API LLM para prompts do Flux: um fluxo de trabalho prático
Se você quer uma API LLM para prompts do Flux, o trabalho é simples: envie uma ideia curta para um modelo de texto e receba um prompt detalhado que seu serviço de imagem possa usar. Esta página mostra o prompt de sistema, as configurações e o código, e explica claramente o que um modelo apenas de texto não pode fazer.
Atualizado

Pontos principais
- Use uma mensagem de sistema para definir o formato e o estilo uma vez, enviando apenas a ideia curta por requisição.
- O modo JSON retorna uma lista de variações de prompt que um script pode percorrer sem analisar texto corrido.
- A janela de contexto de 100.000 tokens permite colar um guia de estilo ou prompts anteriores na requisição.
- Uma expansão completa custa uma fração de centavo, e o modelo nunca vê ou gera a imagem.
O resumo
Crie uma chave, aponte um cliente OpenAI para https://api.fluxapikey.com/v1, defina o modelo como uncensored e coloque suas regras de prompt na mensagem de sistema. Cada mensagem do usuário é então apenas a ideia: algumas palavras, uma cena, um personagem. A resposta é o prompt final. Copie-o para qualquer ferramenta de imagem que você use, que tem sua própria chave e seu próprio faturamento.
Nada aqui gera imagens. A API é apenas de texto, não é um serviço de um fornecedor de imagens e não pode analisar seus renders. O que ela faz bem é a escrita: estrutura, vocabulário, consistência em um lote. O restante desta página é o detalhe prático.
Por que usar um modelo de linguagem para prompts
Modelos de imagem recompensam entradas específicas e punem entradas vagas. Uma linha como "um castelo" gera um castelo médio. Um parágrafo que nomeia o material das paredes, o horário do dia, a lente e a paleta de cores gera algo mais próximo da imagem na sua cabeça. Escrever esse parágrafo manualmente para cada imagem é lento, e você tende a esquecer os mesmos detalhes toda vez.
Um modelo de linguagem é bom exatamente nesse tipo de expansão. Ele adiciona o detalhe faltante, mantém uma ordem fixa de elementos e segue um estilo próprio em centenas de requisições. Como este modelo não recusa por padrão, ele também lida com ficção, temas sombrios e trabalhos de personagens para adultos que modelos hospedados mais cautelosos frequentemente recusam. O limite usual se aplica: uso adulto legal apenas, e sem conteúdo sexual envolvendo menores de idade sob qualquer enquadramento.
Um prompt de sistema que funciona
A maior parte da qualidade vem da mensagem de sistema. Mantenha-a curta, concreta e testável. Aqui está um ponto de partida que você pode editar:
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.'''
Observe o que a mensagem não diz. Ela não dá uma longa palestra sobre criatividade nem lista tópicos proibidos. Regras curtas com uma ordem fixa são mais fáceis para um modelo seguir e mais fáceis para você depurar. Se a saída desviar, altere uma linha e execute novamente a mesma ideia. Se você quiser um estilo próprio diferente para um projeto diferente, mantenha uma segunda mensagem de sistema e escolha uma por requisição.
Mostre, não descreva
Quando as regras sozinhas não forem suficientes, adicione um ou dois pares de exemplos como mensagens anteriores na conversa: uma ideia curta como mensagem do usuário e o prompt que você gosta como mensagem do assistente. Um ou dois pares geralmente corrigem o tom melhor do que outro parágrafo de regras.
Enviando a requisição
A chamada é uma conclusão de chat padrão. As configurações mais importantes para expansão criativa são temperatura e 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))
Uma temperatura em torno de 0,8 a 1,0 oferece variações de palavras, o que é o que você quer ao fazer brainstorming. Reduza para perto de 0,3 quando precisar de saída quase idêntica para um modelo repetido. O seed, top_p, stop e os parâmetros de penalidade são passados para o modelo, então você pode usá-los como faria em outro lugar. O limite max_tokens é opcional; defini-lo perto do comprimento esperado mantém uma resposta descontrolada curta. Consulte a documentação para todos os parâmetros suportados.
Lotes de variações com o modo JSON
Para um lote, solicite uma lista e ative o modo JSON com response_format. A mensagem de sistema ainda deve dizer ao modelo qual formato retornar, pois o modo JSON torna a saída JSON válida, mas não escolhe suas chaves para você.
# 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)
Envolva json.loads em um bloco try mesmo assim. Se uma resposta for cortada por um max_tokens muito baixo, ela não será analisada, então deixe esse parâmetro generoso para solicitações de lista. Cada prompt na lista pode ir direto para o seu serviço de imagem em um loop.
Usando a janela de 100.000 tokens
A janela de contexto tem 100.000 tokens, contando o prompt mais a conclusão. Para trabalho de prompt, isso é mais do que você precisa por requisição, mas é útil de duas maneiras. Você pode colar um guia de estilo longo, uma ficha de personagem ou uma lista de prompts anteriores que funcionaram, e o modelo os seguirá. E você pode manter uma conversa de trabalho em andamento: peça um prompt, diga "mais sombrio, adicione neblina" e receba uma versão revisada que lembra a primeira.
