Masonry 是一款面向 AI 图像与视频生成的命令行工具封装 Skill，通过简洁的 CLI 指令将文本提示转换为高质量视觉内容。
核心用法
该 Skill 采用"指令-任务-下载"的三段式工作流。用户通过 masonry image 或 masonry video 提交生成请求，系统返回包含 job_id 的 JSON 响应后，使用 masonry job wait 等待完成，最后通过 masonry job download 获取文件。支持丰富的生成参数控制，包括宽高比、精确尺寸、模型选择、负面提示、随机种子等。此外提供模型发现 (masonry models list) 和任务历史管理 (masonry history) 功能，形成完整的创作闭环。
显著优点
首先，该 Skill 将复杂的 AI 生成 API 封装为直观的命令行交互，大幅降低使用门槛。其次，支持图像与视频双模态生成，视频功能包含首帧/尾帧图像引导、音频开关等高级控制，满足专业创作需求。任务管理机制完善，支持异步查询、批量等待和自动下载。模型发现功能让用户能快速探索可用资源，无需记忆具体模型名称。
潜在局限
作为纯文档型 Skill，其功能完全依赖外部 @masonryai/cli NPM 包，存在供应链风险——若上游包被篡改，用户将直接暴露于威胁之下。此外，生成任务为异步模式，需要轮询等待，在批量场景下效率受限。免费试用后需付费订阅，长期使用成本需考量。视频生成对硬件和等待时间要求更高，实时性不足。
适合人群
该 Skill 最适合内容创作者、社交媒体运营者、营销设计师以及需要快速视觉原型验证的产品团队。对于熟悉命令行操作的技术用户效率更高，但文档中的分步指引也降低了非技术用户的上手难度。不适合对数据主权极度敏感、或需要完全离线生成的企业环境。
使用风险
性能层面，AI 生成任务耗时从数秒到数分钟不等，长视频可能面临超时风险。依赖层面，NPM 包的版本兼容性、网络可达性直接影响功能可用性。凭证层面，MASONRY_TOKEN 泄露将导致账户被滥用，需严格遵循安全存储建议。隐私层面，所有 prompts 和参考图片均上传至 Masonry 服务器，敏感内容应避免提交。成本层面，订阅积分消耗需提前确认用户意图，防止意外超额。