LLM API voor Flux-prompts: een praktische workflow
Wil je een LLM API voor Flux-prompts? De taak is simpel: stuur een kort idee naar een tekstmodel en ontvang een gedetailleerde prompt die je image service kan gebruiken. Deze pagina toont de systeemprompt, de instellingen en de code, en legt eerlijk uit wat een tekstmodel niet kan.
Bijgewerkt

Belangrijkste punten
- Gebruik een systeembericht om de indeling en stijl één keer vast te leggen, en stuur daarna alleen het korte idee per verzoek.
- Met JSON-modus krijg je een lijst met promptvarianten die je script kan doorlopen zonder dat het tekst moet ontleden.
- Het contextvenster van 100.000 tokens stelt je in staat een stijlgids of eerdere prompts in het verzoek te plakken.
- Een volledige uitbreiding kost een fractie van een cent, en het model ziet of maakt de afbeelding niet.
Begin met proeftegoed
E-mail en wachtwoord, de sleutel staat meteen op het scherm.
API-sleutel aanvragenDe korte versie
Maak een sleutel aan, richt een OpenAI-client op https://api.fluxapikey.com/v1, stel het model in op uncensored en voeg je promptregels toe aan het systeembericht. Elk gebruikersbericht is dan slechts het idee: een paar woorden, een scène, een personage. Het antwoord is de voltooide prompt. Kopieer het naar de image tool die je gebruikt, die zijn eigen sleutel en eigen facturatie heeft.
Hier worden geen afbeeldingen gegenereerd. De API is alleen tekst, het is geen service van een afbeeldingsaanbieder en het kan je renders niet bekijken. Waar het goed in is, is het schrijven: structuur, woordkeuze, consistentie over een batch. De rest van deze pagina bevat de praktische details.
Waarom een taalmodel voor prompts gebruiken
Beeldmodellen belonen specifieke input en straffen vage input. Een regel als "een kasteel" geeft je het gemiddelde kasteel. Een alinea die het materiaal van de muren, het tijdstip van de dag, de lens en het kleurenpalet noemt, geeft je iets dat dichter bij de afbeelding in je hoofd staat. Die alinea handmatig schrijven voor elke afbeelding is langzaam, en je vergeet steeds dezelfde details.
Een taalmodel is hier goed in. Het voegt de ontbrekende details toe, houdt een vaste volgorde van elementen aan en hanteert een huisstijl over honderden verzoeken heen. Omdat dit model niet standaard weigert, gaat het ook om met fictie, donkere thema's en personages voor volwassenen die voorzichtigere gehoste modellen vaak afwijzen. De gebruikelijke limiet geldt: alleen wettelijk toegestaan gebruik door volwassenen, en geen seksuele inhoud met minderjarigen in welke vorm dan ook.
Een systeemprompt die werkt
Het grootste deel van de kwaliteit komt door het systeembericht. Houd het kort, concreet en testbaar. Hier is een startpunt dat je kunt bewerken:
SYSTEM = '''You write prompts for a text-to-image model.
Output exactly one prompt, one paragraph, no preamble, no quotes.
Order: subject, action, setting, lighting, camera or medium, palette, mood.
Use concrete nouns and visual adjectives. Avoid abstract words like beautiful.
Do not mention the words prompt, image or render.
Keep it under 90 words.'''
Let op wat het bericht niet zegt. Het geeft geen lange les over creativiteit en geen lijst met verboden onderwerpen. Korte regels met een vaste volgorde zijn makkelijker voor een model om op te volgen, en makkelijker voor jou om te debuggen. Als de output afdrijft, pas dan één regel aan en voer hetzelfde idee opnieuw uit. Wil je een andere huisstijl voor een ander project, bewaar dan een tweede systeembericht en kies er één per verzoek.
Toon, beschrijf niet
Wanneer regels alleen niet genoeg zijn, voeg dan een of twee voorbeeldparen toe als eerdere berichten in het gesprek: een kort idee als gebruikersbericht en de prompt die je leuk vindt als assistentbericht. Een paar paren verbeteren de toon meestal beter dan nog een alinea regels.
