agent-im 会话（生图 / 生视频）+ Gemini / Sora / Veo / Grok / 豆包 / Vidu 直连兼容#

通过 agent-im 的 OpenAPI 创建会话、发送消息（生图、生视频、编辑视频等）、上传图片/视频文件，并查询会话消息进展。同时支持 Gemini 文生图直连、Sora/Veo/Grok/豆包 的 POST /v1/videos 视频直连，以及 Vidu 的 POST /v1/video/generations 直连。

LibTV 是 LiblibAI 推出的 AI 视频创作平台，同时为人类创作者和 Agent 设计。Agent 通过 Skill 入口理解任务、调用模型并自动编排工作流。

平台核心能力：

• 生成：文生图、文生视频、图生视频、视频续写
• 编辑：局部修改、元素替换、镜头调整、风格迁移
• 复杂创作：一句话生成完整短剧（剧本→分镜→成片）、复刻已有视频风格做 TVC/宣传片、用音乐生成 MV、产品展示片制作
• 模型：Seedance 2.0、Kling 3.0/O3、Wan 2.6、NanoBanana、Midjourney、Seedream 5.0 等顶级模型

用户的所有创作和编辑需求都通过发送自然语言消息来完成，Agent 会自主编排工作流。复杂任务（短剧、MV）耗时较长，需耐心轮询。

触发场景#

只要用户请求涉及 AI 图片或视频的创作、生成、编辑、修改，无论措辞如何，都必须触发此技能。常见措辞包括：

• 生成类：文生图、文生视频、图生视频、做动画、画一个xxx、来段xxx
• 编辑类：把xxx换成yyy、去掉xxx、加上xxx、改成xxx、调整xxx、局部修改、改镜头
• 风格类：风格迁移、转绘、换风格
• 复杂创作：视频续写延长、复刻视频/TVC/宣传片、音乐MV、产品广告/展示片、分镜/故事板、短剧
• 平台交互：提到 liblib、libtv、上传参考图/视频、查看生成进度
• Gemini 路径：用户明确提到 Gemini/gemini-3-pro-image-preview 且要求控制宽高比或清晰度时，优先走 Gemini 文生图兼容路径

功能#

1. 创建会话 / 发消息 - 创建新会话或向已有会话发送一条消息（如「生一个动漫视频」「把纸船换成爱心」）
2. 查询会话进展 - 根据 sessionId 拉取该会话的消息列表，用于轮询生图/生视频结果
3. 切换项目 - 将当前 accessKey 绑定的项目切换到新项目，后续 create_session 将使用新 projectUuid
4. 上传文件 - 上传图片或视频文件到 OSS，返回可访问的 OSS 地址（编辑已有视频/图片时需要先上传）
5. 下载结果 - 将会话中生成的图片/视频批量下载到本地，自动提取 URL 并命名
6. Gemini 文生图 - 调用 gemini-3-pro-image-preview:generateContent，支持 aspectRatio 和 imageSize
7. Sora/Veo/Grok/豆包 生成视频 - 调用 POST /v1/videos，支持文生视频和图生视频（ input_reference 可多张）
8. Vidu 生成视频 - 调用 POST /v1/video/generations（JSON 请求体，支持 duration/images/metadata）
9. 统一查询任务 - 调用 GET /v1/videos/{task_id} 轮询状态并提取视频地址

前置要求#

LibTV 会话模式（默认）#

bash

export LIBTV_ACCESS_KEY="your-access-key"

可选： OPENAPI_IM_BASE 或 IM_BASE_URL，默认 https://im.liblib.tv。

Gemini / Sora / Veo / Grok / 豆包 / Vidu 直连模式#

所有直连接口共用同一组 API 地址和密钥：

bash

export API_KEY="your-api-key"           # 必填
export API_BASE_URL="https://your-api-host"  # 必填（只写域名，不带路径）

各 provider 可选模型参数详见 .env 文件或 references/usage-guide.md。

无需安装额外依赖，仅使用 Python 标准库。

使用方法#

1. 创建会话 / 发送消息#

bash

# 创建新会话并发送「生一个动漫视频」
python3 {baseDir}/scripts/create_session.py "生一个动漫视频"

# 向已有会话发送消息
python3 {baseDir}/scripts/create_session.py "再生成一张风景图" --session-id SESSION_ID

# 只创建/绑定会话，不发消息
python3 {baseDir}/scripts/create_session.py

2. 查询会话进展#

bash

# 查询会话消息列表
python3 {baseDir}/scripts/query_session.py SESSION_ID

# 增量拉取（只返回 seq 大于 N 的消息）
python3 {baseDir}/scripts/query_session.py SESSION_ID --after-seq 5

# 附带项目地址（传入 create_session 返回的 projectUuid，结果中带 projectUrl）
python3 {baseDir}/scripts/query_session.py SESSION_ID --project-id PROJECT_UUID