Entrada longa custa dinheiro, então mantenha o guia de estilo permanente restrito ao que altera a saída. Quinhentos tokens de regras são baratos. Cinquenta mil tokens de prompts antigos enviados com cada requisição somam, como a seção de preços abaixo mostra: 50.000 tokens extras de entrada custam $0,0075 por requisição, ou $3,75 em 500 requisições.
Padrões de prompt para tarefas comuns
O mesmo endpoint cobre várias tarefas diferentes. O que muda é o prompt de sistema.
- Fichas de personagem. Mantenha uma descrição fixa de um personagem recorrente (cabelo, roupa, idade, constituição) na mensagem de sistema e instrua o modelo a repeti-la palavra por palavra em cada prompt. Essa é a maneira mais barata de manter um personagem reconhecível em uma série de renders.
- Transferência de estilo por palavras. Forneça uma lista de termos de estilo que você gosta, como "gouache, paleta suave, granulação", e peça para incluí-los na última frase de cada prompt.
- Redação negativa. Se sua ferramenta de imagem aceita um prompt negativo separado, peça ao modelo para retornar dois campos no modo JSON:
promptenegative. Mantenha a lista negativa curta e específica. - Encurtamento. Algumas ferramentas cortam entradas longas. Adicione um limite de palavras às regras e teste, já que os modelos contam palavras de forma aproximada.
Ficção madura e arte de roleplay para adultos são um caso legítimo aqui. O modelo escreverá a descrição da cena em linguagem simples e não explícita se você pedir. Se você trabalha em uma plataforma com suas próprias regras de conteúdo, inclua essas regras na mensagem de sistema também, para que os prompts correspondam onde as imagens serão postadas.
Testando e ajustando o loop
Trate o prompt de sistema como código. Escolha cinco ideias de teste que cubram sua faixa usual, execute-as com um seed fixo e uma temperatura baixa, e salve as saídas. Após cada alteração nas regras, execute novamente as mesmas cinco e compare. Isso captura a falha comum onde uma correção para um caso quebra outro.
Procure três sintomas. Prompts que repetem as mesmas palavras iniciais em um lote indicam que a temperatura está muito baixa ou que os exemplos são muito uniformes. Prompts que ignoram seu limite de palavras indicam que a regra está enterrada; mova-a para o final da mensagem. Prompts que incluem introduções conversacionais como "Aqui está seu prompt" indicam que a regra de formato precisa ser mais rigorosa, ou você pode remover a primeira linha no código. O streaming com stream: true está disponível se você mostrar resultados em uma UI, e o uso é relatado no final do stream.
Limites para planejar
Três limites honestos. Primeiro, o modelo é apenas de texto: ele não pode ver uma imagem, então não pode julgar se um prompt gerou uma boa imagem. Você é o juiz, e o loop é escrever, renderizar, ajustar as regras. Segundo, ele não sabe nada sobre as peculiaridades do seu modelo de imagem específico a menos que você diga, então coloque essas peculiaridades no prompt de sistema. Terceiro, limites de taxa: uma chave completa permite 8 requisições simultâneas e 300 por minuto, e uma chave de teste 2 e 60. Se um loop exceder isso, você recebe HTTP 429 com o código concurrency ou rate_limited; aguarde um momento e tente novamente. Um 429 com um cabeçalho Retry-After: 5 significa sobrecarga temporária e o mesmo conselho se aplica.
Quanto custa por prompt
O preço é $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída. Suponha que cada requisição envie uma mensagem de sistema de 800 tokens mais a ideia e retorne um prompt de 200 tokens. Em 500 requisições, isso são 400.000 tokens de entrada e 100.000 tokens de saída. Entrada: 0,4 x $0,15 = $0,06. Saída: 0,1 x $0,50 = $0,05. Total: $0,11 para 500 prompts.
O lote JSON acima, com cerca de 400 tokens de entrada e 700 de saída por chamada, custa 0,0004 x $0,15 mais 0,0007 x $0,50, que é $0,00006 + $0,00035 = $0,00041 para oito prompts. O crédito de teste é $0,50, resgatado com um clique após o cadastro. Recargas começam em $20; consulte a página de preços para níveis de bônus, e a página de chaves para começar.
Mais guias
Perguntas e respostas
O modelo pode escrever prompts para qualquer gerador de imagens?
Sim, porque ele gera apenas texto. Você informa o formato preferido pela sua ferramenta de imagem na mensagem de sistema e depois copia o resultado.
O modelo recusará temas maduros ou sombrios?
Ele é ajustado para responder sem recusas de conteúdo para uso adulto lícito. Conteúdo sexual envolvendo menores nunca é permitido.
Quantos prompts posso criar por minuto?
Uma chave completa permite 300 requisições por minuto e 8 simultâneas. Com o modo JSON, uma única requisição pode retornar vários prompts.
Ele também gera as imagens?
Não. A API é apenas de texto, sem geração de imagem, áudio ou vídeo.
Sua chave está a um formulário de distância
Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.