Het verzoek versturen
De call is een standaard chat completion. De instellingen die het meest belangrijk zijn voor creatieve uitbreiding zijn temperature en seed.
from openai import OpenAI
client = OpenAI(base_url="https://api.fluxapikey.com/v1", api_key="YOUR_KEY")
def expand(idea, seed=None):
r = client.chat.completions.create(
model="uncensored",
messages=[
{"role": "system", "content": SYSTEM},
{"role": "user", "content": idea},
],
temperature=0.9,
top_p=0.95,
max_tokens=200,
seed=seed,
)
return r.choices[0].message.content.strip()
print(expand("an abandoned observatory on a cliff", seed=7))
Een temperature rond 0,8 tot 1,0 geeft gevarieerde wording, wat je wilt bij het brainstormen. Verlaag het naar 0,3 als je bijna identieke output nodig hebt voor een herhalende template. De seed, top_p, stop en de penalty parameters worden doorgegeven aan het model, dus je kunt ze gebruiken zoals je dat elders ook doet. De max_tokens limiet is optioneel; het instellen op de verwachte lengte houdt een uit de kluiten lopend antwoord kort. Zie de documentatie voor elke ondersteunde parameter.
Batches met JSON-modus
Voor een batch vraag je een lijst en zet je JSON-modus aan met response_format. Het systeembericht moet nog steeds het model vertellen welke vorm het moet retourneren, omdat JSON-modus de output geldige JSON maakt maar niet jouw keys voor je kiest.
# client as above: base_url https://api.fluxapikey.com/v1
import json
def variations(idea, n=8):
r = client.chat.completions.create(
model="uncensored",
response_format={"type": "json_object"},
messages=[
{"role": "system", "content": SYSTEM + f"\nReturn JSON: {{\"prompts\": [{n} strings]}}."},
{"role": "user", "content": idea},
],
temperature=1.0,
)
return json.loads(r.choices[0].message.content)["prompts"]
for p in variations("a night market in the rain"):
print(p)
Wikkel json.loads toch in een try block. Als een antwoord wordt afgekapt door een zeer lage max_tokens, zal het niet parseren, dus houd die parameter ruim voor lijstverzoeken. Elke prompt in de lijst kan direct in een loop naar je image service gaan.
Het 100.000-token contextvenster gebruiken
Het contextvenster is 100.000 tokens, inclusief de prompt en de completion. Voor promptwerk is dat meer dan je per verzoek nodig hebt, maar het is op twee manieren nuttig. Je kunt een lange stijlgids, een personagebeschrijving of een lijst met eerdere prompts die werkten plakken, en het model volgt ze. En je kunt een lopend gesprek houden: vraag om een prompt, zeg "donkerder, voeg mist toe" en krijg een herschreven versie die de eerste onthoudt.
Lange input kost geld, dus beperk een vaste stijlgids tot wat de output verandert. Vijfhonderd tokens aan regels is goedkoop. Vijftigduizend tokens aan oude prompts die bij elk verzoek worden meegestuurd, lopen op, zoals de kostenparagraaf hieronder laat zien: 50.000 extra input tokens zijn $0,0075 per verzoek, of $3,75 over 500 verzoeken.
Promptpatronen voor veelvoorkomende taken
Hetzelfde endpoint dekt verschillende taken. Wat verandert, is het systeembericht.
- Character sheets. Houd een vaste beschrijving van een terugkerend personage (haar, kleding, leeftijd, bouw) in het systeembericht, en instrueer het model om het woord voor woord in elke prompt te herhalen. Dat is de goedkoopste manier om een personage herkenbaar te houden over een serie renders heen.
- Stijloverdracht met woorden. Geef een lijst met stijltermen die je leuk vindt, zoals "gouache, gedempt palet, korrel", en vraag erom in de laatste zin van elke prompt.
- Negatieve formulering. Als je image tool een aparte negatieve prompt accepteert, vraag het model dan om twee velden in JSON-modus te retourneren:
promptennegative. Houd de negatieve lijst kort en specifiek. - Inkorten. Sommige tools knippen lange input af. Voeg een woordlimiet toe aan de regels en test dit, omdat modellen woorden ruw tellen.
