三剪客 · 长文自动生产线

## ⚠️ 先申请你自己的 API Key
本 Skill 不内嵌任何密钥,也不代付费用。 请到
算力集市 api.a7w.cn 注册并创建你自己的 API Key
(新用户有赠送点数,可以先免费试跑几次)。
拿到后填进环境变量 A7W_API_KEY,或直接传给 --key 参数。
请勿使用他人提供的 Key —— 用量与费用都记在 Key 所属账号上。

能做什么

给一个主题,一条链路跑完一篇可发布的长文:选题角度 → 大纲 → 正文 → 配图 → 平台适配。

它替代的不是"写不出来",而是"写之前先想清楚"和"写完之后还要改三遍"这两段:
想不清角度,写出来的就是一篇正确但没人转发的文章;
不做平台适配,同一篇稿子发到头条和知乎就是两个效果。

七个独立子命令,每一步的产出都能单独拿去用:

子命令做什么产出
outline出选题角度 + 大纲4 个互不重叠的角度(受众 / 钩子 / 凭什么)+ 选定角度 + 分节大纲(每节计划字数与要点)
write按大纲写正文标题 + 摘要 + 2500~4500 字正文 + 结尾引导
images按正文出配图方案 + 出图自动决定画什么、几张、什么比例,先报价再出图
adapt长文改写成平台版公众号 / 头条 / 知乎版(各自字数区间与结构要求不同)
all串起全链路outline.md + article.md + images/ + adapt-*.json + 合并稿 + 质检报告
cost只算钱预估 token 与点数,一次调用都不发
models现查在架模型模型清单(免费)
你最关心答案
多少钱出图有实测价(1K = 24 点/张);文本只出 token,金额要你自己传 --yuan-per-ktok
要多久实测:大纲 ~8s、正文 ~12~17s、一张图 ~40s、一个平台版 ~10s
要装什么什么都不用装。只用 Python 标准库
中断了怎么办断点续跑:已完成的步骤直接跳过,重跑不重复扣费;但出图断点按「分辨率 + 提示词内容」判定——提示词改一个字、或 --resolution 换一档就重出重扣(是不是真花这笔钱由你决定,成本警告见排错表末)
会瞎编数据吗提示词写死了"不编数据、不编人名机构、不做效果承诺",并用合规闸门兜底
配图比例准不准只认文件头里的真实像素,不信接口自报;容差 3%,容差内也打印偏差

一篇长文的四件套

write 产出的每一篇都必须齐这四件,缺一项会被闸门标红:

  1. 标题 —— 要具体,不许是「关于 XX 的思考」这类泛题
  2. 摘要 —— 一句话说清"读完能拿走什么"(30~70 字)
  3. 正文 —— Markdown,3~6 个小标题分节,含至少一处具体例子与一处常见误区
  4. 结尾引导 —— 最后两段里要有具体的关注 / 在看 / 收藏 / 评论动作

第 4 项是"能发的文章"与"写完的草稿"的分水岭。没有结尾引导,读者读完就走。

怎么用(命令行)

第 0 步:获取 API Key

到 api.a7w.cn 注册,创建一个 API Key(形如 sk-...)。

第 1 步:装依赖

零依赖。 不需要 pip install 任何东西,只要机器上有 Python 3.7+:

python3 --version

包里自带的 scripts/a7w.py 是零依赖客户端(只用 urllib / json / mimetypes),
scripts/run.py 与 scripts/imgprobe.py 也只用标准库。

约定:scripts/a7w.py 是所有 Skill 包共用的零依赖客户端,我们靠
「包内副本 SHA256 == 规范版」批量校验各包的客户端有没有被意外改坏。
所以本包没有为了自己的业务去改它——长文生产线需要的东西全写在 run.py 里,
读图片像素的能力放在独立的 imgprobe.py 里。

