工作流与 API 边界

本节目标

设计不依赖单个模型名的生成服务边界，让需求审核、供应商调用、结果存储和人工审批可以独立变化。

分层而不是在业务代码里直接调用

推荐五层：

任务层：用途、提示、输入引用、风险、预算和验收标准；冻结需求的 source_revision。
策略层：对象级授权/ACL、权利、安全、隐私与审批门禁；在评分、预览或模型读取前拒绝不合格输入。
适配层：把通用任务映射到某供应商当前的端点和参数。
执行层：超时、限流、重试、状态轮询、下载和校验；每次生成、编辑或后期变换都有 transform_id。
评审与发布层：候选筛选、人工批准、release_id、披露和审计记录；外部事实性声明必须独立满足 evidence_supported。

在 2026-07-22 核对的 OpenAI 官方文档中，单次生成/编辑可走 Image API，会话式多轮编辑可通过 Responses API 中的图像工具；输出大小、质量、格式和压缩等选项依模型而定。这里的工程结论不是“永远用某端点”，而是适配层必须声明能力矩阵与文档核对日期。

flowchart LR
    A["任务 + source_revision"] --> B{"对象级授权/ACL"}
    B -->|"拒绝"| X["不读取、不评分、不提交"]
    B -->|"允许"| C["供应商适配与执行"]
    C --> D["候选 + transform_id"]
    D --> E{"质量、安全、人工评审"}
    E -->|"拒绝"| R["保留最小审计记录"]
    E -->|"批准"| F["release_id 与披露"]
    F --> G{"外部事实声明"}
    G -->|"是"| H["独立证据满足 evidence_supported"]
    G -->|"否"| I["按创作/合成内容发布"]
    H --> I
    B -. "撤权/删除传播" .-> D
    B -. "撤权/删除传播" .-> F

供应商无关请求

通用对象可以包含：task_type、结构化 prompt、输入资产的 asset_id、source_revision 与 acl_reference、输出规格、候选数量上限、预算、审查规则、transform_id 和候选 release_id。对象级 ACL、授权依据、保存期限和撤权/删除传播计划属于业务治理数据，不应让供应商返回值替代。不要在通用 schema 里写死 gpt-image-*、某家 seed 参数或具体价格。适配器返回：

接受后的内部作业 ID；
实际供应商与模型快照（响应后记录）；
状态 queued/running/succeeded/failed/cancelled；
标准错误分类与原始错误的脱敏摘要；
输出哈希、来源记录和用量元数据。

超时、重试与幂等

图像请求可能同步返回，也可能经历排队。连接超时不代表供应商没有创建任务；盲目重试会重复计费和生成。客户端应发送自己的 request_id，在本地记录“提交意图—供应商 ID”映射。只对瞬时错误按指数退避重试；认证失败、内容拒绝、无效参数和余额不足应直接进入人工或配置处理。

下载时检查 MIME 类型、长度上限和哈希，不信任文件扩展名。日志只记录资产 ID 和哈希，不记录私密原图、完整提示或密钥。临时输入与输出应有明确删除期限；撤权或删除不能只删原文件，还要按 asset_id → transform_id → release_id 传播到候选、缓存、搜索索引和可访问链接。

能力探测与降级

执行前比较任务需求与适配器能力：是否支持编辑、透明背景、多图输入、目标格式和所需比例。不能支持时提供可解释降级，例如“先生成底图，透明抠图由后期完成”；不得悄悄改变用途关键要求。

常见错误与排查

429 就无限重试：读取当前限流信息，加入抖动、最大次数和总时限。
把安全拒绝当网络失败：错误分类应保留语义。
下载成功即完成：还要做文件校验、质量评审和人工批准。
日志泄露输入：对人脸、客户素材和提示做最小化与访问控制；ACL 决策要绑定对象、用途和 source_revision，不能只用项目级“已授权”。
模型升级无回归：固定任务集，版本变更先跑小规模评测。

练习与自测

画出从“提交任务”到“人工批准”的状态机，并为超时、内容拒绝、输出损坏和评审不通过分别确定下一状态。回答：为什么 HTTP 重试与创意重试不是同一概念？

下一步：质量评测与人工评审。

参考资料

OpenAI Image generation guide（核对于 2026-07-22）
API

AI Agent Engineer

账户与学习进度

图像生成工作流与 API 边界