一行命令,让 AI 的输出直接发布公网-夜雨聆风

一行命令,让 AI 的输出直接发布公网

AI Agent 跑完了分析任务，输出了一个漂亮的 CSV 文件。然后呢？——发附件？截图？还是把几千行数据粘贴到聊天窗口里？

这个”最后一公里”问题，是目前 AI 工作流里最被忽视的痛点之一。数据生产出来了，但如何优雅地”交付”，始终没有一个真正顺滑的答案。

直到出现了 easl（发音同 “easel”，画架）。

它到底做了什么？

核心逻辑极其简单：把任意数据文件一键发布成一个公开链接，访问者用浏览器即可看到带交互的渲染结果，无需登录、无需安装任何东西。

# 三秒发布一个 CSV 报告
$ easl publish data.csv --title "Q4 Results" --open
# → https://warm-dawn.easl.dev
# 管道直接发布 JSON
$ cat logs.json | easl publish --type json
# 或者用 REST API
$ curl -X POST https://api.easl.dev/publish \
    -H "Content-Type: application/json" \
    -d '{"content": "# 报告标题\n...", "contentType": "text/markdown"}'

它能自动识别文件格式，并用最合适的方式呈现：

格式	渲染效果
CSV	可排序表格，固定表头，斑马条纹
Markdown	完整排版，代码高亮，表格渲染
JSON	可折叠树状视图，语法高亮，一键展开全部
Mermaid `.mmd`	流程图、时序图、甘特图即时渲染
SVG	净化后可缩放查看（脚本自动剥除）
HTML	原样托管，不加任何包装
PDF	嵌入式 Viewer 呈现
图片 `.png/.jpg/.gif/.webp`	响应式居中查看

8 种格式，零配置，全部自动识别。

背后是 Cloudflare Workers + R2 + D1 的边缘网络，全球分发，访问速度不成问题。

快速上手

方式一：CLI 命令行

# 安装
curl -fsSL https://easl.dev/install.sh | sh
# 发布文件
easl publish report.md
# => https://calm-river.easl.dev
# 更多用法
easl publish data.csv --title "Q4 Results" --open
cat logs.json | easl publish --type json
easl list   # 查看已发布的页面

方式二：接入 MCP，让 Agent 自己发布

这是 easl 最聪明的设计——把自己做成 MCP 工具，直接嵌入 AI Agent 的工作流。

在 Claude Desktop、Cursor、Windsurf 等工具的 MCP 配置文件里加入：

{
  "mcpServers": {
    "easl": {
      "command": "npx",
      "args": ["-y", "@easl/mcp"]
    }
  }
}

之后直接对 Agent 说：”帮我把这份 CSV 发布成一个可以分享的表格页面”，它就会自动调用工具，返回链接，全程无需手动干预。

MCP 提供了 5 个工具：

工具	功能
`publish_content`	发布原始内容字符串 → 链接，最快路径
`publish_file`	从磁盘发布单个文件，自动识别格式
`publish_site`	发布整个目录为多页站点
`list_sites`	列出当前会话发布的所有页面
`delete_site`	按 slug 删除已发布的页面

方式三：给 Agent 注入技能知识

npx skills add AdirAmsalem/easl

支持 Claude Code、Cursor、Codex、ChatGPT、Gemini CLI 等主流 Agent 工具，让 Agent 内置 easl 的用法知识，调用更准确。

方式四：直接调用 REST API

Base URL：https://api.easl.dev

方法	路径	说明
POST	`/publish`	发布内容，支持单文件或多文件数组
GET	`/sites/:slug`	获取页面元数据
DELETE	`/sites/:slug`	删除页面（需 `X-Claim-Token` 请求头）
POST	`/feedback`	提交反馈