第 2 步:填 Key

# Linux / macOS
export A7W_API_KEY=sk-你的key

# Windows PowerShell
$env:A7W_API_KEY="sk-你的key"

也可以存进配置文件反复用(推荐):

python3 scripts/a7w.py login --key sk-你的key

第 3 步:先确认网关通(免费,不花点数)

python3 scripts/run.py models --type text

这个命令打的是 GET https://api.a7w.cn/api/v1/models,会列出当前在架的模型。

模型名会变,一定用 models 子命令现查,别写死在脚本里。
但要注意:deepseek-chat 这个别名实测可用(会路由到 deepseek-flash),
而它不在 /api/v1/models 的返回列表里 —— 所以"列表里没有"不等于"不能用"。

第 4 步:先算钱(不出网,不花钱)

python3 scripts/run.py cost --platform wechat --sections 5

输出会告诉你:几次调用、预估 token、预估出图点数,以及这个金额是怎么估出来的。

第 5 步:出选题角度与大纲

python3 scripts/run.py outline --topic "短视频二创批量出片的产能瓶颈" \
    --platform wechat --angles 4 --sections 5 --json --out outline.json

先看不花钱的提示词:

python3 scripts/run.py outline --topic "短视频二创批量出片的产能瓶颈" --dry-run

第 6 步:写正文

python3 scripts/run.py write --outline outline.json --json --out article.json

第 7 步:配图(真花钱,先报价)

# 不加 --yes 时:只出方案 + 报价,**不提交任何任务**
python3 scripts/run.py images --article article.json --platform wechat --count 2

# 确认后加 --yes 才真的出图
python3 scripts/run.py images --article article.json --platform wechat --count 2 \
    --budget 50 --yes --outdir "%TEMP%\longform-images"

第 8 步:平台适配

python3 scripts/run.py adapt --article article.json --platform toutiao
python3 scripts/run.py adapt --article article.json --all-platforms

第 9 步(推荐):一条命令跑完整条链路

python3 scripts/run.py all --topic "短视频二创批量出片的产能瓶颈" \
    --platform wechat --adapt-all --images 2 --budget 50 --yes \
    --outdir "%TEMP%\longform-out"

产出目录长这样:

%TEMP%\longform-out/
├── outline.md / outline.json      选题角度 + 分节大纲
├── article.md / article.json      正文(四件套)
├── images-plan.json               配图方案(画什么、几张、为什么)
├── images/                        真图(**在包外**)+ 出图断点
│   ├── 1-cover-16x9-….png
│   └── images-summary.json        每张的真实像素 vs 请求比例
├── adapt-wechat.json              平台版(--adapt-all 时才有)
├── adapt-toutiao.json
├── adapt-zhihu.json
├── longform.md                    合并稿,可直接发
├── AUDIT.md / audit.json          质量与合规自检报告
└── longform-state.json            断点文件

输出目录一定要指到包外(%TEMP%\...)。Skill 包的上传白名单只收
.md .py .txt .json .sh .js .yaml .yml .csv,包内塞图片会让上传 400 ——
所以脚本把「--outdir 落在包内」做成硬闸门(退出码 2),在花钱之前就拦下。

中断了就原样重跑,内容没变的部分不会重复扣费(出图的断点里含提示词内容,改提示词会重出重扣,见排错表末的成本警告):

python3 scripts/run.py all --topic "短视频二创批量出片的产能瓶颈" --outdir "%TEMP%\longform-out"
# [1/4] 大纲已完成,跳过(断点续跑,不再重复扣费)
# [2/4] 正文已完成,跳过(2541 字,已复检 ok)
# [3/4] … 已完成的图跳过
# 已用 0 次文本调用 · token prompt=0 completion=0 total=0

断点命中要同时满足两个条件:状态标记 ok,且产出文件里的内容本身也合格。
只信状态的话,手工改坏 article.json 之后重跑会被当成"已完成"直接跳过,
闸门就变成假绿了。

直接用 curl 调(不依赖本包脚本)

底层就是一个标准的 OpenAI 兼容调用(域名来自算力集市 api.a7w.cn):

curl -sS -X POST "https://api.a7w.cn/api/v1/chat/completions" \
  -H "Authorization: Bearer $A7W_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "给「短视频二创产能瓶颈」出 4 个选题角度,只输出 JSON"}],
    "temperature": 0.7,
    "max_tokens": 4096,
    "response_format": {"type": "json_object"}
  }'

