使用 Replicate Automation 技能自动化 Replicate AI 模型工作流预测、文件上传与模型管理实战指南【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills通过 Codex Composio MCP 集成Replicate Automation 技能可以让 Agent 直接对 Replicate AI 平台执行真实的模型操作运行任意公开模型的推理预测图像生成、LLM、音频、视频、上传模型所需的输入文件、查看模型的输入/输出 Schema 与文档、列出模型版本、追踪预测历史。本文基于 composio-skills/replicate-automation/SKILL.md 展开结合仓库中 Codex Skills 的安装与触发机制给出可直接落地的最小配置步骤、8 个核心工具的参数详解、6 类典型工作流以及 6 大常见踩坑点。读完本文你将掌握从零配置接入到跑通一次完整预测并追踪结果的端到端自动化能力。技能概览Replicate Automation 能做什么Replicate 是一个面向开发者的云端 AI 模型托管与推理平台托管了大量社区公开模型涵盖图像生成如 black-forest-labs/flux-1.1-pro、stability-ai/sdxl、大语言模型如 meta/meta-llama-3-8b-instruct、音频与视频生成等领域。Replicate Automation 技能把这些能力封装为一组可通过 MCP 协议调用的工具让 Codex Agent 摆脱只能生成代码的限制直接在终端里驱动真实模型推理。该技能在仓库中的定位与其他 Composio 系列技能如 composio-skills/openai-automation/SKILL.md一致通过统一入口https://rube.app/mcp的 MCP 服务器暴露工具技能本体通过 YAML frontmatter 声明requires.mcp: [rube]即只有当 Rube MCP 服务器可用时Codex 才会加载并触发该技能。技能声明的核心能力包括在任何公开模型上运行预测图像、文本、音频、视频上传模型输入所需的文件图片、文档、音频等二进制内容检查模型的输入/输出 Schema 与文档README列出模型版本、管理上传文件、追踪预测历史。前置条件与三步 Setup接入该技能只需要完成三步配置添加 MCP 服务器在 Codex 客户端中把https://rube.app/mcp添加为 MCP server。这是本技能以及仓库内其他*-automation系列技能的统一网关入口连接后无需额外申请 API Key 即可发现工具。连接 Replicate 账户按提示完成 Replicate 账户连接采用 API token 认证。对应到仓库其他 Composio 技能如 composio-skills/exa-automation/SKILL.md的通用模式这里对应的是通过RUBE_MANAGE_CONNECTIONS建立 ACTIVE 状态的连接。开始使用连接建立后即可调用下文中的各类工作流工具。安装层面本技能属于仓库composio-skills/目录下的一个标准 Codex Skill每个技能目录包含一个带name和descriptionfrontmatter 的SKILL.md。安装方式与仓库其他技能一致将技能目录复制到$CODEX_HOME/skills/默认~/.codex/skills/后重启 Codex或在终端描述任务让 Codex 依据description元数据自动触发参见 README.md 中 Using Skills in Codex 一节。核心工作流一获取模型详情与 SchemaREPLICATE_MODELS_GET在构造任何预测请求之前第一件必须做的事是查询目标模型的输入/输出 Schema。Tool: REPLICATE_MODELS_GET Inputs: - model_owner: string (required) -- e.g., meta, black-forest-labs, stability-ai - model_name: string (required) -- e.g., meta-llama-3-8b-instruct, flux-1.1-pro该工具返回模型详情、Schema 与元数据其中最关键的是openapi_schema字段。不同模型的输入键名与类型各不相同同一个参数在某个模型里叫prompt在另一个模型里可能叫text_prompt或prompt_strength类型可能是 string、number、integer、boolean 或 array。使用错误的键会导致校验失败。因此技能文档特别强调每次构建预测输入前都应先调用REPLICATE_MODELS_GET检查openapi_schema而不是凭记忆硬编码参数。这也是后续所有预测类工作流的事实前提。