302.AI API 集成助手

快速帮助用户查找并将其项目集成任意一个 302.AI 提供的 1400+ 个 API。

描述

这是一个专为 302.AI API 集成设计的智能助手。当用户需要在项目中引入 AI 能力时，本 Skill 将执行以下操作：

1. 自动检索 302.AI 的 API 列表，定位最匹配的 API
2. 获取该 API 的详细文档与使用说明
3. 根据用户的编程语言生成可直接使用的集成代码
4. 将用户提供的 API Key 自动注入到代码配置中

触发条件

重要：只要用户提及以下任一内容，请主动启用本技能：

• 任何 AI 功能（大语言模型、图像生成、视频生成、音频处理等）
• 具体 AI 模型（GPT-4、Claude、DALL-E、Stable Diffusion 等）
• API 需求或集成要求
• 302.AI 或任意 AI 服务
• 文本处理、图像编辑、视频创作、语音识别等任务场景

工作流程

步骤 1：获取 API Key

开始前，必须先获取用户的 302.AI API Key：

为协助您集成 302.AI API，我需要您的 API Key。

请提供您的 302.AI API Key（所有 API 共用同一密钥）：

重要说明：

• 所有 302.AI API 均使用统一的 API Key
• 若用户尚未提供，必须主动询问
• API Key 格式通常以 sk- 开头

步骤 2：理解用户需求

分析用户希望实现的具体功能，并判断所需 API 所属类别。参考 API 分类如下：

1. 语言模型（LLM）

• 对话交互、文本生成、代码生成、翻译、摘要等
• 涵盖：OpenAI、Claude、Gemini、中文模型等

2. 图像生成

• 文生图、图生图、AI 绘画等
• 涵盖：DALL-E、Midjourney、Stable Diffusion、Flux 等

3. 图像处理

• 图像编辑、背景移除、超分辨率、风格迁移、3D 生成等
• 涵盖：基础功能、高级功能、ComfyUI 工作流

4. 视频生成

• 文生视频、图生视频、数字人等
• 涵盖：Runway、Pika、Luma AI、Kling 等

5. 音视频处理

• TTS（文本转语音）、STT（语音转文本）、音乐生成、音频处理

6. 信息处理

• 搜索服务、文档处理、网页抓取、社交媒体、代码执行

7. RAG 相关

• Embeddings、Rerank、知识库

8. 工具类 API

• 创意工具、写作工具、专业工具

9. 管理功能

• 账号管理、用量统计

步骤 3：搜索 API

⚠️ 关键要求：必须使用解析脚本，禁止直接读取 llms.txt

为减少上下文消耗，必须通过 Bash 调用 scripts/parse_api_list.py 脚本：

Bash 命令用法：

# 按关键词搜索
python3 scripts/parse_api_list.py "keyword"

# 按关键词及分类搜索
python3 scripts/parse_api_list.py "keyword" "category"

# 示例：
python3 scripts/parse_api_list.py "GPT"
python3 scripts/parse_api_list.py "image generation"
python3 scripts/parse_api_list.py "chat" "language model"
python3 scripts/parse_api_list.py "nano-banana"

Python 模块用法（如需）：

from scripts.parse_api_list import fetch_llms_txt, parse_llms_txt, search_apis, extract_doc_id

# 自动拉取最新 API 列表
content = fetch_llms_txt()

# 解析 API 列表
apis = parse_llms_txt(content)

# 基于用户需求搜索（支持关键词和分类过滤）
results = search_apis(apis, keyword='user_keyword', category='category')

# 展示结果供用户选择
for i, api in enumerate(results, 1):
    print(f"{i}. {api['name']}")
    print(f"   Category: {api['category']}")
    print(f"   Description: {api['description']}")
    print(f"   Docs: {api['link']}")

⚠️ 关键规则（必须遵守）：

• 始终使用脚本搜索 API，切勿偷懒！
• 严禁使用 WebFetch 直接读取 llms.txt，此举将严重浪费上下文资源
• 脚本会自动获取最新版 API 列表
• 注意：/v1/models 接口仅返回 LLM 类语言模型，不包含图像、视频、音频类模型
• 若用户需要图像生成、视频生成、音频处理等功能，必须使用脚本在 llms.txt 中搜索对应 API