算力网关里成功响应不带 code 字段——直接看 choices[0].message.content。
带 code == 1 的那层信封({"code":1,"data":{...}})是给生成应用的,
本包两种形态都认,但不要改成用 code == 0 判成功。

出图是异步的,两步走:

# 1) 提交,拿到 task_id
curl -sS -X POST "https://api.a7w.cn/api/v1/apps/nano_banana/submit" \
  -H "Authorization: Bearer $A7W_API_KEY" -H "Content-Type: application/json" \
  -d '{"prompt":"极简信息图风,圆形节点与色块表示流程,无任何文字","action":"generate",
       "model":"nano-banana","resolution":"1K","aspect_ratio":"16:9"}'

# 2) 轮询任务(⚠️ status 在 data 顶层,不在 data.result 里)
curl -sS "https://api.a7w.cn/api/v1/tasks/<task_id>" \
  -H "Authorization: Bearer $A7W_API_KEY"

参数说明

全局

参数说明
--key临时指定 Key;优先级最高。别把它写进脚本或文档
--model模型名,默认 deepseek-chat(实测可用)。用 models 现查在架模型
--temperature采样温度,默认 0.7
--max-tokens最大输出 token,默认 8192;正文一次几千字,别调太低
--budget成本上限。出图按点、文本按 --yuan-per-ktok 折算成元;超了就地停,退出码 3
--yuan-per-ktok文本单价(元/千 token)。默认不折算金额(网关不公布文本单价);填了才出金额,且只是估算
--json以 JSON 输出,写在子命令前面或后面都可以;JSON 模式下 stdout 只有一个完整 JSON,进度走 stderr
--out <文件>把结果写到文件(是文件,不是目录)
--dry-run只打印将发送的提示词,不调模型、不花钱
--no-json-mode不要求上游返回 JSON 对象(个别模型不支持 response_format 时用)

outline —— 选题角度 + 大纲

参数说明
--topic必填。文章主题
--platformwechat(公众号,默认) / toutiao(头条) / zhihu(知乎),决定字数区间与结构口径
--angles要几个选题角度,默认 4。脚本按实际解析出的个数核对,对不上标红
--sections正文分几节,默认 5
--audience受众补充说明(写给谁、什么场景)
--requirements必须覆盖的硬性要求,会原样给到模型
--tone语气/调性,例如「克制、少形容词」

write —— 写正文

参数说明
--outline必填。outline --json --out 产出的文件
--platform目标平台;给了 --outline 时以大纲里的 platform 为准
--from-file闸门复检用:不调模型,直接拿一份返回 JSON 过闸门(见「排错」最后一节)
--trust-chars闸门自检用:采信产出侧声明的 chars 而不是本地数字数

images —— 配图方案 + 出图

参数说明
--articlewrite --json --out 产出的文件
--platform目标平台,默认 wechat(决定配图比例:公众号/头条 16:9、知乎 4:3)
--count最多出几张(真闸门,少花钱)。不传就是方案里的实际张数
--ratio出图比例,默认按平台。可选 1:1 / 16:9 / 9:16 / 4:3 / 3:4 / 3:2 / 2:3 / 5:4 / 4:5 / 21:9
--resolution1K(默认) / 2K / 4K。只有 1K 有实测价 24 点/张。这一维进了出图断点 key:换了档位重跑会重出(否则你要 4K 却拿到 1K 的图)
--points-per-image单张点数(覆盖实测价)。2K/4K 必须传它才给估算
--budget出图成本上限(点)。超了不提交任何任务,退出码 3
--yes确认真的花钱。不加就只报价(退出码 4,不提交任务)
--outdir出图输出目录,默认 %TEMP%\longform-images。必须在包外(包内 exit=2)
--snap出图后按请求比例精确裁剪(本地裁,裁完读文件头复核)
--ratio-tolerance比例容差,默认 0.03(3%);地板 0.0025
--poll-timeout / --poll-interval单张轮询上限(默认 600s)与间隔(默认 5s)
--allow-prompt-hits允许带违禁词/占位符的出图提示词(默认拦截)
--allow-article-hits正文命中闸门也继续配图(默认拦截)
--local-image比例闸门自检用:拿本地图跑「真实像素 vs 请求比例」判定,不出网不花钱
--force忽略出图断点重出(会重复扣费)

adapt —— 平台适配

参数说明
--article必填。write --json --out 产出的文件
--platform目标平台,默认 wechat
--all-platforms三个平台版都出
--chars-min / --chars-max覆盖字数区间(默认按平台口径)
--from-file同 write

all —— 串起全链路(断点续跑)