3. 切换项目#

bash

# 切换当前 accessKey 绑定的项目（后续创建会话将使用新项目）
python3 {baseDir}/scripts/change_project.py

4. 上传文件#

当用户提供了参考的文件地址时，进行上传，仅支持图片、视频，文件大小必须在200M以下。

bash

# 上传图片
python3 {baseDir}/scripts/upload_file.py /path/to/image.png

# 上传视频
python3 {baseDir}/scripts/upload_file.py /path/to/video.mp4

5. 下载结果#

生成完成后，可以将会话中的所有图片/视频批量下载到本地。

bash

# 从会话自动提取并下载所有结果
python3 {baseDir}/scripts/download_results.py SESSION_ID

# 指定输出目录
python3 {baseDir}/scripts/download_results.py SESSION_ID --output-dir ~/Desktop/my_project

# 指定文件名前缀（如 storyboard_01.png, storyboard_02.png ...）
python3 {baseDir}/scripts/download_results.py SESSION_ID --prefix "storyboard"

# 直接下载指定 URL 列表（不需要 session_id）
python3 {baseDir}/scripts/download_results.py --urls URL1 URL2 URL3 --output-dir ./output

6. Gemini 文生图#

bash

python3 {baseDir}/scripts/gemini_generate_image.py "赛博朋克风格的城市夜景海报" --aspect-ratio 16:9 --image-size 2K

7. 视频生成（Sora/Veo/Grok/豆包/Vidu）#

bash

# 文生视频
python3 {baseDir}/scripts/sora_generate_video.py "猫咪听歌摇头晃脑" --model sora-2 --seconds 10

# 图生视频
python3 {baseDir}/scripts/sora_generate_video.py "让角色开始微笑" --input-reference ./ref.jpg --seconds 10

# Vidu 文生视频
python3 {baseDir}/scripts/vidu_generate_video.py "一个美女在雨中跳舞" --seconds 5

各 provider 别名入口（ veo_generate_video.py、 grok_generate_video.py、 doubao_generate_video.py）和更多示例见 references/usage-guide.md。

8. 查询视频任务#

bash

# 单次查询
python3 {baseDir}/scripts/sora_query_video.py TASK_ID

# 轮询到完成
python3 {baseDir}/scripts/sora_query_video.py TASK_ID --wait --interval 5 --max-wait 900

别名查询入口： veo_query_video.py、 grok_query_video.py、 doubao_query_video.py、 vidu_query_video.py。

典型工作流#

详细工作流场景参见 references/workflows.md。

核心流程概要：

• LibTV 会话模式：create_session → 轮询 query_session（每 8 秒）→ 自动 download_results → 展示结果 + projectUrl
• 编辑/参考图：先 upload_file 拿到 OSS URL → 拼入消息 → create_session
• Gemini 文生图：gemini_generate_image → 展示 saved 文件
• Sora/Veo/Grok/豆包/Vidu 直连：generate_video → query_video 轮询 → 展示 videoUrl

输出格式#

各脚本的详细 JSON 输出格式参见 references/output-format.md。

最终向用户展示时（OpenClaw）#

• 视频地址：来自 query_session 返回的 messages 中 assistant 消息的 content 或结果里的视频/图片 URL，即「返回的结果」。
• 项目地址：使用 create_session 返回的 projectUrl，或自行拼接 https://www.liblib.tv/canvas?projectId= + projectUuid。查询进展时若传入 --project-id PROJECT_UUID， query_session 会直接返回 projectUrl，便于一并展示。
• Gemini 文生图：展示 gemini_generate_image.py 输出中的 saved 文件列表（该流程没有 projectUrl）。
• Sora/Veo/Grok/豆包/Vidu 直连视频：展示 sora_query_video.py 或各别名查询脚本输出中的 videoUrl（该流程没有 projectUrl）。

