只显示了一行提示,对话却已经塞满了
最后更新于
文章id: image-api-two-traps
起因是某一天,我看到了中转站居然可以调用ChatGPT gpt-image-2的API
但是众所又周知,dsh一般都是文本为主,虽然可以读取图片但本身没有生图功能
所以我就是拿到了API但是本地又没有能调用的工具(Cursor或许可以?不过也是要装插件的那种)
然后想法就很单纯,实在不行就和调用别的api一样导入到里面呗——
结果还真有了一系列挺有趣的发现
错误的调用
刚部署好API和base url但还没测试的时候,刷到了本地模型相关的视频,于是就想着问问AI:
想要本地部署一个小小小模型,有什么推荐?
结果想选GPT,但老眼一花选错了模型,选成了 gpt-image-2。
等了 49 秒,DSH 显示运行完成,回复只有一行:
generated image 1
没有看到图,也没有看到一长串编码。发现模型选错之后,我立刻切回其他模型,把问题又问了一遍。
然后就……嗯,看报错吧。

一行提示,怎么撑爆了上下文
报错里的数字很直接:
| 字段 | tokens |
|---|---|
| 模型上下文上限 | 1,048,576 |
| 消息部分 | 1,069,869 |
| 预留输出额度 | 256,000 |
| 请求合计 | 1,325,869 |
不是只因为输出额度留得太大。消息部分本身,就已经超过了模型的上下文上限。
这才是我当时没想到的地方:界面上明明只多了一行提示,下一次请求带过去的历史,却已经大到发不出去了。
从这张截图能确认的是,切换模型后的请求发生了上下文超限。至于里面一百多万 token 有多少来自那次生图响应,还需要和原始请求、响应记录对照,不能只靠这一张图就全部算到 base64 头上。
但至少有一点很清楚:客户端显示了多少内容,和下一轮实际发送了多少内容,不是一回事。
后来,让 DSH 自己封装了一个 skill
这之后,我让 DSH 用这个 API 封装了一个生图 skill,叫 imagegen。普通聊天列表里的生图 provider 也一起移除了:生图能力还在,但不用再冒着手滑选错模型的风险。
处理方式也换了:由工具调用生图接口,在工具内部处理返回内容,把图存到本地,最后只给对话返回路径和简短说明。例如接口返回 data[0].b64_json 时,就先在工具里解码、保存,而不是把整段编码原文直接交回对话。
不过,狐狸那张也不是一路顺利。按当时的完成记录,主路径先出了问题:
| 接口路径 | 当时的结果 |
|---|---|
/v1/images/generations |
gpt-image-2 返回 502;另外两个型号返回 503 |
/v1/chat/completions |
返回 200,脚本取出图片并保存 |
所以脚本加了自动回退:每次先试 images 接口,失败后再走 chat,解析和存图都留在脚本内部。狐狸那次返回的结果是这样的,路径做了省略:
{
"ok": true,
"via": "chat",
"model": "gpt-image-2",
"ms": 36701,
"files": [
{
"path": "…/DSH生图/狐狸喝茶.png",
"bytes": 1724250
}
]
}
via: "chat" 写得很清楚:我没有彻底绕开 chat 生图,而是把它和对话历史隔开了。 同样走 chat,响应交给脚本处理,和直接作为聊天回复进入历史,是两种不同的接法。
这次总算拿到了那只坐在水塔顶上喝茶的狐狸。
所以为啥是红狐狸,我是雪狐,雪狐!

记录中的耗时是 36.7 秒,1,724,250 字节指的是落盘图片大小,不是 chat 接口完整响应的体积。完成说明还注明图片尺寸为 1254×1254。
此前测试里记录过 chat 响应约 3.9–5.9 MB,那和这里的图片文件大小不是同一个口径。这些也都属于后续测试,不能和开头那次误选模型的调用混成一笔,更不能据此比较接口的固定速度或出图质量。
只返回路径,也不意味着从此零成本。路径和说明仍然占 token,之后调用看图工具,也会有视觉输入。避开的是把大段编码当普通对话文本传来传去。
狐狸画出来了,贴图却没那么顺
狐狸那张成功之后,至少能确认这套 skill 可以走完一次生成和保存流程。但后来,另一个做 Minecraft 模组的智能体也试了试,效果就没有那么理想了。
按它自己的描述,它为一个“中和块”生成了三版:前两版要么“满屏噪点”,要么带着“石板路”的重复感。第三版底色比较合适,它便缩到 16×16,再手动补压痕和灰绿残渍。

那两版原图我没有拿到,不知道具体是什么样子。“满屏噪点”只能算它对结果的描述,不能写成我亲眼看过后的判断。
不过,最终提交的那一版我是看到了。就那个版本而言,效果还是不太好。
到底是提示词不合适、原图不适合缩成这么小、缩放处理有问题,还是模型本来就不擅长这种任务,现在的材料还分不清。只能说,调用成功、文件保存好了,和这张图能不能直接拿去用,是两回事。
另一个报错,另开一篇
这期间还碰到过 400 … requires adaptive thinking。后来回看记录,它的起因其实是给 Claude 加上了思考强度滑块,和生图这条线不是同一个问题。
从报错到切换协议,再到“滑块到底有没有生效”,展开讲也有不少细节,单独整理在《大模型推理强度控制的接口兼容性与有效性观察》里。
问题确实……比较麻烦
这次的经过,比“把生图做成工具就好了”绕一点。
先是误选模型,客户端只显示了一行提示;切换后才发现历史已经撑爆。后来封装成 skill,狐狸那张试成功了,换到具体的模组贴图任务,又遇到了新的问题。
至于钱花在哪里,也得分开核对:生图调用本身的花费是一笔,后续对话有没有额外带入大段内容,是另一笔。上下文超限的报错,不等于这些 token 已经全部计费。
眼下能记下的经验,就是别只看界面那一句“完成”,也别只因为成功出过一张图,就默认它已经能稳定接进别的工作流。
能调用了,只是下一轮折腾的开始。
算了,有时间再做吧(安详)
CC BY 4.0本页文字内容由 water2H2O 创作,采用 CC BY 4.0 授权(署名即可使用)。委托作品与第三方素材不适用。文中的委托插图版权归原画师所有,不适用 CC BY 4.0。授权说明 →