快速接入

一键连接30+主流AI服务商
零代码迁移 · 智能路由 · 成本优化

核心理念

EvoLink采用异步任务架构，所有AI服务以任务形式处理：

提交任务

发送请求，立即返回任务ID

实时监控

查询进度，获取状态更新

获取结果

任务完成后获取最终结果

准备工作

获取API密钥

注册账户

访问 EvoLink控制台完成注册

创建密钥

进入API管理页面，点击”新建密钥”

保存密钥

复制生成的API密钥（格式：sk-evo-xxxxxxxxxx）

API密钥具有完整账户权限，请妥善保管。如发现泄露，立即重置。

30秒快速体验

图像生成示例

# 提交图像生成任务
curl -X POST https://api.evolink.ai/v1/images/generations \\
  -H "Authorization: Bearer YOUR_API_KEY" \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "gpt-4o-image",
    "prompt": "一只在草地上奔跑的可爱猫咪，夕阳西下，温暖光线"
  }'

立即响应 - 任务已创建

{
  "created": 1757156493,
  "id": "task-unified-1757156493-imcg5zqt",
  "model": "gpt-4o-image",
  "object": "image.generation.task",
  "progress": 0,
  "status": "pending",
  "task_info": {
    "can_cancel": true,
    "estimated_time": 100
  },
  "type": "image",
  "usage": {
    "billing_rule": "per_call",
    "credits_reserved": 252,
    "estimated_cost": 0.252,
    "user_group": "default"
  }
}

查询任务状态

# 使用返回的任务ID查询状态
curl https://api.evolink.ai/v1/tasks/task-unified-1757156493-imcg5zqt \\
  -H "Authorization: Bearer YOUR_API_KEY"

任务完成后的响应

{
  "created": 1757156493,
  "id": "task-unified-1757156493-imcg5zqt",
  "model": "gpt-4o-image",
  "object": "image.generation.task",
  "progress": 100,
  "results": [
    "https://tempfile.aiquickdraw.com/s/generated_image_url.png"
  ],
  "status": "completed",
  "task_info": {
    "can_cancel": false
  },
  "type": "image"
}

多模态AI能力

🎨 图像生成

GPT-4O Image
Seedream 4.0

import requests

# GPT-4O 图像生成
response = requests.post(
    "https://api.evolink.ai/v1/images/generations",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "gpt-4o-image",
        "prompt": "海面上绚丽多彩的美丽日落",
        "size": "1024x1024",
        "n": 1
    }
)

task = response.json()
print(f"任务ID: {task['id']}")
print(f"预估时间: {task['task_info']['estimated_time']}秒")

🎬 视频生成

import requests
import time

# Veo3-Fast 视频生成
def generate_video():
    # 提交视频生成任务
    response = requests.post(
        "https://api.evolink.ai/v1/videos/generations",
        headers={"Authorization": "Bearer YOUR_API_KEY"},
        json={
            "model": "veo3-fast",
            "prompt": "一只猫在花园里追蝴蝶，慢镜头",
            "aspect_ratio": "16:9"
        }
    )
    
    task = response.json()
    task_id = task['id']
    
    print(f"视频任务已创建: {task_id}")
    print(f"预估完成时间: {task['task_info']['estimated_time']}秒")
    print(f"预估成本: ${task['usage']['estimated_cost']}")
    
    return task_id

# 监控任务进度
def monitor_task(task_id):
    while True:
        response = requests.get(
            f"https://api.evolink.ai/v1/tasks/{task_id}",
            headers={"Authorization": "Bearer YOUR_API_KEY"}
        )
        
        task = response.json()
        status = task['status']
        progress = task['progress']
        
        print(f"状态: {status}, 进度: {progress}%")
        
        if status == "completed":
            return task['results'][0]  # 视频URL在results数组中
        elif status == "failed":
            raise Exception(f"任务失败: {task.get('error')}")
        
        time.sleep(10)  # 每10秒查询一次

# 使用示例
task_id = generate_video()
video_url = monitor_task(task_id)
print(f"视频生成完成: {video_url}")

SDK 快速集成

Python SDK

import openai
import requests

class EvoLinkClient:
    def __init__(self, api_key):
        self.api_key = api_key
        self.base_url = "https://api.evolink.ai"
        self.headers = {"Authorization": f"Bearer {api_key}"}
    
    def create_image(self, model, prompt, **kwargs):
        """创建图像生成任务"""
        response = requests.post(
            f"{self.base_url}/v1/images/generations",
            headers=self.headers,
            json={"model": model, "prompt": prompt, **kwargs}
        )
        return response.json()
    