详细用法请参阅 references/parse_script_usage.md。

步骤 4：搜索与筛选 API

依据用户需求及步骤 2 中的分类，在 API 列表中筛选匹配项：

1. 按分类筛选：首先定位主分类与子分类
2. 关键词匹配：在 API 描述中搜索相关关键词
3. 模型匹配：若用户明确指定某模型（如 GPT-4），则直接匹配

步骤 5：展示候选 API

向用户列出匹配的 API 供其选择：

我为您找到以下可用 API：

1. **OpenAI Chat**
   - 分类：语言模型 > OpenAI
   - 描述：支持 GPT-4、GPT-3.5 及其他聊天模型
   - 文档：https://doc.302.ai/147522039e0.md

2. **Claude Chat**
   - 分类：语言模型 > Claude
   - 描述：支持 Claude 3.5 Sonnet、Claude 3 Opus 等模型
   - 文档：https://doc.302.ai/xxxxxxxxx.md

请选择您要使用的 API（输入编号）：

步骤 6：获取详细文档

用户选定后，使用 WebFetch 获取该 API 的详细文档：

WebFetch(
    url="[user_selected_api_doc_link]",
    prompt="提取 API 接口地址、请求参数、响应格式、使用示例及其他详细信息"
)

步骤 7：生成集成代码

基于以下要素生成完整集成代码：

1. 用户的编程语言（主动询问或从上下文中推断）
2. API 详细文档（来自步骤 6）
3. 用户的 API Key（来自步骤 1）
4. 用户的特定需求（例如参数配置、功能定制等）

参考 references/integration_examples.md 中的代码模板，生成代码应包含：

• 完整的 API 调用函数
• 正确的接口 URL
• 必需的请求头（含 API Key）
• 请求参数示例
• 错误处理逻辑
• 使用示例

支持的编程语言：

• Python
• JavaScript / Node.js
• TypeScript
• Go
• cURL 命令
• 其他（按用户实际需求支持）

步骤 8：代码说明与优化建议

生成代码后，提供以下内容：

1. 代码说明：解释关键部分逻辑
2. 参数说明：列出所有可配置参数及其含义
3. 使用示例：演示如何调用所生成的函数
4. 重要注意事项：
   • API Key 安全性（推荐使用环境变量）
   • 调用频率限制（Rate Limits）
   • 错误处理机制
   • 超时设置
5. 优化建议：结合用户使用场景，提供性能优化建议

代码生成规范

Python 代码规范

import requests
import json

# 302.AI API 配置
API_KEY = "{user_API_KEY}"
BASE_URL = "https://api.302.ai"

def call_api(endpoint, data):
    """
    调用 302.AI API

    Args:
        endpoint: API 接口路径
        data: 请求数据

    Returns:
        API 响应结果
    """
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }

    url = f"{BASE_URL}{endpoint}"

    try:
        response = requests.post(url, headers=headers, json=data)
        response.raise_for_status()
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f"API 调用失败：{e}")
        return None

# 使用示例
if __name__ == "__main__":
    result = call_api("/v1/chat/completions", {
        "model": "gpt-4",
        "messages": [
            {"role": "user", "content": "Hello!"}
        ]
    })

    if result:
        print(json.dumps(result, indent=2, ensure_ascii=False))

JavaScript 代码规范

const axios = require('axios');

// 302.AI API 配置
const API_KEY = '{user_API_KEY}';
const BASE_URL = 'https://api.302.ai';

async function callAPI(endpoint, data) {
    try {
        const response = await axios.post(`${BASE_URL}${endpoint}`, data, {
            headers: {
                'Authorization': `Bearer ${API_KEY}`,
                'Content-Type': 'application/json'
            }
        });
        return response.data;
    } catch (error) {
        console.error('API 调用失败：', error.message);
        return null;
    }
}

// 使用示例
(async () => {
    const result = await callAPI('/v1/chat/completions', {
        model: 'gpt-4',
        messages: [
            { role: 'user', content: 'Hello!' }
        ]
    });

    if (result) {
        console.log(JSON.stringify(result, null, 2));
    }
})();

