TokenLab API 整合
功能概述
TokenLab API 整合是一项面向实际任务的技能,主要用于用于为 TokenLab 聊天、图像、音频、视频和其他API 家庭提供可运行的整合工作的构建;此技能应该提供什么;
核心要点
- 最小的 runnab。
- 它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
使用与执行
该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
结果检查与注意事项
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
TokenLab API 集成
专为在编码智能体(coding agents)中实现 TokenLab 的聊天、图像、音频、视频及其他 API 系列的可运行集成而构建。
该技能应交付的内容
- 一个最小化、可直接运行的示例,依赖尽可能少的组件。
- 运行该示例所需的精确基础 URL、认证方式、安装命令及环境变量。
- 一份简明说明:何时应沿用 OpenAI 兼容路径,何时应切换至原生 Anthropic 或 Gemini 路径。
- 对于非聊天类 API,在硬编码请求结构前,需先执行模型发现(model discovery)或契约校验(contract check)。
- 提供一个在 TokenLab 上合理可行的默认模型选择,而非泛用占位符。
- 简要说明当模型、端点或路由猜测错误时,面向智能体(agent-first)的恢复路径。
推荐做法
- 首先明确用户的目标、输入内容及所需交付成果。
- 行动前先阅读
references/usage-notes.md。
- 先产出一个具体可运行的输出,再补充说明性内容。
- 遵循以下操作规则:
- 从最小可用示例起步,避免过早引入抽象层或辅助工具层。
- 显式声明基础 URL,并确保环境配置代码块可直接复制粘贴使用。
- 若模型选择开放,请通过
/v1/models 或 https://api.tokenlab.sh/llms.txt 展示模型发现方法,而非硬编码单一选项。
- 对于非聊天类模型选择,优先使用
GET /v1/models?recommended_for=,其中 取值范围为:image、video、music、3d、tts、stt、embedding、rerank 或 translation。
- 重试失败的非聊天类请求前,须调用
GET /v1/models/:model 并严格对齐其公开契约,包括 supported_operations、supported_parameters、request_endpoint、request_shape_mode 与 recommended_request。
- 仅当请求明确需要厂商特定行为(provider-specific behavior)时,才使用原生 Anthropic 或 Gemini 示例。
输出格式
- 一句简短导语,说明该示例的功能。
- 仅一个可运行的代码块。
- 一个 Shell 配置代码块,同时包含依赖安装命令与精确的环境变量导出语句。
- 一段简短的模型发现说明。
- 一段简短的路由说明,解释何时应保持 OpenAI 兼容路径,以及何时响应头(response header)或厂商特定功能提示应切换至原生 Anthropic 或 Gemini 路径。
禁止事项
- 预期为可运行代码时,不得返回伪代码(pseudo-code)。
- 不得隐藏必需的环境变量、认证请求头(auth headers)或基础 URL。
- 未经具体示例或权威来源支撑,不得夸大宣称价格、速度或兼容性。
- 不得断言平台全局模型总数;除非直接引用当前 API 响应结果,否则统一表述为“数百个模型”(hundreds of models)。
- 不得静默丢弃不支持的非聊天类字段。若移除某字段将影响用户意图、安全性、计费逻辑或响应保障,则必须暴露契约错误并执行“安全失败”(fail closed)。
输入
- 自然语言形式的用户请求
- 引用的文件或 URL
- 如存在,已有的项目上下文
输出
- 一个具体的交付成果、建议或实现结果
- 必要时附带关于假设、注意事项或后续动作的简短说明
边界情况
- 若必需输入缺失,须明确指出缺失项。
- 若请求仅部分匹配本技能能力,应处理匹配部分,并清晰界定其余部分的范围。
- 若出现风险、安全或合规性问题,须在生成最终输出前予以揭示。