    def create_video(self, model, prompt, **kwargs):
        """创建视频生成任务"""
        response = requests.post(
            f"{self.base_url}/v1/videos/generations",
            headers=self.headers,
            json={"model": model, "prompt": prompt, **kwargs}
        )
        return response.json()
    
    def get_task(self, task_id):
        """获取任务状态"""
        response = requests.get(
            f"{self.base_url}/v1/tasks/{task_id}",
            headers=self.headers
        )
        return response.json()
    
    def wait_for_completion(self, task_id, timeout=300):
        """等待任务完成"""
        import time
        start_time = time.time()
        
        while time.time() - start_time < timeout:
            task = self.get_task(task_id)
            
            if task['status'] == 'completed':
                return task['result']
            elif task['status'] == 'failed':
                raise Exception(f"任务失败: {task.get('error')}")
            
            time.sleep(5)
        
        raise TimeoutError("任务执行超时")

# 使用示例
client = EvoLinkClient("YOUR_API_KEY")

# 生成图像
task = client.create_image(
    model="gpt-4o-image",
    prompt="一座现代化的智能办公大楼"
)

result = client.wait_for_completion(task['id'])
print(f"图像URL: {result['results'][0]}")

JavaScript/Node.js

class EvoLinkClient {
  constructor(apiKey) {
    this.apiKey = apiKey;
    this.baseURL = 'https://api.evolink.ai';
  }
  
  async createImage(model, prompt, options = {}) {
    const response = await fetch(`${this.baseURL}/v1/images/generations`, {
      method: 'POST',
      headers: {
        'Authorization': `Bearer ${this.apiKey}`,
        'Content-Type': 'application/json'
      },
      body: JSON.stringify({ model, prompt, ...options })
    });
    
    return response.json();
  }
  
  async getTask(taskId) {
    const response = await fetch(`${this.baseURL}/v1/tasks/${taskId}`, {
      headers: { 'Authorization': `Bearer ${this.apiKey}` }
    });
    
    return response.json();
  }
  
  async waitForCompletion(taskId, timeout = 300000) {
    const startTime = Date.now();
    
    while (Date.now() - startTime < timeout) {
      const task = await this.getTask(taskId);
      
      if (task.status === 'completed') {
        return task.result;
      } else if (task.status === 'failed') {
        throw new Error(`任务失败: ${task.error}`);
      }
      
      await new Promise(resolve => setTimeout(resolve, 5000));
    }
    
    throw new Error('任务执行超时');
  }
}

// 使用示例
async function generateImage() {
  const client = new EvoLinkClient('YOUR_API_KEY');
  
  try {
    // 创建任务
    const task = await client.createImage(
      'doubao-seedream-4.0',
      '一幅抽象艺术画，色彩丰富'
    );
    
    console.log('任务已创建:', task.id);
    
    // 等待完成
    const result = await client.waitForCompletion(task.id);
    console.log('图像生成完成:', result.results[0]);
    
  } catch (error) {
    console.error('生成失败:', error.message);
  }
}

generateImage();

生产环境实践

错误处理策略

import requests
from typing import Optional
import time

class EvoLinkError(Exception):
    """EvoLink API异常基类"""
    pass

class RateLimitError(EvoLinkError):
    """频率限制异常"""
    pass

class QuotaExhaustedError(EvoLinkError):
    """配额耗尽异常"""
    pass

def handle_api_call(func, *args, **kwargs):
    """统一API调用错误处理"""
    max_retries = 3
    retry_delay = 1
    
    for attempt in range(max_retries):
        try:
            response = func(*args, **kwargs)
            
            if response.status_code == 200:
                return response.json()
            elif response.status_code == 429:
                # 频率限制，等待后重试
                wait_time = int(response.headers.get('Retry-After', retry_delay))
                print(f"触发频率限制，等待{wait_time}秒后重试...")
                time.sleep(wait_time)
                retry_delay *= 2
                continue
            elif response.status_code == 402:
                raise QuotaExhaustedError("账户余额不足，请充值")
            else:
                error_data = response.json()
                raise EvoLinkError(f"API调用失败: {error_data.get('error', {}).get('message')}")
                
        except requests.exceptions.RequestException as e:
            if attempt == max_retries - 1:
                raise EvoLinkError(f"网络请求失败: {str(e)}")
            time.sleep(retry_delay)
            retry_delay *= 2
    
    raise EvoLinkError("达到最大重试次数")

# 使用示例
try:
    result = handle_api_call(
        requests.post,
        "https://api.evolink.ai/v1/images/generations",
        headers={"Authorization": "Bearer YOUR_API_KEY"},
        json={"model": "gpt-4o-image", "prompt": "测试图像"}
    )
    print("任务创建成功:", result['id'])
except QuotaExhaustedError:
    print("请前往控制台充值: https://evolink.ai/dashboard/billing")
except EvoLinkError as e:
    print(f"API调用异常: {e}")

