AI Agent的流行导致Token消耗激增高昂成本迫使许多用户因顾虑费用而放弃尝试。今天我来分享Agnes AI API 调用实战案例。首先你需要有一个API Key注册完全免费不需要绑卡邮箱注册直接拿API Key。访问 platform.agnes-ai.com 注册后Agnes API完全兼容OpenAI格式Base URL为https://apihub.agnes-ai.com/v1Bearer Token认证。案例1快速接入代码示例0成本快速接入方式Python代码拿去参考使用.源代码import requests API_KEY sk-***** # 你的API密钥 BASE_URL https://apihub.agnes-ai.com/v1# API基础URL # 文本生成 resp requests.post(# 发送POST请求到API f{BASE_URL}/chat/completions,# 调用API headers{Authorization: fBearer {API_KEY}},# 添加API密钥到请求头 json{ model: agnes-2.0-flash,# 模型名称 messages: [{role: user, content: 你好}]# 发送用户消息你好 } ) content resp.json()[choices][0][message][content]# 从响应中提取生成的文本 print(content) # 打印生成的文本运行结果D:\PythonProjects\agnes-demopython main.py 你好我是 Agnes-2.0-Flash由 Sapiens AI 开发。请问有什么我可以帮你的吗案例2Agnes 1.5 Flash 与 Agnes 2.0 Flash 文本模型对比示例提示词“简单介绍一下Python”。看一下两个文本模型的生成效果。源代码import sys import requests API_KEY 你的API-KEY BASE_URL https://apihub.agnes-ai.com/v1 def fix_encoding(): if sys.platform win32: sys.stdout.reconfigure(encodingutf-8) def generate_text(prompt, modelagnes-2.0-flash): Generate text using Agnes text models resp requests.post( f{BASE_URL}/chat/completions, headers{Authorization: fBearer {API_KEY}}, json{ model: model, messages: [{role: user, content: prompt}] } ) resp.raise_for_status() return resp.json()[choices][0][message][content] if __name__ __main__: fix_encoding() print( 文本生成示例 ) # Agnes 1.5 Flash 示例 print(\n1. 使用 Agnes 1.5 Flash:) text_1_5 generate_text(简单介绍一下Python, agnes-1.5-flash) print(text_1_5) # Agnes 2.0 Flash 示例 print(\n2. 使用 Agnes 2.0 Flash:) text_2_0 generate_text(简单介绍一下Python, agnes-2.0-flash) print(text_2_0)运行结果PS D:\PythonProjects\agnes-demo python .\example_text.py 文本生成示例 1. 使用 Agnes 1.5 Flash: Python 是一种广泛使用的高级、解释型、通用编程语言。它由 Guido van Rossum 于 1989 年底发明第一个公开发行版发 行于 1991 年。 以下是 Python 的几个核心特点 1. **简洁易读**Python 的代码语法清晰、简洁强调代码的可读性接近自然语言尤其是英语使得初学者易于上手也便于团队协作和维护。 2. **跨平台**可以在 Windows、macOS、Linux 等多种操作系统上运行具有“一次编写到处运行”的特性。 3. **丰富的库和框架**拥有庞大的标准库和第三方库生态系统覆盖了 web 开发、数据科学、人工智能、自动化脚本、网络爬虫等多个领域。例如 Django/FlaskWeb、NumPy/Pandas数据分析、TensorFlow/PyTorch机器学习。 4. **动态类型和自动内存管理**开发者无需手动管理内存Python 会自动进行垃圾回收降低了开发复杂度。 5. **应用领域广泛** - Web 后端开发 - 数据分析与可视化 - 人工智能与机器学习 - 自动化运维与脚本编写 - 科学计算 由于这些优点Python 近年来在全球范围内 popularity 持续上升常被用作编程入门语言同时也是许多专业开发者的首 选工具。 4. **动态类型和自动内存管理**开发者无需手动管理内存Python 会自动进行垃圾回收降低了开发复杂度。 5. **应用领域广泛** - Web 后端开发 - 数据分析与可视化 - 人工智能与机器学习 - 自动化运维与脚本编写 - 科学计算 由于这些优点Python 近年来在全球范围内 popularity 持续上升常被用作编程入门语言同时也是许多专业开发者的首 选工具。 - 数据分析与可视化 - 人工智能与机器学习 - 自动化运维与脚本编写 - 科学计算 由于这些优点Python 近年来在全球范围内 popularity 持续上升常被用作编程入门语言同时也是许多专业开发者的首 选工具。 由于这些优点Python 近年来在全球范围内 popularity 持续上升常被用作编程入门语言同时也是许多专业开发者的首 选工具。 由于这些优点Python 近年来在全球范围内 popularity 持续上升常被用作编程入门语言同时也是许多专业开发者的首 选工具。 选工具。 2. 使用 Agnes 2.0 Flash: Python 是一种广泛使用的高级编程语言由 Guido van Rossum 于 1991 年发布。它以**清晰、简洁和易读**的代码风格著 称强调代码的可读性提倡使用空格缩进来定义代码块从而使得程序逻辑更加直观。 以下是 Python 的主要特点 1. **简单易学**语法接近英语非常适合编程初学者入门。 2. **解释型语言**代码逐行执行便于调试和快速开发。 3. **跨平台**可在 Windows、macOS、Linux 等多种操作系统上运行。 4. **丰富的生态系统**拥有海量的第三方库和框架涵盖Web开发如 Django、Flask、数据科学如 Pandas、NumPy、人工智能如 TensorFlow、PyTorch等领域。 5. **动态类型**变量无需声明类型类型在运行时自动推断。 由于其易用性和强大的功能Python 已成为全球最流行的编程语言之一广泛应用于网站开发、数据分析、自动化脚本、人 工智能等多个领域。案例3Agnes Image 2.0 Flash 与 Agnes Image 2.1 Flash 图片模型对比示例同一句提示词 “一只可爱的小猫在花园里玩耍阳光明媚色彩鲜艳”看两个模型的图片生成效果。