它真正适合的场景

场景一：AI Agent 的交付尾声

Agent 跑完爬取、分析、总结任务后，直接调用 publish_content，把结果发布成页面，最后回复用户一个链接。这是 easl 的核心设计场景。

场景二：临时数据分享

分析师跑完一个 SQL 查询，想让同事快速看一眼，不用发附件、不用拉权限、不用搭服务。一条命令，发链接，看完可以删。

场景三：CI/CD 流水线的可视化产物

在 GitHub Actions 末尾把测试报告、覆盖率数据发布成链接，PR review 时直接点开查看，而不是下载附件再本地打开。

场景四：架构图快速分发

Mermaid 流程图、系统架构 SVG 画完后，对方没有对应的渲染工具？发布成链接，浏览器直接看，无需任何安装。

场景五：轻量内容临时发布

写了一段技术文档想临时分享给客户，又懒得搭博客。easl 就是一次性的 Notion——发完即走，不需要维护。

技术架构

easl 以单个 Cloudflare Worker 的形式运行在边缘网络上：

•

Hono 路由框架，处理 API 请求、落地页、文档和子域名通配服务

•

R2 对象存储，存放上传的文件内容

•

D1（SQLite） 追踪页面元数据和版本历史

•

KV 缓存渲染好的 HTML Shell，加速访问

当访问者打开 warm-dawn.easl.dev 时，Worker 检测文件类型，生成对应的 HTML Shell，并将原始数据嵌入其中由客户端水合渲染。

packages/  worker/      → Cloudflare Worker（路由、智能渲染、文件服务）  cli/         → CLI 工具（npm: @easl/cli）  mcp-server/  → MCP 服务端（npm: @easl/mcp，stdio 传输，5 个工具）

自托管部署

不想依赖官方服务？easl 完全开源，可以部署在自己的 Cloudflare 账户下。

前置条件： Node.js ≥ 20、Cloudflare 账户、wrangler CLI

第一步：克隆并安装依赖

git clone https://github.com/AdirAmsalem/easl.git
cd easl
pnpm install

第二步：创建 Cloudflare 资源

# 创建 KV 命名空间（用于缓存）
wrangler kv namespace create SITES_KV
# 创建 R2 存储桶（用于文件存储）
wrangler r2 bucket create easl-content
# 创建 D1 数据库（用于元数据）
wrangler d1 create easl-db

第三步：配置

将上一步得到的资源 ID 填入 packages/worker/wrangler.toml，同时配置你自己的域名。

第四步：初始化数据库

cd packages/worker
pnpm db:migrate

第五步：部署

pnpm deploy

部署完成后，将 MCP 配置里的 EASL_API_URL 环境变量指向你自己的 Worker 地址即可：

EASL_API_URL=https://your-worker.your-domain.com

本地开发调试

pnpm dev    # 启动本地开发服务器（wrangler dev）
pnpm test   # 运行测试
pnpm build  # 构建所有包

本地开发使用路径路由代替子域名：

•

API：http://localhost:8787/publish

•

查看页面：http://localhost:8787/s/:slug

•

文档：http://localhost:8787/docs

优点与局限

值得称赞

•

零配置，真正一行命令解决问题

•

8 种格式自动识别，渲染效果完善

•

Cloudflare 边缘网络，全球访问快

•

MCP 原生支持，嵌入 Agent 工作流无缝衔接

•

完全开源（MIT），支持自托管

需要留意

•

官方服务发布的内容默认公开，暂无私有选项（自托管可自行控制）

•

定位是临时/短期分享，不适合需要长期维护的内容

•

目前仍是个人项目，稳定性依赖 Cloudflare 免费套餐

小结

easl 解决的是一个看起来很小、但实际上每天都在困扰开发者和 AI 用户的问题：数据生产出来了，怎么体面地给别人看？

它不试图成为 Notion，不试图成为 Google Sheets，只做好这一件事：把任意格式的数据，变成任何人都能直接在浏览器里查看的漂亮链接。

在 AI Agent 越来越普及的今天，这个”最后一公里”的工具，比你想象的更有价值。

项目地址：github.com/AdirAmsalem/easl · MIT License