Steg 2: anslut Replicate API-åtkomst

Det här steget sparar er Replicate API-token för återanvändning i request-headers och payloads.

1. Öppna Assign API Credential.
2. Ställ in värdet för api_token till er Replicate API-nyckel och ersätt [CONFIGURE_YOUR_API_KEY].
3. Bekräfta att noden skickar output till Configure Image Inputs.

Steg 3: konfigurera bildindata och skicka prediction

Definiera modellens indata och skicka prediction-begäran till Replicate.

1. Öppna Configure Image Inputs och ställ in api_token till {{ $('Assign API Credential').item.json.api_token }}.
2. Konfigurera resterande indatafält med de angivna standardvärdena: seed -1, prompt A beautiful landscape with mountains and a lake at sunset, input_image https://picsum.photos/512/512, aspect_ratio match_input_image, output_format png, safety_tolerance 2 och prompt_upsampling false.
3. Öppna Submit Image Prediction och ställ in URL till https://api.replicate.com/v1/predictions med Method POST.
4. Sätt JSON Body till hela expressionssträngen: { "version": "black-forest-labs/flux-kontext-max:f72e27297d9c05a36b7fd8faff393d31e3b368543e0bc44bde521886700e166c", "input": { "seed": {{ $json.seed }}, "prompt": "{{ $json.prompt }}", "input_image": "{{ $json.input_image }}", "aspect_ratio": "{{ $json.aspect_ratio }}", "output_format": "{{ $json.output_format }}", "safety_tolerance": {{ $json.safety_tolerance }}, "prompt_upsampling": {{ $json.prompt_upsampling }} } }
5. I headers för Submit Image Prediction, ställ in Authorization till Bearer {{ $json.api_token }} och Prefer till wait.
6. Verifiera att flödet fortsätter till Record Request Log.

Steg 4: konfigurera polling och logik för slutförande

Den här delen loggar begäran, väntar och kontrollerar status tills prediction lyckas eller misslyckas.

1. I Record Request Log, behåll JavaScript-koden som den är för att logga metadata för prediction.
2. Ställ in Delay Five Seconds till Unit seconds och Amount 5.
3. Konfigurera Query Prediction Status URL till https://api.replicate.com/v1/predictions/{{ $('Submit Image Prediction').item.json.id }}.
4. I headers för Query Prediction Status, ställ in Authorization till Bearer {{ $('Assign API Credential').item.json.api_token }}.
5. I Completion Check, ställ in villkoret att jämföra status med {{ $json.status }} är lika med succeeded.
6. I Failure Check, ställ in villkoret att jämföra status med {{ $json.status }} är lika med failed.
7. Ställ in Delay Ten Seconds till Unit seconds och Amount 10 för att kontrollera status igen om den inte är klar.

Steg 5: konfigurera formatering av slutligt svar

Dessa noder formar output-payloaden för lyckat eller misslyckat resultat och presenterar den sedan i ett enda strukturerat svar.

1. I Prepare Success Payload, ställ in response till {{ { success: true, image_url: $json.output, prediction_id: $json.id, status: $json.status, message: 'Image generated successfully' } }}.
2. I Prepare Error Payload, ställ in response till {{ { success: false, error: $json.error || 'Image generation failed', prediction_id: $json.id, status: $json.status, message: 'Failed to generate image' } }}.
3. I Present Final Output, ställ in final_result till {{ $json.response }}.

Obs: Det här arbetsflödet använder flera set-noder (totalt 5). Om ni lägger till fler output-fält, behåll samma struktur så att Present Final Output alltid får ett response-objekt.

Steg 6: testa och aktivera ert arbetsflöde

Validera pipelinen från början till slut och aktivera den sedan för löpande användning.

1. Klicka på Execute Workflow för att köra Manual Launch Start.
2. Bekräfta att Submit Image Prediction returnerar ett prediction-ID och att Query Prediction Status till slut returnerar succeeded eller failed.
3. Verifiera att Present Final Output innehåller ett final_result-objekt med en image_url vid lyckat resultat eller ett error-meddelande vid misslyckande.
4. När ni är nöjda, slå på arbetsflödet till Active för användning i produktion.