核心用法
Modellix Skill 是一款面向 AI 图像与视频生成的 Model-as-a-Service（MaaS）集成工具，采用「异步提交 → 轮询结果」的标准工作流。核心交互模式为 CLI 优先：通过 modellix-cli model invoke 提交任务，获取 task_id 后使用 modellix-cli task get 轮询状态直至 success 或 failed。CLI 不可用时自动降级为 REST API 调用。
关键执行路径
1. 预检与鉴权：运行 scripts/preflight.py 检测 CLI 可用性与 MODELLIX_API_KEY 有效性，遵循「发现 → 请求 → 会话使用 → 可选持久化」的密钥生命周期策略
2. 模型选择：查阅 references/REFERENCE.md 匹配 Qwen、Wan、Seedream、Seedance、Kling、Hailuo、MiniMax 等 20+ 提供商的参数规范
3. 任务执行：使用 modellix-cli model invoke --model-slug <provider/model> --body '{...}' 提交，或调用 scripts/invoke_and_poll.py 实现自动指数退避轮询
4. 资源消费：从 result.resources 提取生成结果 URL，24 小时内完成本地化持久化
显著优点
- 统一抽象层：单一套用封装字节、阿里、快手等异构模型接口，屏蔽底层差异
- 双轨执行策略：CLI 提供流式体验与机器可读输出（
--json），REST 作为无依赖兜底 - 密钥治理严谨：默认会话级使用，持久化需显式授权，严禁系统级环境变量写入
- 自动化运维：内置预检脚本与带指数退避的智能轮询，支持 429/500/503 分级重试
潜在局限与风险
- 结果时效性：生成资源 URL 24 小时后失效，需及时下载
- 异步延迟成本：视频生成等任务可能耗时数分钟，轮询频率需权衡成本
- CLI 依赖门槛：Node/npm 环境缺失时被迫降级 REST，丧失部分交互优化
- 服务商锁定：尽管封装多提供商，计费与 SLA 仍受 Modellix 平台约束
适合人群
- 需快速集成 Seedream/Kling 等新锐视频模型的产品开发者
- 构建虚拟试穿、AI 广告素材生成等垂直应用的工程团队
- 偏好命令行工作流、追求可脚本化 MLOps 流程的技术用户
常规风险提示
- 密钥泄露风险：严禁在日志、截图或提交记录中暴露
MODELLIX_API_KEY - 成本失控风险：视频生成按秒计费，长视频任务建议设置预算上限
- 内容合规风险：生成内容需遵守各底层模型的使用政策与地区法规