AI智能体扣子(Coze)工作流搭建,3分钟自动生成100篇知识图文,保姆级教程

大模型图像处理数据库

大家在刷小红书的时候,是不是经常性的可以刷到这种励志的文案,配图加上文字,读起来很励志,看起来很吸引眼球。

如果我们用做图软件去做的话,一个是麻烦,另外一个,有一些软件,比如一些文本编辑做图软件,是收费的,既费时,又费力。

那么,这个时候我们就完全可以借助扣子(Coze)工作流,去搭建一个智能体,批量的生成图片,省时省力,还能涨粉,然后接商单、带货。

下面就跟着陈工的步伐,一起去看看怎么搭建的吧!

picture.image

picture.image

完整的工作流:

picture.image

这里我先给大家放一下完整的工作流截图,下面就给大家一一拆解这个工作流,请大家跟着陈工的步伐,一步一步的往下读。

一、创建工作流

1、插入开始节点

输入节点的变量名我们命名为 input。此项是开始节点,主要是确定我们需要生成的图文数量。

比如输入 1,就生成 1 组图文,输入 100,就生成 100 组图文,这就达到了批量生成图文的作用了。

picture.image

2、添加大模型节点

大模型我们选择的是 DeepSeekR1。

变量命名为 count,上一步开始节点,我们如果输入 5,就是要 5 组图文。

然后这一步,就会接收到需要 5 组 AI 内容,主要是起到接收,接收输入生成小红书图文的数量

然后输入系统提示词,提示词,我们可以输入简单的一些,然后让 AI 自行进行优化即可。

picture.image

picture.image

输出节点的设置,可以看上图内容的设置。

输出节点分别是 name 和 sentence,name 就是主题,sentence 就是根据主题,生成的金句,一气呵成。

提示词大家可以找陈工自行领取,然后自己再着重优化一下就行了。

3、添加批处理生成图片节点

这里会涉及到循环体的使用,我们直接点击添加节点,然后选择批处理即可。

变量名:input,变量值就选择上一个节点的输出节点,如下图所示。

picture.image

输出节点命名为 img,然后变量值选择画板 data,如下图所示。

data 就是画板生成的图片,大家可以接着往下看。

picture.image

3.1 添加批处理体-大模型生成提示词节点

这里第一步,还是去选择大模型,大家可以自行选择,在这里,我用的是豆包,当然大家也可以使用 DeepSeek,这个无伤大雅。

输入的变量名,我们命名为 sentence,主要是为了和前文对应起来。

变量值,就是大模型节点的输出值,我们直接选择就可以了。

然后直接输入系统提示词和用户提示词。

这一步就算是完成了。

picture.image

3.2 添加图像生成节点

我们这里也是直接添加图像生成节点,如下图所示:在图像处理里面,我们直接就可以找到该节点。

picture.image

模型选择,我们选择通用 pro,我们也可以根据自己的需求,选择合适的模型

picture.image

关于生成质量这一块,我们可以将其拉到最大,当然这也是有一个缺点的,生成质量越高,其消耗的 token 值也就越大。

picture.image

输入变量名:prompt,如下图所示,变量值,直接选择我下面图中所示即可。

设置完成之后,这一步就算是做好了!

picture.image

3.3 添加画板节点

如下图所示

picture.image

画板的元素,我们就设置三个元素,分别对应的我们需要生成图片的三个部分。

img-生成图片

name:生成标题

sentence:生成描述

这就是一张图的三个内容,设置好之后,我们就可以直接使用了。

picture.image

结尾

到这里,一个小红书批量生成图文的智能体就已经搭建完成了。

大家可以按照本文的操作方法,自己去上手搭建吧,有很多小伙伴看了这个教程,然后跟着教程,一步一步的搭建完成了。

大家抓紧行动起来吧!

如果大家想要深入研究 AI,研究扣子智能体,我给大家准备了《扣子智能体入门指南》沟通!

欢迎大家主页添加我的微信领取!

推荐阅读:

AI智能体扣子(Coze)工作流搭建,自动生成儿童绘本,保姆级教程

AI智能体扣子(Coze)工作流+MCP搭建,自动生成思维导图、逻辑图、鱼骨图、树状图,保姆级教程

不要再花钱开会员了,扣子工作流帮你打造免费视频文案下载神器

AI智能体扣子(Coze)工作流,一键生成表情包!新手小白必看

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论