ai-automation-workflows

用途

该项目（来源 styleof/superpowers，slug：ai-automation-workflows）围绕 inference.sh CLI（即 belt）介绍如何构建自动化的 AI 工作流，把多个模型与服务组合成可重复执行的流水线。适用方向包括内容生产、数据处理、社交媒体发布等需要批量或定时调用 AI 能力的场景。

安装与准备

安装 belt CLI 技能：npx skills add belt-sh/cli
需要 inference.sh CLI（belt），资料指向其安装说明。
登录：belt login

主要自动化模式

资料给出五种可复用的模式，均以 Bash 脚本示例呈现：

批处理（Batch Processing）：对多组提示词循环调用同一应用，示例用 belt app run falai/flux-dev 批量生成图像，并在循环中加入 sleep 限速。
顺序流水线（Sequential Pipeline）：把多个 AI 操作串联，示例先用 tavily/search-assistant 检索，再用 openrouter/claude-sonnet-45 写文章，再用 falai/flux-dev 生成配图，最后用 openrouter/claude-haiku-45 生成社交推文串。
并行处理（Parallel Processing）：把多个任务放到后台执行，用 PID 收集，再通过 wait 等待全部完成。
条件工作流（Conditional Workflow）：先用模型对文本分类（正面/负面/中性），再根据结果走不同分支（如生成庆祝图或生成鼓励回复）。
重试与降级（Retry with Fallback）：失败后按指数退避重试，达到最大尝试次数后降级到备选模型（如从 falai/flux-dev 切到 google/imagen-3）。

调用方式

核心命令形式为 belt app run <app-id> --input '<json>'，输入为标准 JSON，输出可重定向到文件。资料中出现的应用包括：falai/flux-dev（图像生成）、openrouter/claude-sonnet-45、openrouter/claude-haiku-45（文本生成）、tavily/search-assistant（检索）、google/imagen-3（图像生成），并提示可用 belt app list 浏览全部应用。

定时与自动化

资料给出 crontab 配置示例，例如每天 9:00 执行内容生成脚本、每周一 8:00 生成周报、每 6 小时生成社交媒体内容，并将输出追加到日志文件。还提供每日内容脚本示例：创建按日期命名的输出目录，生成每日语录图片与每日小贴士。

监控、日志与工程实践

日志封装：定义 log 函数，为每条记录加时间戳并写入日志文件，同时记录开始与结束时间以计算耗时。
错误告警：封装 run_with_alert，命令失败时通过 curl 向 Webhook 发送错误信息。
最佳实践：限速（调用间加延迟）、错误处理（检查返回码）、日志记录、幂等性（设计为可安全重跑）、监控与失败告警、备份中间结果、设置合理超时。

Python SDK 自动化

资料提供一个 Python 示例，通过 subprocess.run 调用 belt app run，并用 json.loads 解析输出，封装为 run_infsh 函数，再组合成每日内容流水线：创建按日期命名的目录，生成图像与文案并写入 JSON 文件。

工作流模板

内容日历自动化：遍历主题与星期数组，为每天生成图像与带话题标签的文案。
数据处理流水线：遍历输入目录中的 txt 文件，调用模型分析内容并以 JSON 格式输出到处理目录。

限制

资料未说明具体收费与价格信息；未提供各应用的能力边界、速率限制数值与平台支持范围等细节，这些内容暂未提供。

技能介绍

用途