作者：方知远，电商 SaaS 平台后端负责人，6 年 Python/Go 经验

核心关键词：Flux Art 选型 / 多模型决策树 / 电商视觉中台架构 / GPT Image 2 API / 积分成本优化

代码仓库：本文完整代码可在文末获取

---

1. 问题定义

当你有 56 个 AI 视觉模型可用时，最大的问题不是「哪个模型最强」，而是「在什么场景下选什么模型，怎么让这个选择自动化」。

本文解决四个工程问题：

问题	传统做法	本文方案
模型选择	人工记忆 + 手动切换	决策树自动化选型
成本控制	月底看账单傻眼	积分预算实时管控
任务调度	单个提交 + 排队等	并发池 + 优先级队列
容错降级	重试到死	熔断器 + 模型回退链

---

2. 模型选型决策树（直接可用）

2.1 图片模型决策树

def select_image_model(scene: str, need_text: bool, need_4k: bool, need_brand_color: bool, budget_tight: bool) -> dict:
    """
    图片模型选型决策树。
    
    输入：
    - scene: "white_bg" | "lifestyle" | "poster" | "material" | "social" | "brand_kv" | "testing"
    - need_text: 是否需要文字渲染（海报必备）
    - need_4k: 是否需要 4K 交付
    - need_brand_color: 是否需要品牌色板控制
    - budget_tight: 是否预算紧张
    
    返回：{"model": str, "estimated_credits": int, "mode": str, "reason": str}
    """
    
    # === 测款场景：成本优先 ===
    if scene == "testing":
        return {"model": "nano-banana-2-lite", "estimated_credits": 15, "mode": "generate", "reason": "1K快速草图，成本最低"}
    
    # === 需要文字渲染 → GPT Image 2 ===
    if need_text:
        quality = "low" if budget_tight else "high"
        res = "1K" if budget_tight else "4K"
        credits = 40 if budget_tight else 160
        return {"model": "gpt-image-2", "estimated_credits": credits, "mode": "generate", "reason": f"文字渲染唯一可靠选择 ({quality}/{res})"}
    
    # === 需要品牌色板控制 → Wan 2.7 Pro ===
    if need_brand_color:
        return {"model": "wan-2-7-pro", "estimated_credits": 60, "mode": "generate", "reason": "色板控制保证品牌VI一致性"}
    
    # === 按场景分类 ===
    decisions = {
        "white_bg":  {"model": "nano-banana-2", "credits": 25, "mode": "edit", "reason": "性价比最优，30秒出图"},
        "lifestyle":  {"model": "gpt-image-2", "credits": 80, "mode": "edit", "reason": "指令理解+细节保持最强"},
        "material":   {"model": "gpt-image-2", "credits": 40, "mode": "edit", "reason": "局部增强精确"},
        "social":     {"model": "grok-imagine", "credits": 25, "mode": "generate", "reason": "社交媒体配图风格最佳"},
        "brand_kv":   {"model": "midjourney-v7", "credits": 50, "mode": "generate", "reason": "摄影级画质"},
    }
    
    d = decisions.get(scene, decisions["white_bg"])
    return {"model": d["model"], "estimated_credits": d["credits"], "mode": d["mode"], "reason": d["reason"]}
​
​
# === 使用示例 ===
print(select_image_model("poster", need_text=True, need_4k=True, need_brand_color=False, budget_tight=False))
# → {"model": "gpt-image-2", "estimated_credits": 160, "mode": "generate", "reason": "文字渲染唯一可靠选择 (high/4K)"}
​
print(select_image_model("testing", False, False, False, True))
# → {"model": "nano-banana-2-lite", "estimated_credits": 15, "mode": "generate", "reason": "1K快速草图，成本最低"}

2.2 视频模型决策树

def select_video_model(duration: int, need_4k: bool, is_budget: bool, need_multimodal: bool) -> dict:
    """
    视频模型选型决策树。
    
    - Seedance 2.0: 旗舰全能，多模态参考（9图+3视频+3音频）
    - Seedance 2.0 Fast: 比标准版便宜 40%
    - HappyHorse 1.1: 主体稳定，真实运动感
    """
    if is_budget:
        return {"model": "seedance-2-0-fast", "credits": 300, "reason": "性价比最高，比标准版便宜40%"}
    if need_4k:
        return {"model": "seedance-2-0", "credits": 800, "reason": "4K品牌大片"}
    if need_multimodal and duration > 8:
        return {"model": "seedance-2-0", "credits": 500, "reason": "多模态参考+长时间视频"}
    return {"model": "seedance-2-0-fast", "credits": 300, "reason": "默认推荐"}

决策树流程图——从场景输入到模型输出，图片和视频两条分支。

---

3. 熔断器 + 模型回退链（容错设计）

3.1 熔断器

当某个模型连续失败达到阈值，自动切断请求，避免浪费积分：

import time
from collections import defaultdict
​
class CircuitBreaker:
    """熔断器：连续失败 N 次 → 断开 M 秒 → 半开探测 → 恢复或保持断开"""
    
    def __init__(self, failure_threshold: int = 5, timeout: int = 60):
        self.threshold = failure_threshold
        self.timeout = timeout
        self.failures: dict = defaultdict(int)
        self.state: dict = defaultdict(lambda: "closed")    # closed | open | half_open
        self.last_failure_time: dict = defaultdict(float)
    
    def call(self, model: str, func, *args, **kwargs):
        """在熔断器保护下调用模型"""
        state = self.state[model]
        
        if state == "open":
            if time.time() - self.last_failure_time[model] > self.timeout:
                self.state[model] = "half_open"
            else:
                raise Exception(f"Circuit breaker OPEN for {model}")
        
        try:
            result = func(*args, **kwargs)
            # 成功 → 重置
            self.failures[model] = 0
            self.state[model] = "closed"
            return result
        except Exception as e:
            self.failures[model] += 1
            self.last_failure_time[model] = time.time()
            if self.failures[model] >= self.threshold:
                self.state[model] = "open"
            raise e

