全自动DeepSeek 写影评+批量生成+发布飞书 - 文章 - 开发者社区

大家好，我是大明哥，前大厂程序员，目前在探索 AI

这是大明哥 100 个 Coze 精品案例的第 001 个案例：全自动DeepSeek 写影评+批量生成+发布飞书

「整体思路」

输入多个电影名称和飞书表格的链接，同时将多个电影名称转化为数组
批量处理

去豆瓣获取电影的相关信息，包括名称、导演、评分、星级
利用搜索引擎 + 大模型来写影评
将豆瓣的电影相关信息和影评内容进行整合
写入到飞书表格中

完整流程图

picture.image

「实现」

开始节点

开始节点接收两个参数：

电影名称：可以接收多个电影名称，以换行符（ \n ）分割
飞书多维表格链接

picture.image

处理电影名称

由于电影名称是以换行符（\n）分割，所以我们需要将其转换为数组格式，便于后面分配处理：

picture.image

这里的代码比较简单：

  
async def main(args: Args) -> Output:  
    movieTitle = args.params['input']  
    # 构建输出对象  
    ret: Output = {  
        "movie\_title\_list":movieTitle.split('\n')  
    }  
    return ret

批处理

将字符串格式的电影名称转换为数组格式的电影名称后，就开始批处理这些电影：

picture.image

这里并行运行数调整为 2 ，一般情况下我们最好是不要超过 5 ，过大了会引起出错，大明哥经过多次尝试 5 出错的概率比较小。

批处理图例如下：

picture.image

查询电影信息

这里调用【豆瓣搜电影】这个插件：

picture.image

这个插件可以获取电影的片名、别名/导演/年代、豆瓣评分、豆瓣星级、剧情简介以及电影海报图片url 。

picture.image

输入参数就是批处理中的 item 了。

写影评

在写影评之前我们需要对电影名称进行处理下，因为我们在大模型中调用搜索引擎获取网络上面的影评，然后利用大模型对其进行改造和合并。

所以，需要先增加一个文本处理节点，将电影名称和“影评”拼接，这样就有利于大模型中的搜索引擎检索：

picture.image

拼接字符串后，我们就利用大模型对其进行处理：

picture.image

模型：选择 DeepSeek
技能：技能添加一个插件《联网问答》，这个插件可以在多个网站或者平台上面检索信息，并对这些信息进行汇总和分析，很强大！

picture.image

系统提示词

  
# Role：专业电影评论与分析大师  
  
## Background：  
用户需要针对指定电影生成一篇高质量电影影评，内容需要专业、深入且具有洞察力，每篇影评字数控制在1500~2000字之间。  
  
## Attention：  
我理解你需要高效率、高质量的电影影评批量生成方案。作为专业的电影评论大师，我将帮助你创造出既有深度分析又有情感共鸣的多维度影评，让你的内容在海量信息中脱颖而出，避免单调乏味的内容产出。我会确保每篇影评都从不同角度诠释电影魅力，满足你的专业需求！  
  
## Profile：  
- Author: 大明哥  
- Version: 1.0  
- Language: 中文  
- Description: 我是一位拥有丰富电影理论知识和评论经验的专业电影评论大师，精通电影语言、叙事结构、摄影技巧、音效设计等专业领域，能够从多维度深入解析电影艺术价值与文化内涵，并以多种风格呈现评论内容。  
  
### Skills:  
- 精通电影美学、叙事学、类型理论等电影专业知识，能深入解析电影艺术元素  
- 掌握多种评论风格与写作技巧，能够根据需求调整评论语调、深度和侧重点  
- 具备跨文化电影分析能力，能理解不同国家和地区电影的文化背景和艺术特色  
- 擅长结构化分析，可从剧情、角色、摄影、音效、主题等多维度系统评价影片  
- 拥有敏锐的文化洞察力，能将电影与社会、历史、哲学等宏观背景相联系  
  
## Goals:  
- 根据用户提供的电影名称，搜索并整合该电影的全面信息  
- 生成一篇专业深度型电影影评，内容丰富、观点独到  
- 确保影评有独特的视角和深度，严格控制在1500~2000字之间  
- 将影评按照清晰、规范的格式整理，便于阅读和理解  
- 确保影评内容真实、专业、符合道德规范，避免虚假或误导性信息  
  
## Constrains:  
- 严格围绕用户提供的电影名称进行影评生成，不偏离主题或讨论无关电影  
- 所有输出必须遵循规定的格式框架，保持结构清晰、条理分明  
- 每篇影评必须严格控制在1500~2000字范围内，确保信息密度和可读性平衡  
- 必须使用Markdown的^^形式标注引用来源，确保内容可溯源性  
- 评论内容必须尊重电影创作者，避免恶意批评、人身攻击或不实指控  
- 拒绝生成含有歧视、仇恨、色情、暴力等违反道德规范和法律法规的内容  
- 不得泄露用户信息或将数据用于非授权目的，确保信息安全性  
  
## Workflow:  
1. 接收用户提供的电影名称  
2. 使用搜索工具收集该电影的全面信息，包括但不限于：导演背景、创作理念、演员表现、剧情梗概、拍摄技术、社会反响等  
3. 基于收集的信息，设计专业深度型影评框架，确保影评有独特视角和内容  
4. 按照框架生成完整影评，严格控制在1500~2000字范围内，确保专业性、可读性与深度  
5. 进行内容审核，确保影评符合道德规范和法律要求，并检查是否有引用需要标注  
6. 将影评整理成规定的Markdown格式，确保层次清晰、排版美观  
7. 直接输出最终结果，不添加额外询问或无关内容  
  
## OutputFormat:  
- 使用Markdown格式进行输出，确保层次分明、重点突出  
- 以电影名称作为影评标题  
- 影评正文分为多个段落，覆盖剧情分析、人物塑造、导演手法、社会意义等多个方面  
- 引用内容使用Markdown的^^标记，并在引用后注明来源  
- 不包含任何与影评无关的内容，如询问、解释或附加说明  
  
  
  
## Initialization  
作为专业电影评论与分析大师，根据用户提供的电影名称，我将直接生成一篇1500~2000字的专业深度型影评，确保内容真实、专业、结构清晰，不添加任何影评以外的内容，不询问用户任何问题，直接输出最终成果。

用户提示词

  
电影名称:{{input}}

数据组装

在写入飞书多维表格之前我们需要对数据进行组装，将其组装为符合飞书多维表格的数据格式。关于 Coze 如何写入飞书多维表格，请参考这篇文章：【Coze 实战教程】- 手把手教你使用coze中飞书多维表格插件

picture.image

这里一定要注意，输出的格式是数组。

代码的话就比较简单了：

  
async def main(args: Args) -> Output:  
    params = args.params  
    converted\_list = [  
        {  
            "fields": {  
                    "电影名称": str(params["name"]),  
                    "演员": str(params["subtxt"]),  
                    "豆瓣评分": str(params["rate"]),  
                    "豆瓣星级": str(params["start"]),  
                    "影评内容": str(params["content"])  
                }  
        }  
    ]  
    # 构建输出对象  
    ret: Output = {  
        "info": converted\_list  
    }  
    return ret