该技能用于通过 inference.sh 命令行工具 belt 构建自动化 AI 工作流，把多个模型与服务组合成可重复执行的流程。
用途 适合将重复性的 AI 调用自动化，例如批量生成图片、生成一份内容所需的多个素材、按计划产出每日内容、对数据文件批量分析等。
使用方式 资料给出的快速开始为：需先安装 inference.sh CLI（belt），安装后可执行 belt login 登录，然后用 belt app run <app-id> --input '{...}' 运行具体应用。资料中的安装命令为：npx skills add belt-sh/cli。示例中使用的应用包括 falai/flux-dev、openrouter/claude-sonnet-45、openrouter/claude-haiku-45、tavily/search-assistant、google/imagen-3 等。
主要能力与模式
- 批处理：对一组输入循环运行同一个工作流，并在调用之间加入延迟以限制频率。
- 顺序流水线：把多个 AI 操作串联，例如先研究、再写文章、再生成配图、最后生成社交文案。
- 并行处理：同时启动多个任务（后台运行并记录 PID），全部完成后继续。
- 条件工作流：先做内容分析（如分类为正面、负面或中性），再根据结果分支执行不同操作。
- 带回退的重试：失败时重试，采用递增等待时间，超过次数后切换到备用模型。
- 定时自动化：通过 crontab 配置按天、按周或按小时运行脚本。
- 监控与日志：记录开始、结束、耗时与错误，出错时通过 webhook 发送告警。
- Python 自动化：在 Python 中用 subprocess 调用 belt 并解析结果。
模板与最佳实践 资料提供了内容日历自动化、数据批量分析与处理等脚本模板。最佳实践包括：添加调用间隔做频率限制、始终检查返回码、记录所有操作日志、设计可安全重跑的幂等流程、监控失败并告警、保存中间结果作为备份、设置合理的超时。
限制与未提供信息 以上内容均基于资料中给出的示例与说明；资料未提供收费与价格、支持的平台范围、具体应用的能力边界等事实，暂未提供。使用前需要具备 belt CLI 与相应登录条件。