Arkcli Gen

arkcli 生成工作流（+gen）

CRITICAL — 开始前 MUST 先用 Read 工具读取 ../arkcli-shared/SKILL.md（认证闸门、模型查找回退、共享安全规则）。

CRITICAL — 真实生成是工作流，不是猜一条命令：按 Step 1 → Step 2 → 必要时 Step 2.5 → Step 3 执行。用户只要求 --dry-run 时例外：全程本地，不先跑在线 Resources / Models / Usage 准入；在线未知项保留 unresolved。执行前务必读 references/arkcli-gen.md。

CRITICAL — 用户显式给出 API Key / Base URL / Endpoint 时，MUST 先读 ../arkcli-shared/references/execution-context.md。显式 Endpoint 的权威元数据优先于当前 profile。

火山额外约束：不要因为 active profile 是 Agent/Coding Plan 就把用户给出的 Endpoint 当套餐模型调用。

Agent 快速执行顺序

先把用户要求拆成可验收项，再按资源、能力、整批预算、执行、成品检查推进。执行前读取 references/intent-and-validation.md：它约定不完整意图的默认值、 参数组合、凭证错误分流和成品验收。参数表是候选能力，不代表每个模型都支持。 用户已明确要图片或视频时，生成命令显式带 --modality image|video；不要让名称解析覆盖用户意图。 只使用用户本轮提供或明确授权复用的素材；不得从历史目录、旧任务或相似文件名擅自加入额外参考图/视频。

成品验收前：宿主视觉输入准入

生成模型能出图，不代表驱动当前 Agent 的宿主模型能看图。Read 工具描述说支持图片， 也不是当前宿主模型的视觉能力证明。 当前会话没有可靠的视觉能力声明或已验证的兼容性时， 按“未准入”处理：不要原生 Read 图片、视频或抽出的帧，也不要用成品试探能否读取。 本 Skill、参考说明和 JSON 等文本仍可正常 Read。

• 已有兼容且已授权的视觉工具，或同一主体下已准入、收费路径不变的视觉模型时， 按对应 Chat/Understand Skill 分析实际媒体，只把文字结果返回宿主；不自动换宿主、Profile 或 Key。
• 没有这样的入口时，完成文件/解码/尺寸/时长等结构检查并交付已有成品，明确“视觉语义未验”； 不声称看过或完全符合。不要为补验收擅自增加未授权的收费调用。
• 生成成功后宿主读图报错，是验收/交付失败；保留成品，不重新提交生成或轮转业务 Key。

反唤起信号

• 描述、分析现有图像而不是生成/编辑 → arkcli-chat 或有固定产出形态的 arkcli-understand。
• 只查资源、能力、用量 → 对应只读 Skill，不提交生成任务。

为什么是工作流（核心，先理解再执行）

用户说"生成一个视频/一张图"，本质是至少三件独立的事，必须按序；批量或多阶段任务还要先确认整批可完成：

① 本次资源从哪里来           ── 用户显式 Endpoint 优先；否则看当前 profile
② 该模型支持哪些参数          ── 不查就传参 = 瞎猜 = 被校验拒/被后端拒
②.5 多候选/多阶段额度与任务数 ── 先算完整批次，额度已耗尽就不启动半批任务
③ 按可用参数真去生成          ── 每个请求只提交一次并立即保存 task_id

把这三步压成"直接 +gen 猜一条命令"，正是失败之源：模型名形态不对会 404，参数模型不支持会被拒。

模态解析硬契约

+gen 的生产调用按以下固定优先级解析能力：

explicit --modality > output_modalities > task types > unknown

• 直接传版本化模型 ID 时，读取 ArkModels 返回的 output_modalities；缺失时再读取 FoundationModel 的 task_types / filter_task_types。
• 传 ep-* 时，先读取 Endpoint 的 ModelReference.FoundationModel(name, version)，再精确匹配同版本模型的上述结构化元数据。
• 模型名与 DisplayName 只用于定位模型，不参与模态判断。不要从 seedream、seedance 或任何国内/海外品牌前缀推断 image/video。
• 结构化元数据缺失或互相冲突时返回 unknown，提示用户显式传 --modality image|video；禁止静默猜测。
• +gen --dry-run 是纯本地 Client Preview：不读取 Endpoint/模型元数据、不调用 生成 API，也不下载或打开文件。显式 --modality 最可靠；已知 seedream/seedance 模型名可本地判断，其他模型或 Endpoint 必须显式传 --modality image|video。在线才能补齐的执行上下文会以 unresolved 和 fidelity=partial 明示。

