Flatkey CLI：终端里的全能 AI 媒体工厂

场景：一个新媒体团队的深夜困境

凌晨两点，某内容工作室的视觉团队正在为一组新品发布赶制素材。设计师发现，某个关键视频片段的运镜方向需要调整，而负责的同事已经下班。按照传统流程，他们需要：打开专业视频平台 → 上传 → 等待排队渲染 → 下载 → 重新合成——一套流程下来，半小时没了。

但如果他们的 CI/CD 流水线里跑着这样一条命令：

flatkey video generate --prompt "sleek product reveal, dark studio lighting, cinematic" --model seedance2 -o launch.mp4

三分钟后，一个符合需求的视频片段就静静躺在本地目录里。同样的时间窗口，他们还能并行跑几条图生成和配音任务。这种"把 AI 媒体生成当成管道命令"的体验，正是 Flatkey CLI 想要重新定义的工作方式。

项目起源：一只想把所有 AI 模型装进终端的团队

Flatkey 团队的核心判断是：AI 媒体生成的市场不缺能力，缺的是一种好用的接入方式。

当前市面上的 AI 生成工具，形态大多是 SaaS 平台或 Web UI——功能强大，但当你想把图生、视频、配音整合进自动化流水线时，门槛就突然变高了：不同的平台、不同的 API 规范、不同的计费体系，你不得不在五六个服务商之间来回切换。

Flatkey 的答案是：一个 CLI、一个 API Key、一个账户余额，打通 100+ 官方模型和 1000+ 工具。

这个开源的 CLI 工具，是 Flatkey 平台的命令行前端。它用 Node.js 编写，核心逻辑封装在 src/ 目录下的几个模块中——api.js 负责 API 通信，artifacts.js 负责处理各类媒体产物（图片、视频、音频），animation.js 负责终端里的进度动画渲染，models.js 则对接模型发现 API。

从仓库的 agent.md 文件来看，这个工具从一开始就被设计为"AI Agent 的友好工具"——输出格式以 JSON 为主，支持 --dry-run 预检模式，stdout/stderr 分离，为自动化脚本和批量任务而生。

核心能力：一条命令，一站式媒体生成

Flatkey CLI 的命令体系非常清晰，围绕四大媒体类型展开：

图片生成

flatkey image generate --prompt "editorial cover, neon city at dawn" --model gpt-image-2 -o cover.png

支持指定模型（如 GPT Image 2）、本地上传参考图（flatkey image upload --file ./reference.png）。

视频生成

flatkey video generate --prompt "8 second cinematic product reveal" --model seedance2 --ratio 16:9 -o launch.mp4

支持 Seedance2、Kling 等主流视频模型，像素比例（16:9、9:16 等）、分辨率（480p~1080p）均可配置。本地参考图通过 Flatkey 临时媒体服务上传。

音频生成

flatkey audio generate --prompt "你好，这是 Flatkey 的配音测试" -o speech.mp3
flatkey audio generate --prompt "tension building ambient music" -o bgm.mp3

支持语音合成（TTS）和音效/音乐生成。项目 README 甚至专门测试了中文配音——对中国用户相当友好。

模型发现与余额管理

flatkey models --json        # 列出所有可用模型
flatkey credits --json       # 查看账户余额
flatkey auth status           # 查看认证状态

这些元命令让用户在不打开浏览器的情况下，随时掌握自己还有多少"弹药"。

技术细节：简洁到极致的架构

从代码结构来看，这个项目走的是典型的 Node.js 现代 CLI 风格：

• 运行时要求：Node.js >= 20，只依赖 Node 标准库，无额外 native binding
• 入口点：bin/flatkey.js 通过 package.json 的 bin 字段注册为全局命令
• 模块划分：src/api.js（HTTP 通信）、src/artifacts.js（产物处理）、src/cli.js（命令解析）、src/config.js（配置管理）、src/models.js（模型列表）、src/animation.js（进度动画）、src/help.js（帮助系统）、src/requestHeaders.js（请求头构造）
• 类型支持：项目使用 "type": "module"，全面拥抱 ESM 模块系统
• 测试框架：使用 Node.js 原生的 node --test 单元测试，无外部测试依赖
• 发布方式：通过 GitHub Actions 自动化发布到 npm（npm-publish.yml）