参数说明
--topic必填。文章主题
--outdir输出目录,默认 %TEMP%\longform-out;必须在包外
--img-outdir配图目录,默认 <outdir>/images;必须在包外
--platform / --angles / --sections / --audience / --requirements / --tone同 outline
--images出几张图;传 0 表示完全跳过配图(不出网、不花钱)
--adapt-all末端把三个平台版都出一遍
--yes确认配图花钱(--images 0 时不需要)
--force忽略断点全部重跑(会重复扣费,只在确实要重做时用)

cost —— 只算钱

参数说明
--platform目标平台,默认 wechat
--sections分节数,默认 5
--images配图张数,默认取平台建议中值;0 表示不算配图
--all-platforms / --adapt-off算不算平台适配的钱
--points-per-image单张出图点数(覆盖实测价 24 点/张)
--budget出图预算上限(点),超了退出码 3

各平台口径(--platform 到底改了什么)

平台正文字数区间建议配图出图比例结构口径
wechat 公众号2500~45002~5 张16:9开头钩子 + 3~6 个小标题分节 + 结尾引导
toutiao 头条1800~35003~6 张16:9结论前置 + 分点展开 + 结尾引导
zhihu 知乎2500~60001~4 张4:3先给判断 + 依据与边界 + 结尾引导

字数口径是去掉 Markdown 符号与空白后的字符数,中英文都按字符算。
不按"汉字数"算,是因为长文里中英混排、数字、代码都很常见,
只数汉字会把 400 字的英文段落当 0 字,判定会比实际宽松得多。

八道本地硬闸门

闸门都是拦截 + 标红 + stderr 汇总 + 退出码非 0,不是"提示一下"。
文章是要挂在你账号下面被人读的,缺陷出了这道门的代价是你的号。

#闸门拦什么判据
1合规广告法违禁词 + 站外导流 / 标题党本地正则表(BANNED_PATTERNS),模型自评不采信
2占位符残留{} / [待填] / XXX / (此处省略)六条正则,括号那条只认枚举占位词
3prompt_echo照抄提示词示例去标点后相等 / Jaccard ≥ 0.75 / 覆盖度 ≥ 0.60
4字数区间不在平台区间产出侧数字数,超出的不替你截断
5结构完整性缺标题 / 缺正文 / 没分节 / 缺结尾引导逐项校验,缺项标红
6出图比例真伪接口自报与真实像素不符读文件头的宽高,容差 3%,容差内也打印偏差
7成本上限超 --budget出图前先报价,提交任何任务之前判
8--outdir 落包内产出图进包包路径判定,退出码 2(用法错)

闸门一的「最」字豁免(可枚举、可复核)

「最 X」在正常中文里到处都是,一刀切会把好文章全拦下。所以加了一层上下文豁免:
「最 X」后面紧跟(允许夹一个「的」)

`不同 / 区别 / 差异 / 共同 / 相同 / 相似 / 常见 / 容易 / 重要 / 关键 / 主要 / 先 / 后 /
基本 / 简单 / 难 / 麻烦 / 省事 / 常用 / 合适 / 适合 / 保险 / 稳妥`

→ 判为普通用法,放行。最好的工具 / 最强 / 最高级 / 最大优惠 仍然照拦。

⚠️ 句首不许误豁免。 命中处前面只有空白、或前一个非空白字符是句末标点时,
视为句首 → 不豁免。因为「最大区别是……」这种句首写法经常正是标题式的最高级宣称。