适用场景

• "生成一张图" / "文生图" / "画一个 X"
• "生成一个视频" / "文生视频"
• 图生图 / image-edit / 加参考图；图生视频(I2V)；参考视频(R2V)；参考音频
• "用这张图当首帧生成视频" / "保持这个参考视频的运动"

工作流总览

用户意图: "生成 X"
  │
  ▼ Step 1【强制】解析本次资源
  │     用户给 Endpoint → arkcli resources resolve <ep-id>
  │     未给 Endpoint   → arkcli resources list --modality image|video
  │
  │     当前 profile 可用资源：
  │     platform    → 列 EP (ep-xxx)           ┐
  │     agent-plan  → 列视觉模型名              ├─ 选一个，记为 $MODEL
  │     coding-plan → 列 EP (借道 platform)     ┘
  │
  ▼ Step 2【强制】查可用参数  ──► models get（EP 用 resolve 得到的绑定模型查能力）
  │     模型名 + 有 sp → **只能**用列出的参数，取值落 min/max/enum 内
  │     模型名 + sp 空(未配置或当前不可解析) → +gen 自动套 modality 兜底默认(video 720p/5s; image 不填 size)
  │     EP(ep-xxx)            → 可解析绑定则查精确版本；不可解析则说明未知，不猜支持
  │
  ▼ Step 2.5【批量/多阶段】额度预检 ──► plan/free-quota 快照；记录完整 create 数
  │
  ▼ Step 3 据可用参数生成  ──► arkcli +gen --model $MODEL [Step2 允许的参数] "prompt"
  │
  ▼ Step 4【结果处理】
        视频 = 异步：返回 task_id + status=queued(**不是失败!**) → arkcli gen get <task_id> 轮询;轮到 succeeded 自动下载到本地(local_path);要同步阻塞加 --wait(有上限,默认 10m,长视频配 --timeout 30m)
        图片 = 同步：直接返回 output_url + local_path

Step 1【强制】解析显式 Endpoint，或列出 profile 可用资源

用户已经显式给出 Endpoint 时，不要先用 active profile 的模型池覆盖它：

arkcli resources resolve "$ENDPOINT" --format json

• 读取 generation_modality 决定 image/video；image_or_video 或 unknown 时再结合 用户意图，必要时显式补 --modality。
• 读取 resource_region；Endpoint + 显式 API Key 且未给 Base URL 时，CLI 用该 region 派生 platform Base URL。
• 不按 Endpoint ID 或绑定模型名称里的 seedream / seedance 子串猜模态。
• 显式 Endpoint + API Key 是临时调用，不切换 active profile，也不把值写回。
• 用户显式提供的 ep-* 是本次调用资源；不要忽略它后改用套餐 default，也不要把 resources resolve 的位置参数误传成模型名。若该 Endpoint 已在本轮被用户授权用于 后付费兜底，套餐额度不足时可回到这里重新做能力检查，但仍不修改 Profile/default。

用户未给显式 Endpoint 时，再按 profile 列资源：

# 按目标模态列；输出 items[].id 就是可作 --model 的候选
arkcli resources list --modality video   # 或 image

• 平台差异（resources list 已自动按 profile 分流，你只管读 items）：
  • platform profile → items 是推理接入点 EP（ep-xxx），每个 EP 内部绑定一个模型
  • agent-plan / agent-plan-team → items 是套餐视觉模型名；使用对应个人/团队席位 Key
  • coding-plan / coding-plan-team → 无套餐内视觉模型；生成使用 platform Endpoint + 后付费 API Key。团队席位 Key 不能用于这个后付费请求
• is_default: true 标记的是该模态当前默认；用户没指定时优先用它
• 再核对 invocable / required_overrides / data_plane / credential_kind。默认或可见不等于当前凭证可调用；不要为生成自动切 Profile、轮转 Key 或修改 default。
• 选定一个 id，记为 $MODEL，贯穿 Step 2/3
• 用户已明确给了模型名时，可用 resources list 核对当前 lane 的兼容性；用户明确给了 EP 时只先 resources resolve，不要再用列表/default 覆盖它。若模型与默认不同，按 ../arkcli-shared/references/profile-defaults.md "Default 漂移检测与 promote nudge" 处理