在 LibTV 任务完成时，同时给出： 视频/图片结果链接 + 项目画布链接（projectUrl）。 在 Gemini 任务完成时，只给出： 图片结果（saved 文件路径）。 在 Sora/Veo/Grok/豆包/Vidu 任务完成时，只给出： 视频结果链接（videoUrl）。 过程中，不要给出 项目画布链接（projectUrl）。

核心原则：用户侧不做创作，只做传话#

该原则针对 LibTV 会话模式；Gemini 文生图直连模式为单次请求直接出图。

你（用户侧 Agent）的职责是 搬运工，不是创作者。后端有专门的 Agent 负责理解需求、拆解分镜、编排工作流、选模型、写 prompt。你要做的只有三件事：

1. 上传：用户给了本地文件 → upload_file.py 拿到 OSS URL
2. 传话：把用户的原始描述 + OSS URL 原封不动发给 create_session.py
3. 取件：轮询结果 → 下载到本地 → 展示给用户

绝对不要做的事：

• 不要替用户扩写、润色、翻译 prompt（用户说"帮我推演分镜"，就直接传"帮我推演分镜"，不要自己先写个分镜表再逐条发）
• 不要自行拆解任务步骤（如把"生成9张分镜图"拆成9次独立请求）
• 不要自行编排镜头描述、剧情推演、风格分析
• 不要在消息中添加自己编的 prompt（如"超写实风格，电影级光影，8K分辨率"之类的描述词）

后端 Agent 对模型能力、参数配置、prompt 工程远比用户侧更专业。用户侧越俎代庖只会降低生成质量，换个弱模型更是灾难。

正确示例：

text

用户说：「帮我推演后续的故事，来个分镜大爆炸，帮我出一个16:9的九宫格的图。新建一个任务。」
用户给了参考图：/path/to/ref.png

→ upload_file.py /path/to/ref.png  →  拿到 oss_url
→ create_session.py "帮我推演后续的故事，来个分镜大爆炸，帮我出一个16:9的九宫格的图。参考图：{oss_url}"
→ 轮询 → 下载 → 展示

错误示例：

text

❌ 用户侧自己先写了个九宫格分镜表（对峙、交锋、危机...）
❌ 然后把自己编的描述发给后端
❌ 或者拆成9次 create_session 分别发送

注意事项#

• 鉴权方式为请求头 Authorization: Bearer <LIBTV_ACCESS_KEY>
• 创建会话时若不传 message，仅创建/绑定会话，不会调用 SendMessage
• 查询会话时可用 --after-seq 做增量拉取，便于轮询新消息（含 assistant 回复与生图/生视频结果）
• 项目画布地址固定为： https://www.liblib.tv/canvas?projectId= + projectUuid
• 切换项目后，Redis 缓存会更新，下次 create_session 将使用新的 projectUuid
• 上传文件仅支持图片（image/ ）和视频（video/）类型，其他类型会被拒绝，文件大小须在 200MB 以下
• 上传返回的 OSS 地址格式为 https://libtv-res.liblib.art/claw/{projectUuid}/{uuid}{ext}
• 生成过程中只告知用户"正在生成中"，不要提前给出 projectUrl；任务完成后再同时给出： 结果链接（图片/视频 URL） + 项目画布链接（projectUrl）
• Gemini 文生图接口路径： /v1beta/models/gemini-3-pro-image-preview:generateContent
• Gemini 请求需携带 query 参数 key；若中转接口要求，额外携带 Authorization: Bearer <token>
• Gemini 可通过 generationConfig.imageConfig.aspectRatio 控制宽高比，通过 imageSize 控制清晰度（如 1K、 2K、 4K）
• Sora/Veo/Grok/豆包 视频接口路径： POST /v1/videos，鉴权为 Authorization: Bearer <*_API_KEY>
• Sora/Veo/Grok/豆包 图生视频通过重复字段 input_reference 上传多张图片；查询优先使用 GET /v1/videos/{task_id}
• Veo 系列模型可使用 VEO_* 环境变量别名，常用模型如 veo_3_1-fast，并支持 enable_upsample 参数
• Grok 系列可使用 GROK_* 环境变量别名，常见 size 为 720P/1080P
• 豆包系列可使用 DOUBAO_* 环境变量别名，常见 size 为 16:9/4:3/1:1/3:4/9:16/21:9/keep_ratio/adaptive
• Vidu 提交路径是 POST /v1/video/generations（JSON）；图生/首尾帧使用 --image-urls，查询仍建议 GET /v1/videos/{task_id}