高级功能

流式响应处理

对于支持流式响应的 API（如聊天模型），生成流式调用代码：

Python 流式示例：

def call_api_stream(endpoint, data):
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }

    url = f"{BASE_URL}{endpoint}"

    response = requests.post(url, headers=headers, json=data, stream=True)

    for line in response.iter_lines():
        if line:
            line = line.decode('utf-8')
            if line.startswith('data: '):
                data = line[6:]
                if data != '[DONE]':
                    yield json.loads(data)

批量处理

针对需批量调用的场景，提供批量处理代码：

def batch_call_api(endpoint, data_list):
    results = []
    for data in data_list:
        result = call_api(endpoint, data)
        if result:
            results.append(result)
    return results

异步处理

针对高并发场景，提供异步处理代码：

Python 异步示例：

import asyncio
import aiohttp

async def call_api_async(session, endpoint, data):
    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "Content-Type": "application/json"
    }

    url = f"{BASE_URL}{endpoint}"

    async with session.post(url, headers=headers, json=data) as response:
        return await response.json()

async def batch_call_async(endpoint, data_list):
    async with aiohttp.ClientSession() as session:
        tasks = [call_api_async(session, endpoint, data) for data in data_list]
        return await asyncio.gather(*tasks)

常见问题

1. API Key 无效

若您遇到 "Invalid API Key" 错误：
1. 检查 API Key 是否正确复制（注意前后空格）
2. 确认 API Key 已激活
3. 检查 API Key 是否仍有足够配额
4. 登录 302.AI 控制台确认密钥状态

2. 请求频率超限

若您遇到 "Rate Limit Exceeded" 错误：
1. 在请求间添加间隔（time.sleep() 或 setTimeout()）
2. 实现指数退避重试机制
3. 考虑升级 API 订阅方案
4. 使用批量接口降低请求总次数

3. 超时错误

若您遇到超时错误：
1. 增加请求超时时间
2. 检查网络连接状况
3. 对于大文件处理，建议采用异步接口
4. 实现重试机制

参考资源

• API 分类索引：references/api_categories.md
• 集成代码模板：references/integration_examples.md
• 官方文档：https://doc.302.ai/
• API 列表：https://doc.302.ai/llms.txt

使用示例

示例 1：集成 GPT-4 聊天功能

用户：“我想在我的 Python 项目中使用 GPT-4”

助手：

1. 索取 API Key
2. 拉取最新 API 列表
3. 定位 OpenAI Chat API
4. 获取详细文档
5. 生成 Python 集成代码
6. 提供使用说明与优化建议

示例 2：集成图像生成

用户：“我需要用 Node.js 调用 DALL-E 生成图像”

助手：

1. 索取 API Key
2. 拉取最新 API 列表
3. 在“图像生成”分类下定位 DALL-E API
4. 获取详细文档
5. 生成 JavaScript 集成代码
6. 提供图像下载与保存示例代码

示例 3：集成语音识别

用户：“如何使用 302.AI 的语音识别 API？”

助手：

1. 索取 API Key 并确认编程语言
2. 拉取最新 API 列表
3. 在“音视频处理 > STT”分类下定位语音识别 API
4. 获取详细文档
5. 生成对应语言的集成代码
6. 提供音频文件上传与处理的完整示例

重要注意事项

1. API Key 安全性：

   • 切勿在公开代码中硬编码 API Key
   • 推荐使用环境变量或配置文件管理
   • 确保版本控制系统忽略含 API Key 的文件
   • ⚠️ 严重警告：纯前端网页（HTML/JavaScript）中，API Key 将暴露于客户端代码，存在泄露风险
   • 推荐方案：使用 Next.js、Express、Flask 等后端框架在服务端调用 API，前端通过后端接口间接访问

2. 错误处理：

   • 始终包含完备的错误处理逻辑
   • 记录错误日志便于调试
   • 向用户提供友好、清晰的错误提示

3. 性能优化：

   • 高频调用场景建议使用连接池
   • 实现请求缓存以减少重复调用
   • 采用异步处理提升并发性能

4. 成本控制：

   • 监控 API 调用量
   • 设置调用上限
   • 优化 Prompt 以降低 Token 消耗

5. 文档更新：

   • API 列表定期更新
   • 每次使用前务必重新拉取最新列表
   • 关注 302.AI 官方公告