Step 2【强制】查 $MODEL 的可用参数

arkcli models get "$MODEL" --transform supported_params

• $MODEL 是模型名：拿到该模型的 supported_params 清单（每项含 name / type / support / min / max / enum / required / default / description）。

  • MUST：Step 3 只能使用这里 support=true 的参数，且取值必须落在 min/max/enum 范围内。 不在清单里的参数（或 support=false）传了会被 +gen 拒绝。

  • MUST：description 必须逐条读，不能当注释跳过。 实测 74 个参数条目里 description 填充率 100%，而 min/max 只有 9%、enum 只有 19% —— 结构化字段看着「有」的多数是空的，唯一填满的那个才是条件约束的载体。出现「仅允许 / 仅支持 / 必须 / 不支持 / 建议 / 否则」时，它是硬约束，不是提示。四类典型：

  • • 值域 —— duration 的 min=4 max=30 只给了区间，description 才补上「取值为 4-30 或 -1」。-1 落在区间外却合法，default=-1 印证了它：default 是目录自己声明的合法值，与 min/max 冲突时以 default 为准（+gen 本地校验同样按此放行，无需 --force）。

  • • 条件子集 —— ratio 的 enum 列了 7 个值，但「视频编辑、视频延长…仅允许 adaptive」，即某条件下 enum 只剩一个合法值。

  • • 跨参数依赖 —— omni_reference_task_type 的 description 给出 auto/reference/edit/extend 四种取值各自的 ratio/duration 约束；background=transparent 依赖参考图的格式与数量。

  • • 替代方案 —— frames 的 description 写「请使用 duration」，即该参数不可用时该换成什么。

  • 取值与 description 冲突、或本地校验拒绝了目录声明合法的值时，保留冲突证据（模型名、name、目录原文、CLI 报错）再决定下一步，不要静默换值或换模型。

  • 可直接使用 Step 1 选出的模型 id：models get 会按 DisplayName 归一化到规范连字符 name。但归一化只认「点号形态 == 小写 DisplayName」这一种，不是「点号一律可用」——越界就会 not found：

    • ✅ doubao-seedance-2.0-fast（DisplayName 就是 Doubao-Seedance-2.0-fast）→ doubao-seedance-2-0-fast
    • ✅ doubao-seedream-4.5 → doubao-seedream-4-5
    • ❌ doubao-seedream-5.0 —— 该族 DisplayName 实为 Doubao-Seedream-5.0-lite，裸族名对不上
    • ❌ doubao-seedream-5.0-pro-260628 —— 点号 + 日期快照：DisplayName 不带日期，对不上

    规则：带日期快照的名字一律用连字符形态（doubao-seedream-5-0-pro-260628）；点号形态只用在无日期的族名 / 变体名上。仍报 not found 时用 arkcli models search <族名> 核对规范 name，不要靠猜点号位置试。

  • 查到模型但 supported_params 为空 / null → 该版本未配置参数目录，或上游目录当前不可解析；若 stderr 有 warn: model supported_params enrichment failed: ...，保留该告警用于排障。不要手动猜参数：+gen 会自动用内置 modality 兜底默认（video: resolution=720p / duration=5 / ratio=adaptive）填充你没指定的参数；图片任务不填 size —— 画布由 prompt 描述的宽高比与服务端默认值共同决定，硬填一个 1:1 常量会覆盖 prompt 已说清的比例，需要固定画布时显式传 --size。控制面查询失败（区别于「模型本来没配目录」）时 stderr 还会有一条 warn: ... 提示本次未做参数校验 —— 走 stderr 而非 JSON，生成失败时同样会出现。直接进 Step 3。