Fictie en roleplay-kunst voor volwassenen zijn hier een legitiem gebruiksscenario. Het model schrijft de scenedescriptie in eenvoudige, niet-expliciete taal als je het vraagt. Als je werkt op een platform met eigen contentregels, voeg die regels dan ook toe aan het systeembericht, zodat de prompts matchen waar de afbeeldingen worden gepost.
Testen en afstellen van de loop
Behandel het systeembericht als code. Kies vijf testideeën die je gebruikelijke bereik dekken, voer ze uit met een vaste seed en een lage temperature, en sla de outputs op. Voer na elke wijziging in de regels dezelfde vijf opnieuw uit en vergelijk. Dit vangt de veelvoorkomende fout waarbij een oplossing voor het ene geval een ander kapotmaakt.
Kijk naar drie symptomen. Prompts die dezelfde openingswoorden herhalen over een batch heen betekenen dat de temperature te laag is of de voorbeelden te uniform. Prompts die je woordlimiet negeren betekenen dat de regel begraven is; verplaats die naar het einde van het bericht. Prompts die spraakzame inleidingen bevatten zoals "Hier is je prompt" betekenen dat de opmaakregel strenger moet, of je kunt de eerste regel in code verwijderen. Streaming met stream: true is beschikbaar als je resultaten in een UI toont, en het verbruik wordt gerapporteerd aan het einde van de stream.
Limieten om rond te plannen
Drie eerlijke limieten. Ten eerste is het model alleen tekst: het kan een afbeelding niet zien, dus het kan niet beoordelen of een prompt een goede afbeelding produceerde. Jij bent de jury, en de lus is: schrijven, renderen, de regels bijstellen. Ten tweede weet het niets over de eigenaardigheden van jouw specifieke beeldmodel tenzij je het vertelt, dus voeg die eigenaardigheden toe aan het systeembericht. Ten derde, ratelimieten: een volledige sleutel staat 8 gelijktijdige verzoeken en 300 per minuut toe, en een proefsleutel 2 en 60. Als een loop dat overschrijdt, krijg je HTTP 429 met de code concurrency of rate_limited; wacht een moment en probeer het opnieuw. Een 429 met een Retry-After: 5 header betekent tijdelijke overbelasting en hetzelfde advies geldt.
Wat het per prompt kost
De prijs is $0,15 per 1M input tokens en $0,50 per 1M output tokens. Stel dat elk verzoek een 800-token systeembericht plus idee verstuurt en een 200-token prompt retourneert. Over 500 verzoeken is dat 400.000 input tokens en 100.000 output tokens. Input: 0,4 x $0,15 = $0,06. Output: 0,1 x $0,50 = $0,05. Totaal: $0,11 voor 500 prompts.
De JSON batch hierboven, bij ongeveer 400 input- en 700 output-tokens per aanroep, kost 0,0004 x $0,15 plus 0,0007 x $0,50, wat $0,00006 + $0,00035 = $0,00041 is voor acht prompts. Het proeftegoed is $0,50, te claimen met één klik na aanmelding. Opwaarderen kan vanaf $20; zie de prijspagina voor bonusniveaus, en de sleutelpagina om te beginnen.
Meer handleidingen
Vragen en antwoorden
Kan het model prompts voor elke image generator schrijven?
Ja, omdat het alleen tekst produceert. Je vertelt het in het systeembericht welk formaat je image tool prefereert, en kopieert vervolgens het resultaat.
Weigert het volwassen of donkere thema's?
Het is afgestemd om zonder inhoudelijke weigeringen te antwoorden voor wettelijk toegestaan gebruik door volwassenen. Seksuele inhoud met minderjarigen is nooit toegestaan.
Hoeveel prompts kan ik per minuut maken?
Een volledige sleutel staat 300 verzoeken per minuut en 8 tegelijk toe. Met JSON-modus kan één verzoek meerdere prompts retourneren.
Genereert het ook de afbeeldingen?
Nee. De API is alleen tekst, zonder afbeeldings-, audio- of videogeneratie.
Je sleutel is nog maar één formulier verwijderd
Maak een account aan, kopieer de sleutel, pas de base URL aan. Dat is de hele setup.