学习（推荐） ​

方式二：手动加载 ​

对话使用示例 ​

环境变量配置 ​

错误码参考 ​

AI API Gateway — API 调用手册

目录

通用说明

鉴权

Bearer Token 透传（RAGFlow / Dify 专用）

限流

环境变量

1. ComfyUI — 图像/视频生成

1.1 提交图像生成任务

1.2 提交视频生成任务（图生视频）

1.3 提交视频生成任务（LTX-2 文生视频）

1.4 提交图片编辑任务（FLUX.2 图生图）

1.5 提交图片编辑任务（Qwen-Image-Edit）

1.6 查询任务状态

1.7 查看生成的图片

1.8 上传图片

1.9 查询队列状态

完整示例：生成小狗图片

2. bge-m3 — Embedding 向量化

2.1 查看可用模型

2.2 文本向量化

3. bge-reranker — 重排序

3.1 查看可用模型

3.2 文本重排序

4. SearXNG — 聚合搜索

4.1 搜索

Python 调用示例

调用方式对比

5. RAGFlow — RAG 知识库

鉴权方式

5.1 列出知识库

5.2 创建知识库

5.3 对话

Python 调用示例

6. Dify — 工作流编排

鉴权方式

6.1 工作流对话（阻塞模式）

6.2 工作流对话（流式模式）

6.3 获取工作流参数

Python 调用示例

AI 助手对话式接入

什么是龙虾（OpenClaw）

可用 Skill 列表

方式一：龙虾智能体在线学习（推荐）

方式二：手动加载

对话使用示例

环境变量配置

错误码参考