nova ai必须通过api批量调用+自动化脚本处理327张模糊截图，包括健康检查、分片提交（每批48张）、可重试请求、异步轮询及nas存储与邮件通知全流程。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要在1小时内处理327张用户上传的模糊截图，还要把结果自动存进公司NAS并触发邮件通知——Nova AI不是靠点击WebUI完成这种任务的，它必须通过API批量调用+自动化脚本串联整个流水线，否则每张图手动点一次，光等待加载就耗掉你大半天。
确认Nova API服务已就绪
打开终端，执行 curl -X GET "http://localhost:8000/health" -H "Authorization: Bearer your-api-key"。返回 {"status":"healthy","version":"nova-pro-v2.4.1"} 才能继续；如果报 connection refused，说明 nova-server 没启动，别急着写脚本，先运行 nohup python -m nova_server --port 8000 --model-path ./models/nova-pro-quantized &。
【必须确保 model-path 指向的是已量化后的模型目录，原始FP16权重会直接爆显存】
构造批量请求体：JSON数组还是分片提交？
方法一：单次提交全部任务（适合≤50张图）
把327张图的base64编码塞进一个JSON数组，字段名为 "images"，每个元素含 "id"、"data"、"options"。注意 total size 不得超过16MB，超了会返回 413 Payload Too Large。
方法二：按每批48张分片（推荐用于300+任务）
用Python脚本读取图片目录，os.listdir() → 按文件名排序 → 每48个一组 → 调用 requests.post() 发送。为什么是48？因为Nova Pro在T4卡上单批处理48张1080p图时，GPU显存占用稳定在92%，再加1张就会触发OOM Killer杀进程。
编写可重试的批量调用脚本
第一步：安装依赖 pip install requests tqdm
第二步：创建 batch_enhance.py，开头写 #!/usr/bin/env python3
第三步：定义 retry_session() 函数，内置3次指数退避，每次失败后 sleep(2**retry_num * 0.5) 秒；不用 requests.Session() 直接发，否则连接池耗尽会导致后续请求卡死。
第四步：循环发送每批请求，收到 status_code == 200 后解析 response.json()["results"]，提取每个 result["enhanced_image_url"] 和 result["task_id"]。
第五步：把所有 task_id 写入 ./logs/batch_20260709_taskids.txt，供后续状态轮询用。
异步轮询任务状态并触发下游动作
执行 python poll_status.py --task-list ./logs/batch_20260709_taskids.txt --interval 15。
脚本内部用 requests.get("http://localhost:8000/v1/tasks/{task_id}") 获取单个任务状态，只当 status 字段为 "completed" 且 output_url 非空时，才调用 wget 下载图片到 /mnt/nas/enhanced/20260709/ 目录。
下载完成后立即执行 subprocess.run(["/usr/local/bin/sendmail", "-t"], input=f"To: ops@company.com\nSubject: Nova Batch Done\n\n{len(completed_urls)} images saved.")，这一步不能漏掉 -t 参数，否则 sendmail 会拒绝解析邮件头。
大量免费API接口：立即使用
涵盖生活服务API、金融科技API、企业工商API、等相关的API接口服务。免费API接口可安全、合规地连接上下游，为数据API应用能力赋能！