闸门为什么必须自己在产出侧数字数

write / adapt 都是大模型一次吐几千字。只要采信产出侧自报的字数,闸门就会变假绿:
一份声明 chars: 4000、实际只有几十字的产出会顺利过关。
所以字数字段一律由脚本自己数(count_chars),产出侧的 chars 只用于对照。
--trust-chars 这个开关存在的唯一目的,就是故意采信自报值来演示这道闸门真的会拦。

闸门六为什么必须读文件头

教训来自同族包的实测:只信模型自报字段的闸门变成假绿。出图场景的形态是
「接口说 aspect_ratio=16:9,真实像素却是别的」。
所以这里只认文件头里的宽高(imgprobe.image_size),不采信任何返回字段。

顺带记一条上游特性(必须写进文档,否则闸门天天误报):上游不是按比例给像素,
而是先定总像素、再把每边向下取整到 32 的倍数,所以 10 种比例里有 5 种给不出像素级精确比例:

请求实测像素实得比例偏差
1:11024x10241.00000.00%
4:31184x8641.37040.00%
3:21248x8321.50000.00%
2:3832x12480.66670.00%
21:91536x6722.28570.00%
16:91344x7681.75001.56%
9:16768x13440.57141.56%
3:4864x11840.72972.70%
4:5896x11520.77782.78%
5:41152x8961.28572.86%

这不是网关 bug,是扩散模型按 32 对齐的常规做法。处理方式三条一起用:
① 默认容差 3%(容差内不算假,但明确打印真实像素与偏差,不藏);
② 超容差 → 标红 + 计入闸门失败 + 退出码 3;
③ --snap 按请求比例本地裁准,裁完再读文件头复核,裁成功才记 exact。

实测记录

以下都是本包上线前真跑出来的数(模型 deepseek-chat,主题"短视频二创批量出片的产能瓶颈"):

动作token(prompt / completion)耗时结果
outline 4 角度 / 5 节755 / 1272(total 2027)8.9s结构校验 11 项全过,计划 3500 字
outline 重跑755 / 866(total 1621)7.3s同上(prompt 命中 512 缓存 token)
write 一篇1293 / 2611(total 3904)17.1s3223 字
write 一篇1293 / 1966(total 3259)11.5s2400 字 → 被闸门四拦下(低于 2500)
adapt → 头条2802 / 2147(total 4949)9.3s2632 字,落 1800~3500 区间
images 2 张(16:9 / 1K)方案 2935 / 513提交后约 40s/张真实像素 1344x768,偏差 1.56%(容差内),扣费 24 点/张
all 全链路(2 图 + 3 平台版)11309 / 10291(total 21600)——产出全部落盘,闸门汇总见 AUDIT.md

关于字数的实测提醒:只写"落在区间内"时,模型会习惯性贴下限,甚至写下限少 10%。
本包在 write 提示词里明确写了"瞄准区间中上段、宁可比下限多两百字",
但实测仍偶有偏短 —— 这时闸门会拦下并如实报出字数,不会替你硬凑。
偏短就重跑一次(成本约 4000 token),或手工补两句。