核心工作流二运行预测REPLICATE_MODELS_PREDICTIONS_CREATE在拿到模型 Schema 之后用REPLICATE_MODELS_PREDICTIONS_CREATE在任意模型上执行推理Tool: REPLICATE_MODELS_PREDICTIONS_CREATE Inputs: - model_owner: string (required) -- e.g., meta, black-forest-labs - model_name: string (required) -- e.g., flux-1.1-pro, sdxl - input: object (required) -- model-specific inputs, e.g., { prompt: A sunset over mountains } - wait_for: integer (1-60 seconds, optional) -- synchronous wait for completion - cancel_after: string (optional) -- max execution time, e.g., 300s, 5m - webhook: string (optional) -- HTTPS URL for async completion notifications - webhook_events_filter: array (optional) -- [start, output, logs, completed]各参数要点input是模型专属输入对象字段必须严格符合从REPLICATE_MODELS_GET获取的 Schemawait_for控制同步等待时长取值范围 1-60 秒适合推理较快的模型cancel_after设定最长执行时间格式如300s、5m用于避免长时间占用webhook提供异步完成通知的 HTTPS 地址配合webhook_events_filter可选事件start、output、logs、completed可在关键节点收到回调。同步 vs 异步的选择策略对快速模型如 sdxl 这类秒级返回的图像模型使用wait_for1-60s同步等待结果对长耗时任务省略wait_for改用 webhook 回调或通过REPLICATE_PREDICTIONS_LIST轮询预测状态。这一快模型同步、慢模型异步的分工原则贯穿整个预测生命周期管理能显著减少无效等待。核心工作流三上传模型输入文件REPLICATE_CREATE_FILE很多模型需要图片、文档或音频作为输入例如图生图、语音克隆。此时用REPLICATE_CREATE_FILE上传二进制内容Tool: REPLICATE_CREATE_FILE Inputs: - content: string (required) -- base64-encoded file content - filename: string (required) -- e.g., input.png, audio.wav (max 255 bytes UTF-8) - content_type: string (default application/octet-stream) -- MIME type - metadata: object (optional) -- custom JSON metadata两个关键点content必须传入base64 编码后的内容直接把二进制文件当 UTF-8 文本传会导致解码失败filename有长度限制最大 255 字节 UTF-8content_type默认application/octet-stream建议按文件实际类型显式指定如image/png、audio/wav。上传成功后返回的file_id可用于后续预测请求中引用该文件作为模型输入。核心工作流四读取模型文档REPLICATE_MODELS_README_GET需要了解模型的具体用法、示例或参数语义时直接获取模型的 READMEMarkdown 格式Tool: REPLICATE_MODELS_README_GET Inputs: - model_owner: string (required) - model_name: string (required)该工具返回 Markdown 格式的模型文档比openapi_schema更适合人类/Agent 理解模型的设计意图、典型用例与边界条件。推荐组合用法先用REPLICATE_MODELS_GET拿到机器可读的 Schema再用REPLICATE_MODELS_README_GET补足语义化说明两者结合再构造input。核心工作流五列出模型版本REPLICATE_MODELS_VERSIONS_LIST同一个模型通常存在多个版本且新版本可能改变输入输出契约Tool: REPLICATE_MODELS_VERSIONS_LIST Inputs: - model_owner: string (required) - model_name: string (required)结果按最新优先排序。在依赖某个模型版本进行批量生产前先列出版本列表确认版本演进情况避免使用已过时或已变更 Schema 的版本导致预测失败。核心工作流六追踪预测历史与文件管理预测提交后需要回查状态上传的文件需要维护生命周期Tool: REPLICATE_PREDICTIONS_LIST - Lists all predictions for the authenticated user with pagination Tool: REPLICATE_FILES_LIST - Lists uploaded files, most recent first Tool: REPLICATE_FILES_GET - Get details of a specific file by ID三个工具的职责划分REPLICATE_PREDICTIONS_LIST列出当前认证用户的所有预测记录支持分页用于轮询慢任务状态、回查历史结果REPLICATE_FILES_LIST按时间倒序列出已上传文件便于清理与复用REPLICATE_FILES_GET按文件 ID 获取单个文件的详细信息用于确认上传结果与引用关系。常见坑位Pitfalls与规避方法技能文档总结了 6 个高频问题下表为完整对照PitfallDetailModel-specific input keys每个模型有独特的输入键和类型。使用错误键会引发校验错误。始终先调用REPLICATE_MODELS_GET检查openapi_schema。File upload encodingREPLICATE_CREATE_FILE要求 base64 编码内容。