技能介绍

背景与挑战

在 Agent 工作流中引入多模态能力通常很繁琐。开发者往往需要手动拼接 curl 命令、处理不同接口的参数差异，以及应对异步任务的轮询逻辑。Agnes AI Generation 技能正是为了解决这些工程痛点而生，它通过封装底层 HTTP 请求，让 Agent 能够稳定地调用 Agnes 的文本、图像和视频生成 API。

工作原理与核心能力

该技能的核心在于 scripts/agnes_api.py，它提供了一套标准化的调用入口，涵盖了从流式文本输出到复杂视频生成的多种场景。

统一接口：支持文本对话（agnes-2.0-flash）、图像生成（agnes-image-2.1-flash）以及视频生成（agnes-video-v2.0）。
异步任务处理：针对视频生成，技能遵循“创建任务 -> 轮询状态 -> 获取结果”的工作流。脚本会自动处理 video_id 的查询逻辑，仅在必要时回退至旧版的 task_id。
参数校验：在发送请求前，脚本会严格验证图像尺寸、视频帧数（要求 num_frames 为 $8n + 1$）及帧率，避免无效请求产生。
提示词优化：对于非英文输入，技能会自动将提示词转换为流畅的英文，同时保留具体的视觉细节和运镜指令，以提高生成的稳定性。

适用边界与注意点

虽然该技能覆盖了大部分生成场景，但在使用时仍需注意以下限制：

工具调用（Tool Calling）：Agnes 对 Responses API 的多轮函数调用支持尚不稳定，不建议用于需要自主决策的 Agent 循环。建议仅将其视为“尽力而为”的请求格式兼容。
验证状态：虽然基础文本、图像及部分视频功能已通过实机验证，但多图像视频和关键帧动画的端到端流程（特别是最终 URL 获取）尚未完全确认。
错误处理：视频生成属于异步操作，可能会遇到供应商侧的错误（如除零错误）。在集成时，请确保保留重试机制并清晰上报错误信息。