聊天只是 AI 的入口，真正让工作台「有用」的是多模态能力。这一篇把我日常在用的生图、读图、3D、视频工作流串起来讲：它们接口长什么样、异步任务怎么处理、成本又该怎么控。
主通道：一个接口家族搞定所有
我主力用的是火山方舟的豆包系列，最妙的是它们共享同一套调用习惯，换模型名就能换能力：
| 能力 | 模型 | 调用方式 |
|---|---|---|
| 文生图 | Seedream（生图旗舰） | 同步，一次请求返回图片 URL |
| 读图 | 豆包 VLM | 把图片喂进对话，模型描述/理解 |
| 3D 建模 | Seed3D | 异步任务：提交 → 轮询 → 下载 zip |
| 文生视频 | Seedance | 异步任务，按秒计费 |
文生图：最常用的一个
生图接口是标准的图像生成调用，一次请求直接返回图片链接。我封装了一个固定流程：生成 → 存临时文件 → 上传到附件系统 → 用绝对 URL 在对话里展示。几个实战要点：
- 响应格式：请求里指明 URL 格式，返回的临时链接有时效，要尽快保存。
- 媒体类型要对：上传附件时，声明的类型必须和实际字节匹配，否则展示不出来——存盘后先看文件头再上传。
- 展示用绝对 URL：相对路径在对话里不渲染，只有完整地址有效（这个我实测确认过）。
3D 建模：异步任务的标准姿势
3D 生成慢，所以是异步任务接口。踩过坑之后我总结出标准姿势：
1. 提交任务：POST /contents/generations/tasks
请求体必须带 content 数组，图片用 image_url 类型
2. 轮询结果：GET /tasks/<id>
status 从 running → succeeded，排队时别误判卡死
3. 下载结果：succeeded 后拿 file_url，是个 zip 包
解压出带 PBR 材质的 glb 模型文件这里最痛的坑是请求参数名：缺了 content 报错，用错类型名也报错——接口文档写的字段名和实际要求不一致，只能靠报错信息反推。
视频：贵，先报价
文生视频按秒计费，一条几秒的小片段就要好几块钱。我的铁律是：生成前必须先提醒用户费用，确认后才提交。价格透明，是长期信任的基础。
成本控制三板斧
- 分级使用：画质要求高的走旗舰，随便看看的走平价替代，按需选档。
- 便宜的兜底：主力通道不稳定时，切到备选供应商（比如 SiliconFlow 的平价模型），保证服务不断。
- 贵的先报价：凡是按秒/按次的大额操作，一律先亮价格再执行。
工作流的意义
多模态不是「能不能调接口」，而是「整套链路顺不顺」：生成 → 保存 → 上传 → 展示，每一步都要稳定，才算真正能用。
这套工作流我现在每天都在用：画封面、看截图、建模型、剪片段。工具是死的，链路是活的——把链路理顺，AI 才真正长在了工作台上。