排错

现象 / 报错原因怎么办
Missing or invalid relay API key(HTTP 401)Key 无效、已过期或写错重新到 https://api.a7w.cn/ 领取;确认没把 Bearer 重复写进环境变量
点数不足(HTTP 402)账号点数用完到 https://api.a7w.cn/ 充值后重试
模型不存在(HTTP 404)模型名写错或已下架python3 scripts/run.py models --type text 现查在架模型名
模型返回的不是合法 JSON模型在 JSON 前后多吐了字符或解释脚本已用 json.JSONDecoder.raw_decode 扫描第一个完整对象。仍失败就加 --no-json-mode 并换模型
正文命中违禁词 / 字数越界(退出码 3)模型写了「最好」这类词,或字数不在区间命中项会在 stderr 与 JSON 里逐条列出。是误伤就改对应那句重跑;字数不够就让模型重写,脚本不会替你截断
有结尾引导 被判不合格正文最后几段与 ending 字段里都没有引导词让模型重写结尾,或在 --from-file 复检前手工补一句
出图比例不合格(退出码 3)真实像素与请求比例偏差超容差看 stderr 打印的真实像素与偏差。加 --snap 本地裁准,或调 --ratio-tolerance
预估 N 点超过 --budget超了出图成本上限提预算、减 --count,或先 cost 试算
这是一次真花钱的操作,确认后加 --yes 重跑(退出码 4)出图没给 --yes先看报价,确认后加 --yes;只想看正文用 --images 0
输出目录 … 在 Skill 包内(退出码 2)--outdir 指到了包内换到包外,例如 %TEMP%\longform-out
重跑又扣了一次钱那次要出的图,提示词变了(正文的断点 key 与提示词无关,改正文本身不会因此重出图)出图断点按提示词内容判定,内容变了就该重做——这是设计如此。想省钱就别改,直接重跑即可跳过
升级到 1.0.3 后第一次重跑,图好像全重出了旧断点文件的 key 与新算法对不上(这正是修掉静默复用旧图的那一步)已实测:升级后第一次重跑会重新出图,先 cost 看预估、必要时才加 --yes;之后就正常续跑了
提示词改了、却像是复用了旧图1.0.2 及更早的版本判定断点时,没有把提示词的后半段算进去 —— 只改后半段就会被当成同一张图已修:本版按完整提示词判定,改一个字就重出、不再静默复用
改了 --resolution(1K→4K)、图却还是 1K 的1.0.3 及更早的断点 key 里没有分辨率这一维,key 不变 → 命中旧图已修:本版把 resolution 也进 key,且记录里的档位与本次不一致时强制重出。命中 1.0.3 旧断点会重跑一次,之后正常
升级到 1.0.4 后第一次重跑,图好像全重出了旧断点文件的 key 与新算法(多了分辨率这一维)对不上这是修掉「要 4K 拿到 1K」的代价:先 cost 看预估、必要时才加 --yes;之后就正常续跑了
Windows 下中文乱码控制台代码页不是 UTF-8脚本已把 stdout/stderr 切成 UTF-8;仍有问题先 chcp 65001 或设 PYTHONIOENCODING=utf-8
想复核一份已有产出,但不想再花钱——用 --from-file:write --outline outline.json --from-file 某份返回.json 只跑闸门、不调模型

出图断点按提示词内容与分辨率判定,改提示词或换档位会重复扣费:出图的断点 key 由
「图号 + 分辨率 + 提示词」算出来,
提示词变一个字、或 --resolution 换一档,key 就变,已完成记录不匹配,会重新出图并再次扣费。实测有人连跑 5 次付费出图
会话(约 240 点 ≈ 2.4 元),超出预算 5 倍。重跑前请先确认提示词与分辨率都没变,或先用 cost 核对预估花费。

反过来说:本包的断点不会拿旧图糊弄你。改过提示词、或换过分辨率就一定重出,
改没改以提示词内容与档位为准,
不会出现「以为重出了、其实拿到旧图」这种不打一声招呼的复用。

收集排错信息时请附上:完整命令、--dry-run 的输出、AUDIT.md 内容、原始报错文本。
不要在报错信息或截图里带上你的 API Key。

退出码(可直接用于流水线)

退出码含义
0全部干净,闸门全绿
2用法错误(--outdir 落在包内 / 参数写错)
3被闸门拦下(违禁词 / 占位符 / 照抄示例 / 字数越界 / 结构残缺 / 比例不符 / 超预算)
4调用失败(网络 / 鉴权 / 点数 / 模型名),或出图没给 --yes
130用户中断(Ctrl+C)

3 与 4 分开是有意的:3 = "上游没问题,是被本地规则拦了",
4 = "上游/网络有问题,或者你还没确认花钱"。CI 里这两种要采取完全不同的动作。

--json 输出契约(给流水线与 agent 消费,只在 --json 下生效):

  • 成功:结果对象里多一个 "ok": true;顶层是数组时包成 {"ok": true, "data": [...]}
  • 失败:如果本次有产出要报,就把错误并入结果主体