• $MODEL 是 EP（ep-xxx）：不把 EP 本身交给 models get。使用 Step 1 的权威绑定：FoundationModel 查 model_name + --version <model_version>；CustomModel 只可用 base_model_* 查 lineage 能力，不能改写真实 model_id 或调用 EP。warning/歧义时说明能力未知，不根据名称猜测支持。
  • 能力查询所得模型 ID 仅用于查询；Step 3 仍传原 EP。CLI 当前不对 EP 强填模态兜底参数，也不替代服务端最终校验。

Step 2.5【批量或多阶段任务】提交前检查完整预算

单个图片/视频请求不额外制造“试 Key”任务；批量候选、长视频拆段、续写链等会创建多个收费任务时， 必须在第一个 +gen 前列出总候选数、每个候选的阶段数、理论 create 总数以及阶段依赖。能用一个 原生 30 秒任务完成时，不要在模型/Endpoint 未核验前擅自拆成两个 15 秒任务。

对 Agent Plan / Agent Plan Team 的批量或多阶段视觉任务，读取当前 Profile 后执行额度快照：

arkcli usage plan --format json
arkcli usage balance --type free-quota --modality ComputerVision --page-all --format json

• 这两个结果是提交前快照，不是额度预占；只按当前选定 lane/model 的相关桶判断，不把另一个产品的额度混进来。
• 相关月/周/会话桶或模型免费额度已明确耗尽时，不启动只可能完成一半的批次。若用户本轮已明确授权 某个后付费 Endpoint，则先 resources resolve 该 EP 并按它的精确绑定重走 Step 2；否则说明缺口并停止， 不自动切 Profile、Key、default 或收费路径。
• 若响应没有给出“秒数/候选数 → 额度”的可计算映射，只能报告“当前未耗尽但无法保证整批”，不能伪造 精确剩余可生成数量。429 也不能仅凭状态码猜成并发上限。

控制面 resolve/list 只能证明资源元数据与上下文兼容，不能证明数据面 API Key 当前有效。没有无计费的 Key 探测时，把第一个本来就要交付的任务作为数据面准入：成功拿到 task_id/图片结果后才继续余下批次； 401/403/quota 错误按原证据停止。禁止另生成一张测试图，也禁止失败后轮转 Key 或循环试不同收费路径。

Step 3 据可用参数生成

# 文生图 / 文生视频
arkcli +gen --model "$MODEL" --modality image "<prompt>" # 用户要视频时改为 video

# 带 Step 2 确认过的参数（示例：视频 1080p + 优先级 9，前提是 supported_params 列了它们）
arkcli +gen --model "$MODEL" --resolution 1080p --priority 9 "<prompt>"

# 图生图 / 图生视频 / 参考素材：--input 可重复
arkcli +gen --model "$MODEL" --input @ref.jpg "<prompt>"

• 参数全集、多模态 --input 规则、新增 --n/--priority/--wait/--timeout 见 references/arkcli-gen.md
• Endpoint 的模态由 Step 1 权威元数据自动解析；仅在元数据为 unknown / image_or_video 且用户意图仍不足时要求显式 --modality。
• 产物默认自动下载到 CWD（或 --save-to <dir>）；JSON 里的 local_path 是持久产物，预签名 output_url 24h 失效，优先引用 local_path。--save-to="" 关闭
• 自动用系统默认程序打开产物：默认仅当 stdout 是交互式终端（人直接在终端跑）才打开——agent / 管道 / CI 抓 stdout（非 TTY）时不弹窗，只返回 local_path。--open 强制打开、--no-open 强制不打开。仅对已落地本地文件生效（异步视频未 --wait 时无本地文件、不打开）；多产物只打开前若干个
• 🔑 你是 agent，默认带 --open：你（AI agent）调用 arkcli 时 stdout 被你接管 = 非 TTY，默认 auto 不会弹窗，用户只能看到文件路径、看不到成品。为了让用户直接看到生成的图/视频，凡是给真人出图/出视频的 +gen 与轮询到 succeeded 的 gen get，默认都加 --open（--open 无视 TTY 强制在用户桌面打开）。例外只在：用户明确说"别打开/在脚本里/批量/不要弹窗"，或一次出图 >4 张批量场景 → 这时省略 --open 或显式 --no-open。