核心用法
fal-ai 技能通过封装 fal.ai 的异步队列 API，提供完整的文生图、图生图工作流。用户需配置 FAL_KEY API 密钥，即可通过 Python 模块或 CLI 工具调用 fal-ai/nano-banana-pro（Gemini 3 Pro）、fal-ai/flux/dev 等模型。关键特性包括：
- 多模型支持：覆盖 Gemini 3 Pro（高质量生成，~20s）与 FLUX.1 dev（快速风格迁移，~2-3s）
- 双模态输入：纯文本提示或本地图像转 base64 数据 URI 后编辑
- 队列自治系统：请求状态（IN_QUEUE/IN_PROGRESS/COMPLETED/FAILED）自动追踪，持久化至
~/.openclaw/workspace/fal-pending.json，支持断点续传 - 灵活轮询策略：支持手动 CLI 轮询、HEARTBEAT 集成或定时任务调度
显著优点
1. 生产级可靠性：队列持久化与自动重试机制确保长时任务不丢失
2. 低代码集成：Python 单行调用 submit() 即可发起请求，轮询与结果获取解耦
3. 模型扩展友好：通过 references/models.json 声明式添加新模型，无需修改核心代码
4. 本地文件友好：内置 image_to_data_uri 工具无缝处理本地图像上传
潜在局限与风险
- 成本不可控：fal.ai 按调用计费，高频轮询或错误重试可能产生意外费用
- 延迟不确定性：Gemini 3 Pro 编辑任务可达 20 秒，实时交互场景受限
- 单点故障：依赖 fal.ai 服务可用性，无离线降级方案
- 状态文件污染：
fal-pending.json异常时可能需手动清理
适合人群
- 需要高质量 AI 图像生成的开发者与创意工作者
- 构建自动化工作流（如批量生成、定时任务）的技术用户
- 已熟悉 fal.ai 生态、追求队列可靠性的进阶用户
常规风险提示
- API 密钥需妥善保管，避免硬编码提交至版本控制
- 建议设置
safety_tolerance参数以平衡内容安全与创作自由 - 生产环境应配置调用频率限制与成本告警