性能优化技巧

批量处理
任务池管理

import asyncio
import aiohttp

async def create_task_async(session, model, prompt):
    """异步创建任务"""
    async with session.post(
        "https://api.evolink.ai/v1/images/generations",
        json={"model": model, "prompt": prompt}
    ) as response:
        return await response.json()

async def batch_generate_images(prompts, model="gpt-4o-image"):
    """批量生成图像"""
    headers = {"Authorization": "Bearer YOUR_API_KEY"}
    
    async with aiohttp.ClientSession(headers=headers) as session:
        # 并发创建所有任务
        tasks = [
            create_task_async(session, model, prompt) 
            for prompt in prompts
        ]
        results = await asyncio.gather(*tasks)
        
        # 返回任务ID列表
        return [result['id'] for result in results]

# 使用示例
prompts = [
    "现代办公室设计",
    "自然风景画",
    "抽象艺术作品",
    "科技感UI界面"
]

task_ids = asyncio.run(batch_generate_images(prompts))
print(f"已创建{len(task_ids)}个任务")

监控与分析

使用情况监控

访问 EvoLink控制台实时查看：

实时监控

API调用次数统计
成功率和错误率
响应时间分析
并发请求监控

成本分析

按模型的费用分布
日/月使用趋势
成本预测和预警
配额使用情况

自定义监控

import logging
from datetime import datetime

class EvoLinkMonitor:
    def __init__(self):
        # 配置日志
        logging.basicConfig(
            level=logging.INFO,
            format='%(asctime)s - %(levelname)s - %(message)s',
            handlers=[
                logging.FileHandler('evolink_api.log'),
                logging.StreamHandler()
            ]
        )
        self.logger = logging.getLogger(__name__)
        
    def log_task_creation(self, task_id, model, cost):
        """记录任务创建"""
        self.logger.info(f"任务创建 | ID:{task_id} | 模型:{model} | 成本:${cost}")
        
    def log_task_completion(self, task_id, duration, status):
        """记录任务完成"""
        self.logger.info(f"任务完成 | ID:{task_id} | 耗时:{duration}s | 状态:{status}")
        
    def log_error(self, error, context=""):
        """记录错误"""
        self.logger.error(f"API错误 | {context} | {str(error)}")

# 使用示例
monitor = EvoLinkMonitor()

# 在API调用中使用
start_time = time.time()
try:
    task = client.create_image("gpt-4o-image", "测试提示")
    monitor.log_task_creation(
        task['id'], 
        task['model'], 
        task['usage']['estimated_cost']
    )
    
    result = client.wait_for_completion(task['id'])
    duration = time.time() - start_time
    monitor.log_task_completion(task['id'], int(duration), "completed")
    
except Exception as e:
    monitor.log_error(e, f"任务ID: {task.get('id', 'unknown')}")

最佳实践总结

开发建议

始终进行错误处理
使用异步编程提高效率
合理设置超时时间
记录详细的调用日志

性能优化

批量处理减少网络开销
使用任务池管理并发
监控API配额使用情况
缓存常用的生成结果

安全考虑

API密钥安全存储
使用环境变量配置
定期轮换访问密钥
监控异常调用行为

成本控制

设置合理的预算限制
选择适合的模型
优化提示词长度
监控使用量趋势

准备就绪？

立即开始您的AI创造之旅

控制台

管理API密钥和监控使用情况

API文档

查看详细的接口文档

任务管理

了解任务状态查询

需要帮助？ 我们的技术团队随时为您提供专业支持

开始使用

​快速接入

​核心理念

提交任务

实时监控

获取结果

​准备工作

​获取API密钥

​30秒快速体验

​图像生成示例

​查询任务状态

​多模态AI能力

​🎨 图像生成

​🎬 视频生成

​SDK 快速集成

​Python SDK

​JavaScript/Node.js

​生产环境实践

​错误处理策略

​性能优化技巧

​监控与分析

​使用情况监控

实时监控

成本分析

​自定义监控

​最佳实践总结

开发建议

性能优化

安全考虑

成本控制

​准备就绪？

控制台

API文档

任务管理

快速接入

核心理念

准备工作

获取API密钥

30秒快速体验

图像生成示例

查询任务状态

多模态AI能力

🎨 图像生成

🎬 视频生成

SDK 快速集成

Python SDK

JavaScript/Node.js

生产环境实践

错误处理策略

性能优化技巧

监控与分析

使用情况监控

自定义监控

最佳实践总结

准备就绪？