一个 CLI 把图像视频音频塞进 Agent，评论区先问账单

Chris Tate 在 X 上发了 Vercel Labs 的实验项目 ai-cli。它不训练模型，也不做聊天界面。它把文本、图像、视频、音频生成，外加一组带类型的判定，收进终端命令里。底层用 Vercel AI SDK 和 AI Gateway，接数百个模型。装法一行：npm i -g ai-cli。仓库要求 Node.js 22+，需要 AI Gateway 的 key，或者对应模型厂商的 key。仓库在 github.com/vercel-labs/ai-cli。

发布视频里列了 Claude Code、Codex、opencode 这些入口和模型组合，演示的是从 agent 里调用媒体生成。命令也直白。ai image 'a cute dog'，ai video 'a spinning triangle'，ai text 'explain quantum computing'，ai audio speak 'Thanks for trying ai-cli'。它还能转录音频、列模型、启动 MCP server。对 agent 来说，MCP 这条路径比人手动敲命令更关键，agent 可以把 ai 当工具调用。

更有意思的是管道。ai image 'a dragon' | ai video 'animate this' 能把图像结果直接喂给视频模型。git diff | ai text 'explain these changes' 这种用法也不新鲜，但放在同一个 CLI 里，图像、视频、音频和文本就变成可拼接的命令。有人评论说，一条管道把图像送进视频模型，是发布里最干净的部分。这个评价不过分。

模型可以混着选。-m 接收逗号分隔的模型 ID，ai image 'a sunset' -m 'openai/gpt-image-1,xai/grok-imagine-image,bfl/flux-2-pro' 一次跑多个。环境变量能改默认模型，ai models 能列出可用模型和价格、上下文、延迟。仓库还给了 ai video start 和 ai video status，视频这种多分钟任务可以先提交，再轮询，不必把终端卡死。

评论区的问题比发布文案具体。有人问密钥是不是每个模型都要自己粘贴，仓库的回答是 AI Gateway key 或厂商 key 都行。有人问调用前能不能看到成本，重试循环会不会烧出账单。文档里有超时、退出码、并发和重试参数，但没有看到按会话限额的设计。有人问视频生成等待太久怎么办，video start/status 和 --poll-timeout-ms 就是给这个场景用的。还有人问 agent 是每个素材自己选模型，还是每个 CLI 固定一个模型。实际用 -m 和 AI_CLI_*_MODEL 控制，默认值写在环境变量里，agent 能不能选，要看调用方怎么包装。

一个明显的变化是，媒体生成从网页工具变成 agent 的另一个工具调用。它不解决模型好坏，也不替你判断该用哪个模型。它解决的是路由和拼接：同一个终端里，Claude Code、Codex、opencode 这些入口都能把图像、视频、音频任务发出去，结果落到文件或 stdout。对开发者，省掉一层胶水代码。对普通用户，省掉在多个产品之间复制粘贴。

真正要观察的是默认模型、重试策略和账单控制。评论区已经点到了。一个 agent 如果学会自己重试视频生成，账单会比文本时代更难看。Vercel Labs 把管道搭好了，接下来要看谁先给这条管道装上刹车。