源代码import sys import requests API_KEY 你的API-KEY BASE_URL https://apihub.agnes-ai.com/v1 def fix_encoding(): if sys.platform win32: sys.stdout.reconfigure(encodingutf-8) def generate_image(prompt, modelagnes-image-2.1-flash, size1024x1024, n1): Generate images using Agnes image models resp requests.post( f{BASE_URL}/images/generations, headers{Authorization: fBearer {API_KEY}}, json{ model: model, prompt: prompt, n: n, size: size } ) resp.raise_for_status() return resp.json()[data] if __name__ __main__: fix_encoding() print( 图片生成示例 ) prompt 一只可爱的小猫在花园里玩耍阳光明媚色彩鲜艳 # Agnes Image 2.0 Flash 示例 print(\n1. 使用 Agnes Image 2.0 Flash:) images_2_0 generate_image(prompt, agnes-image-2.0-flash) for img in images_2_0: print(f图片URL: {img[url]}) # Agnes Image 2.1 Flash 示例 print(\n2. 使用 Agnes Image 2.1 Flash:) images_2_1 generate_image(prompt, agnes-image-2.1-flash) for img in images_2_1: print(f图片URL: {img[url]})运行结果案例4Agnes-Video-V2.0 视频模型示例视频生成需要一些时间耐心等待一会儿冲杯咖啡 过来看成果源代码import sys import os import requests from requests.adapters import HTTPAdapter from urllib3.util.retry import Retry import time # 建议改用环境变量读取: os.environ.get(AGNES_API_KEY) API_KEY 你的API——KEY BASE_URL https://apihub.agnes-ai.com/v1 def fix_encoding(): if sys.platform win32: sys.stdout.reconfigure(encodingutf-8) def get_session(): 创建带自动重试和连接池的 Session session requests.Session() retry_strategy Retry( total5, # 遇到连接错误最多重试5次 backoff_factor2, # 重试退避间隔: 2s, 4s, 8s... status_forcelist[500, 502, 503, 504], allowed_methods[GET, POST] ) adapter HTTPAdapter(max_retriesretry_strategy) session.mount(https://, adapter) session.mount(http://, adapter) return session def generate_video(prompt, modelagnes-video-v2.0, duration10, image_urlNone): Generate video using Agnes Video model session get_session() headers { Authorization: fBearer {API_KEY}, Connection: keep-alive # 显式保持长连接 } payload { model: model, prompt: prompt, duration: duration } if image_url: payload[image] image_url # 创建任务带超时保护 resp session.post( f{BASE_URL}/videos, headersheaders, jsonpayload, timeout30 ) resp.raise_for_status() task_id resp.json()[id] print(f视频生成任务已创建任务ID: {task_id}, flushTrue) # 轮询等待任务完成 while True: try: status_resp session.get( f{BASE_URL}/videos/{task_id}, headersheaders, timeout30 # 关键防止单次请求无限挂起 ) status_resp.raise_for_status() status_data status_resp.json() if status_data[status] succeeded: return status_data[data][0][url] elif status_data[status] in [failed, cancelled]: raise Exception(f视频生成失败: {status_data.get(error, {}).get(message, 未知错误)}) print(正在生成视频..., flushTrue) except requests.exceptions.ConnectionError as e: # 捕获连接重置等网络异常打印警告但不中断轮询 print(f[警告] 网络连接异常将在下次轮询时自动重试: {e}, flushTrue) time.sleep(8) # 将轮询间隔从5秒调整为8秒降低触发网关超时的概率 if __name__ __main__: fix_encoding() print( 视频生成示例 , flushTrue) prompt 让整个图片画面动起来 first_frame_image https://i-blog.csdnimg.cn/direct/1e81de94c1d447b0a93646646bcede39.png try: video_url generate_video(prompt, duration5, image_urlfirst_frame_image) print(f\n视频生成成功视频URL: {video_url}, flushTrue) except Exception as e: print(f\n错误: {e}, flushTrue)运行结果Kitten playing with orange另外我还需要泼点冷水agnes-video-v2.0 是 Agnes AI 的免费视频生成模型生成视频的时候慢是它的已知特征不是你的网络或配置问题。根据社区实测数据场景实测耗时文生视频 5 秒1280×768约 2 分 35 秒文生视频 5 秒排队时可能 十几分钟图生视频 5 秒十几分钟且经常排队另外注意几点异步流程调用后不会立刻返回视频而是先拿到 task_id需要轮询状态直到 completed才能获取视频 URL。URL 临时性生成的视频存储在 Google Cloud Storage是临时链接生成后要立刻下载保存。排队问题免费服务高峰期排队长有时候甚至需要手动下载。文生图agnes-image-2.1-flash相对快图片模型走的是同步返回几秒内就能拿到结果。总结免费是真的慢也是真的。适合做批量素材、测试、学习不建议当生产模型。如果追求速度和质量还是得 Midjourney Runway / 可灵 / 即梦这种付费方案。如果觉得有帮助欢迎点赞收藏转发。有不同看法欢迎评论区交流每条都会看。