用 Bash 脚本把多个 AI 模型串成流水线，这个 Skill 把工程实践讲明白了

AI 工作流自动化，终于有人把「多模型编排」讲清楚了。

最近挖到一个挺有意思的 Skill——ai-automation-workflows，来自 opencodelinux 生态（217 个 Skill、17 个 Agent Profile、6 个 MCP Server 的超大合集）。它解决的核心问题很直接：如何用脚本把多个 AI 模型和服务串联成自动化流水线。

这货能干什么？

它的底层工具是 inference.sh（belt CLI），一个支持批量处理、定时任务、事件驱动和 Agent 循环的 AI 工作流构建工具。核心使用方式就是写 Bash 脚本调用 belt 命令，简单粗暴但极其灵活。

Skill 里直接给了 5 种主流模式：

• 批处理：一次跑多个 prompt，比如批量生成图片，附带了 rate limiting 防爆；
• 定时任务：配合 crontab，每天 9 点自动跑内容生成脚本，每周一出周报；
• 链式流水线：研究→写文章→生图→发推，一条命令全搞定；
• 并行执行：同时拉起多个模型任务，bash 后台 job 搞定并发；
• 条件分支：根据模型输出动态决定下一步做什么（正向→庆祝图，负向→安慰文案）。

还有重试机制（指数退避）和降级方案（主模型挂了切备选），生产级的工作流该有的都有。

适用场景

• 内容工厂：每天批量生成社媒图文，完全无人值守；
• AI 数据管道：多模型协作处理、分析、汇总报告；
• 定时自动化：监控 + 预警 + 报告推送；
• 多模型对比评测：同一 prompt 跑多个模型结果。

一句话评价

这个 Skill 的价值不在于「有多创新」，而在于把 AI 自动化工作流的工程实践讲得很系统——从脚本模板到生产部署（crontab）全覆盖，且全部是开源的、跑在本地不依赖任何商业平台。对于想搭建自己 AI Pipeline 的开发者来说，是一个可以直接抄的参考实现。

上手成本极低：装好 belt CLI，写几行 bash，就能把工作流跑起来。推荐给做 AI 应用开发和自动化运营的朋友。

GitHub：https://github.com/marktantongco/opencodelinux/tree/main/skills/ai-automation-workflows

GitHub: https://github.com/marktantongco/opencodelinux/tree/main/skills/ai-automation-workflows