("ok": false + "exit": <码> + "error": {"kind":…,"message":…}),
这样正文、逐条闸门命中原因、配图真实像素这些失败时最需要机读的东西不会丢;
如果本次没有任何产出,则只发一个独立信封
{"ok": false, "exit": 3, "error": {"kind": "gate", "message": "…"}}

  • 两种情况都保证:stdout 只有一个完整 JSON 文档,json.loads 一次通过;

exit 就是本次真实退出码;kind 取 gate / usage / budget / call / interrupt / internal

  • internal 是没预料到的异常(代码 bug)的兜底:stdout 给信封、

完整 traceback 原样打到 stderr、退出码固定 1 —— 报 bug,不藏 bug

  • 人读文案照旧走 stderr;退出码语义一个都不变;非 --json 模式输出与以前完全一致
  • --json 写在子命令前面或后面都可以

文件结构

sanjianke-longform-factory/
├── SKILL.md                            本文件
├── README.md                           给人看的说明
├── LICENSE.md                          MIT,署名三剪客
├── references/
│   ├── longform-writing-method.md      长文写作方法与判定口径
│   ├── platform-specs.md               三个平台的字数 / 结构 / 配图规格
│   └── compliance-and-gates.md         合规红线与八道闸门的判据
└── scripts/
    ├── a7w.py                          api.a7w.cn 零依赖客户端(**逐字节等于规范版,本包不改它**)
    ├── imgprobe.py                     图片头探针:读真实像素(只读,纯标准库)
    └── run.py                          outline / write / images / adapt / all / cost / models

端点速查

本包全部能力都走 api.a7w.cn(下面几行的域名都来自算力集市 api.a7w.cn):

用途方法与路径
选题角度 / 大纲 / 正文 / 平台适配(算力集市 api.a7w.cn)POST https://api.a7w.cn/api/v1/chat/completions
在架模型清单(算力集市 api.a7w.cn)GET https://api.a7w.cn/api/v1/models
提交出图任务(算力集市 api.a7w.cn)POST https://api.a7w.cn/api/v1/apps/nano_banana/submit
轮询任务(算力集市 api.a7w.cn)GET https://api.a7w.cn/api/v1/tasks/<task_id>

文本协议是 OpenAI 兼容:Authorization: Bearer <Key>,请求体用
model / messages / temperature / max_tokens / response_format。

三条实测记下来的口径:

  1. 走 /chat/completions 的成功响应不带 code 字段,直接读

choices[0].message.content;{"code":1,"data":{...}} 那层信封是给生成应用的。

  1. 出图任务的 status 在 data 顶层,不在 data.result 里。平台文档写的是

data.result.status,照文档写会永远读不到状态、一路轮询到超时。
实际扣费只信 data.usage.points_cost。

  1. deepseek-chat 不在 /api/v1/models 的返回列表里,但实测可用(路由到

deepseek-flash)。所以"列表里没有"不等于"不能用"。

联系我们

  • 技术微信:9872659 —— 加好友时说一下是从哪个 Skill 找过来的,直接给你配套的 API Key 与能跑的示例。
  • 要算力 / 要 API Key:算力集市 · 注册领 API Key —— 一个 Key 调用全部 AI 算力,注册、充值、创建 Key 都在这里。
  • 更多 AI 插件与接口:AI 插件市场。

相关链接

  • 算力集市 api.a7w.cn(注册领 Key):https://api.a7w.cn/
  • 长文写作方法与判定口径:references/longform-writing-method.md
  • 三个平台的字数 / 结构 / 配图规格:references/platform-specs.md
  • 合规红线与八道闸门的判据:references/compliance-and-gates.md

免责声明:本包内置的违禁词表与判定口径是启发式自检工具,来自公开经验整理,
不构成法律意见,也不代表任何平台的官方审核标准。
文章内容的准确性、版权、以及宣发物料的合规责任由使用者承担;
医疗健康、金融投资、母婴、特殊化妆品等高风险类目必须人工复核后再使用。
正文与配图由大模型生成,发布前请至少通读一遍——脚本能拦下违禁词、占位符、
照抄示例、字数越界、结构残缺与比例不符,拦不住事实性错误。

同类文章