整体代码量适中，模块边界清晰，没有过度工程化的痕迹。对于想基于 Flatkey API 开发自己工具的开发者来说，这个 CLI 的源码是非常好的参考实现。

上手体验：从安装到生成第一张图不到 3 分钟

Flatkey CLI 的安装体验打磨得很好。有三种使用方式：

1. 全局安装（推荐）：npm install -g @flatkey-ai/cli，之后 flatkey login 完成认证
2. 免安装运行：npx @flatkey-ai/cli help --ai，适合临时使用
3. API Key 方式：在 CI/CD 环境中直接 export FLATKEY_API_KEY=xxx，无需交互式登录

认证流程也考虑到了各种边界情况：无法自动打开浏览器的终端可用 --no-open 打印授权 URL；自建平台可用 --console-url 指定控制台地址。

实际跑了一下，从安装到生成第一张图，流畅度在同类工具中属于上乘。终端里的进度动画（animation.js）在人类使用时会显示，但在 --json 模式下自动关闭，不干扰程序化解析。

局限与风险：站在服务商肩膀上的工具

必须坦诚地说，Flatkey CLI 本身是一个 API 客户端，不包含任何 AI 模型或生成能力。它的一切功能都依赖于 Flatkey 官方平台的 API——也就是说：

1. 需要网络连接：完全离线环境无法使用
2. 需要 Flatkey 账户：需要注册并充值（或使用免费额度）
3. 受制于服务商 SLA：Flatkey 平台若有故障，CLI 即无法使用

从竞品对比来看，Flatkey 的定价策略针对的是"重复性媒体生成"场景——比如 AI Agent 的批量测试、CI/CD 流水线中的自动化素材生产。如果是单次偶发的创意需求，直接用 Web UI 反而更划算。但一旦你开始写脚本批量生成，就会发现这种"终端里一条命令搞定"的体验有多舒服。

此外，项目目前仍在活跃开发中（版本 0.2.9），README 文档支持英文、简体中文和日语三种语言，说明团队在积极拓展国际市场。

行业意义：AI 媒体工具的"Unix 哲学"

Flatkey CLI 背后反映的趋势很有意思：AI 媒体生成正在从"Web 应用"向"命令行工具"下沉。

过去一年，我们看到图片生成（Stable Diffusion CLI）、代码生成（OpenAI CLI、Cohere CLI）等领域都出现了类似趋势。而视频和音频的 CLI 化难度更高——产物文件大、生成时间长、状态追踪复杂。Flatkey CLI 能把视频生成做成一条终端命令，背后是平台在排队管理、临时存储、进度推送等基础设施上的积累。

对于 AI 开发者而言，这意味着你可以把 AI 媒体生成整合进现有的开发工具链：用 Shell 脚本串联图生视频、视频配音、BGM 合成的全流程；用 JSON 输出格式对接自己的后端数据库；用 --dry-run 在正式提交前预览参数是否正确。这种"可编程的 AI 媒体能力"，是 Web UI 很难提供的体验。

总结：值得一试的 AI 媒体瑞士军刀

优点：

• 安装简单，npm install -g 后立即可用
• 支持图片、视频、音频、文本四大模态，一个 Key 全搞定
• JSON 输出 + --dry-run + --output 三件套，对自动化友好
• 中文支持良好（README 和配音测试都有中文）
• 源码简洁，模块化清晰，适合二次开发参考

不足：

• 完全依赖 Flatkey 云端 API，无法离线使用
• 需要注册付费（虽然有免费额度）
• CLI 工具天然没有 GUI，无法预览生成效果后再决定是否保存

适合人群：

• 需要批量生成 AI 媒体的开发者和团队
• 将 AI 媒体生成整合进 CI/CD 流水线的 DevOps 工程师
• 想用命令行方式探索各类 AI 视频/图片模型的研究者
• 构建 AI Agent 工作流、需要可靠媒体生成后端的 Agent 开发者