3.2 模型回退链

首选模型挂了，自动降级到备选模型：

# 回退链配置
FALLBACK_CHAIN = {
    "gpt-image-2":       ["nano-banana-2", "wan-2-7-pro"],     # GPT Image 2 挂了 → Nano Banana 2 → Wan
    "nano-banana-2":     ["nano-banana-2-lite"],                 # Nano Banana 2 挂了 → Lite
    "seedance-2-0":      ["seedance-2-0-fast", "happyhorse-1-1"], # Seedance 挂了 → Fast → HappyHorse
}
​
breaker = CircuitBreaker(failure_threshold=5, timeout=60)
​
def call_with_fallback(model: str, func, *args, **kwargs):
    """带熔断器 + 回退链的模型调用"""
    chain = [model] + FALLBACK_CHAIN.get(model, [])
    
    for m in chain:
        try:
            return breaker.call(m, func, *args, **kwargs)
        except Exception as e:
            print(f"[FALLBACK] {m} failed ({e}), trying next...")
            continue
    
    raise Exception(f"All models in chain {chain} failed")

终端监控日志——展示模型从 GPT Image 2 → Nano Banana 2 → Wan 的回退过程。

---

4. 积分预算计算器

输入你的月度 SKU 计划，输出积分预算和推荐档位：

def calculate_budget(monthly_new_skus: int, skus_with_video_ratio: float = 0.3):
    """
    月度积分预算计算器
    
    输入：
    - monthly_new_skus: 月上新 SKU 数
    - skus_with_video_ratio: 需要视频的 SKU 比例
    
    输出：总积分预算 + 推荐订阅档位
    """
    # 每个 SKU 的完整素材需求（按决策树的推荐模型）
    per_sku = {
        "主图 × 4":  ("nano-banana-2", 25, 4),      # 4 张白底主图
        "穿搭 × 2":  ("gpt-image-2", 80, 2),         # 2 张场景穿搭
        "特写 × 1":  ("gpt-image-2", 40, 1),         # 1 张材质特写
        "海报 × 1":  ("gpt-image-2", 80, 1),         # 1 张促销海报
    }
    
    total = sum(model[2] * monthly_new_skus * model[1] for model in per_sku.values())
    
    # 视频部分
    video_skus = int(monthly_new_skus * skus_with_video_ratio)
    video_cost = video_skus * 300  # Seedance 2.0 Fast
    
    total += video_cost
    
    # 推荐档位
    if total <= 10000:
        tier = "Pro ($8/月)"
    elif total <= 30000:
        tier = "Max ($20/月)"
    elif total <= 100000:
        tier = "Ultra ($60/月)"
    else:
        tier = f"Ultra + 加购约 {total - 100000:,} pt"
    
    return {
        "月上新 SKU": monthly_new_skus,
        "其中视频 SKU": video_skus,
        "图片积分": sum(model[2] * monthly_new_skus * model[1] for model in per_sku.values()),
        "视频积分": video_cost,
        "总积分": total,
        "推荐档位": tier,
    }
​
​
# 测试：月上新 100 个款
print(calculate_budget(100))
# → 总积分约 44,400 → 推荐 Ultra ($60/月)

---

5. 生产级集成清单

部署前自检：
☑ 熔断器配置：failure_threshold=5, timeout=60s
☑ 回退链：GPT Image 2 → Nano Banana 2 → Wan
☑ 幂等键：SKU:TaskType:HourBucket (MD5)
☑ 并发隔离：图片 70 + 视频 10（Ultra 档 100 并发）
☑ 积分告警：< 20% → 暂停低优先级任务
☑ 任务失败率监控：> 5% → 钉钉/飞书通知
☑ 结果转存：生成后立即同步到 OSS/S3
☑ 素材命名规范：{SKU}_{TaskType}_{Date}_{Seq}
☑ 提示词版本管理：模板存入 Config Center，不要硬编码
☑ 灰度发布：新模型上线 → 1% 流量 → 观察 24h → 全量

---

作者简介：方知远，电商 SaaS 平台后端负责人，6 年 Python/Go 经验。目前为公司搭建基于 Flux Art OpenAPI 的多模型视觉中台，日均处理 5,000+ 任务。

品牌声明：本文代码基于 Flux Art OpenAPI（open-api.flux-art.ai，运营方 MORNING STAR INDUSTRY LIMITED）开发。各模型知识产权归其原始开发者所有。Flux Art 为模型聚合平台。

订阅参考：Free ($0) / Pro ($8/月年付，10,000 pt) / Max ($20/月年付，30,000 pt) / Ultra ($60/月年付，100,000 pt)。年付省 47%。GPT Image 2 + Nano Banana 2 限时五折。新用户注册送 500 积分。