把二进制文件当作文本UTF-8处理会导致解码错误。Public vs deployment paths公开模型必须通过REPLICATE_MODELS_PREDICTIONS_CREATE运行。误用面向部署deployment的路径会得到 HTTP 404 错误。Sync wait limitswait_for仅支持 1-60 秒。长任务需要异步处理用 webhook 或轮询REPLICATE_PREDICTIONS_LIST。Image model constraints图像模型如 flux-1.1-pro 有特定约束例如最大宽高 1440px、特定的宽高比取值。先查模型 Schema。Stale file references高频使用会积累大量上传。定期检查REPLICATE_FILES_LIST避免引用过期file_id。针对上述坑位可以沉淀出三条稳健的操作纪律Schema 先行任何一次预测调用前都先REPLICATE_MODELS_GET绝不硬编码输入键对于图像类模型还要核对尺寸、宽高比等约束例如 flux-1.1-pro 的最大宽高为 1440px。编码与路径合规上传文件前完成 base64 编码并核对filename长度与 MIME 类型运行公开模型务必走REPLICATE_MODELS_PREDICTIONS_CREATE不要混用部署路径。异步与清理机制长任务不用wait_for硬等改用 webhook 或REPLICATE_PREDICTIONS_LIST轮询定期用REPLICATE_FILES_LIST清理陈旧上传防止file_id引用失效。工具速查表Tool SlugDescriptionREPLICATE_MODELS_GETGet model details, schema, and metadataREPLICATE_MODELS_PREDICTIONS_CREATERun a prediction on a modelREPLICATE_CREATE_FILEUpload a file for model inputREPLICATE_MODELS_README_GETGet model README documentationREPLICATE_MODELS_VERSIONS_LISTList all versions of a modelREPLICATE_PREDICTIONS_LISTList prediction history with paginationREPLICATE_FILES_LISTList uploaded filesREPLICATE_FILES_GETGet file details by ID实战示例一次完整的图像生成工作流将上述工作流串联起来一个典型的图生图/文生图自动化完整链路如下发现工具在 Codex 会话中描述任务例如用 flux-1.1-pro 生成一张日落图Codex 依据技能description元数据自动加载本技能确认 Rube MCP 可用查询 Schema调用REPLICATE_MODELS_GETmodel_owner: black-forest-labsmodel_name: flux-1.1-pro读取openapi_schema确认prompt等输入键、尺寸/宽高比约束与输出格式可选上传输入文件若需要参考图先对图片内容做 base64 编码调用REPLICATE_CREATE_FILE上传并记录返回的file_id运行预测调用REPLICATE_MODELS_PREDICTIONS_CREATE按 Schema 构造input快模型设置wait_for: 30慢模型省略wait_for并配置webhook追踪结果若为异步任务轮询REPLICATE_PREDICTIONS_LIST直至状态完成或在webhook收到completed事件后回取结果维护文件批量任务结束后用REPLICATE_FILES_LIST核对上传文件及时清理过期file_id。在 Codex 中的使用方式与延伸本技能是仓库 README.md 所定义的 Codex Skill 体系中的一员技能存放在composio-skills/replicate-automation/SKILL.md由 YAML frontmattername、description、requires.mcp驱动 Codex 的自动触发。安装后重启 Codex在会话中自然描述任务即可触发也可借助 skill-installer 脚本将技能安装到$CODEX_HOME/skills/下。与仓库内其他 MCP 集成类技能类似参考 composio-skills/composio-automation/SKILL.md 的通用模式使用此类技能时建议遵循先搜索工具获取最新 Schema、再执行的通用纪律——Replicate 的模型与工具契约会持续演进以运行时 Schema 为准是避免 404 与校验错误的最稳妥策略。本文引用的全部核心内容均来自 composio-skills/replicate-automation/SKILL.md仓库内对应技能目录不含额外脚本与配置文件安装与触发方式参考 README.md 及 skill-installer/SKILL.md。【免费下载链接】awesome-codex-skillsA curated list of practical Codex skills for automating workflows across the Codex CLI and API.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-codex-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
