用命令行工具搞定多平台发布文案：我的自动化工作流

上个月我发布了一个小项目，代码本身倒没什么，真正消耗时间的是为不同平台准备发布文案。Product Hunt 上的标语、X 平台的帖子、LinkedIn 文章、Reddit 上不能像广告的帖子，还有一大堆 SEO 文章。同一个产品，需要完全不同的五套语气。最后我搭了一套基于命令行工具的自动化工作流，30 秒就能生成全部平台文案。下面是我的实际经验，包括它不完美的地方。

聊天窗口里的内容创作，为什么越写越乱？

我第一次尝试是最直接的方式：打开聊天窗口，一个平台一个平台生成。结果遇到了三个问题：

• 语气漂移：生成第五个帖子时，和前两个不像同一个人写的，因为我每次的提问措辞稍有不同。
• 提示词蒸发：上周调好的“Reddit 风格”提示词，随着会话关闭就消失了。
• 复制粘贴税：量大以后，机械的复制粘贴反而成了主要工作量。

根本原因不在模型本身，而是聊天会话是可失记忆的存储，而平台语气需要被持久化保存。想要一套可复用的多平台营销工具，就得把语气从会话里抽出来，变成文件。

把“语气”变成文件：CLI工具自动化工作流

我的解法是用一个叫 bl 的命令行工具，它是阿里云百炼平台的 CLI 接口。安装很简单：

npm install -g bailian-cli
bl auth login

需要 Node 18 以上环境，注册一个 API Key，免费额度完全够用。整个工作流围绕一套简单的目录结构展开：

launch-copy/
├── brief.md # 产品简报：核心价值、受众、定价
├── voices/
│ ├── ph.txt # Product Hunt：标语+开发者评论，禁用夸张词
│ ├── x-thread.txt # X平台：6条帖子，钩子开头
│ ├── linkedin.txt # LinkedIn：故事驱动，不用表情墙
│ ├── reddit.txt # Reddit：纯文本，零营销腔
│ └── seo.txt # SEO：800字关键词文章
└── out/

核心执行循环只有一行：

for f in voices/*.txt; do bl text chat --system "$(cat "$f")" --message "$(cat brief.md)" > "out/$(basename "$f" .txt).md"; done

--system 参数携带语气文件，--message 携带产品简报，两个都从文件读取，结果输出到 out/ 目录。这就是整套自动化工作流的全部架构。

三个让模板真正好用的关键细节

把语气文件写好只是第一步，真正让它稳定产出高质量内容，还需要关注下面三个细节。

1. 在语气文件里锁定输出格式

我第一次用 Product Hunt 语气文件生成内容时，出现了“革命性”这种词。我在 ph.txt 里加了一行“禁用词汇：革命性、颠覆性、改变游戏规则”，之后生成结果就再也没出现过类似词汇。改一次文件，永久生效，这是聊天窗口完全做不到的。

2. 温度参数是不同文体的调节器

生成标语时用默认温度，效果很平庸。调到 1.2 就能出现让人眼前一亮的句子，调到 1.8 就偏离产品本身了。写新闻稿时反过来，用 0.3 的低温度，三次运行都能保持相同的结构。温度参数按内容类型调节，这个能力在大多数聊天界面里无法灵活控制。

3. 按风险等级拆分模型

SEO 批量文章属于低风险高数量任务，我用低成本模型生成，比如 --model qwen-turbo --max-tokens 1500，每篇 800 字文章的成本折合人民币只要几分钱。而对外发布的文案，比如标语和发布贴，仍然用默认的旗舰模型。通过一个参数切换，成本相差一个数量级。这也是一种提示词工程的实践：在不同场景下使用不同提示策略。

额外彩蛋：封面图也能在终端生成

除了文字，我还发现这个 CLI 工具在终端里直接生成图片：

bl image generate --prompt "温暖的桌面场景，台灯，笔记本和手机，扁平插画风格，暖色调"

省去了来回切换工具的麻烦，整个内容创作过程都在终端里完成了。

这套自动化工作流的核心思路是：把平台语气作为文件资产进行管理，用命令循环批量调用，让提示词工程成为文件操作的一部分。如果你也在为多平台发布文案头疼，不妨试试这个思路。