Pixcli Skill

核心用法

pixcli 是面向 AI Agent 的创意资产统一生成工具，通过单一 CLI 接口覆盖图像、视频、音频、播客四大媒介。用户以自然语言描述需求，系统自动完成任务分类 → 提示增强 → 模型选型 → 异步生成 → 结果交付的全流程。

典型工作流：

• 图像：pixcli image "产品图，柔和灯光，白底" --json
• 视频：pixcli video "镜头环绕产品缓慢旋转" --from product.png --no-wait
• 播客：pixcli podcast "AI 编程的未来" -m 5 -o episode.mp3（自动脚本、双主播、配乐、封面、分享页）
• 后期：用 Remotion 模板将素材组装为成片

关键特性：

• 智能路由：自动识别任务类型并选择最优模型（如 Nano Banana、GPT-Image-2、Veo 3.1、Seedance 等）
• 异步作业：视频生成支持 --no-wait 非阻塞提交，避免 Agent 工具调用超时
• 播客自动化：单命令产出完整播客，含 Google Search 实时 grounding、多声道配音、音乐 beds、封面艺术
• Remotion 集成：6 套内置模板支持视频组装，结合 AI 生成素材与代码化编辑

显著优点

1. 统一接口：一个工具替代图像、视频、语音、音乐、播客等多个零散服务
2. 模型无关：无需了解底层模型差异，提示自动重写为模型最优格式
3. 生产就绪：JSON 模式 (PIXCLI_JSON=1) 减少 90% token 消耗；分享链接自动生成；支持私有/公开/限时发布
4. 身份保持：kontext/phota-enhance 模型支持人脸/身份一致性编辑
5. 视频背景移除：removebg 输出透明 WebM，直接用于合成

潜在缺点与局限性

• 成本不可视：部分服务（如 Quiver 矢量化）按复杂度计费，最终价格事后结算
• 视频耗时：高质量视频需 5–10 分钟，虽支持异步仍增加流程复杂度
• 播客语言限制：Gemini TTS 仅支持最多 2 个说话人；自动检测语言可能误识别方言变体
• 外部依赖：需 Node.js ≥18、npx 环境；Remotion 模板需 npm install
• 封闭生态：资产托管于 shellbot.sh 域名，长期可用性依赖单一服务商

适合人群

• 营销团队：快速迭代广告素材、产品视频、社交媒体内容
• 独立开发者/创始人：无需设计团队即可产出专业级演示视频与播客
• AI Agent 开发者：需要结构化输出（--json）与非阻塞作业管理的自动化流程
• 内容创作者：批量生成配音、配乐、视频片段并自行组装

常规风险

• API 密钥泄露：METERKEY_API_KEY 为唯一凭证，泄露可能导致额度被盗刷
• 超时处理不当：未使用 --no-wait 可能导致 Agent 调用失败而作业仍在服务端运行，需通过 pixcli job <id> 恢复
• 版权与品牌：--search grounding 可引用真实品牌/Logo，商用需确认授权
• 发布可见性：播客默认公开分享，敏感内容需显式 --private 或 --no-publish