AI智能体(Coze)搭建【历史故事】工作流保姆级教程
作者：微信文章大家好，我叫阿铭，我会不定期给大家更新coze工作流拆解教程
点击下方卡片可以找到我
今天我们要拆解的是【沉浸式历史故事】
在拆解之前我先自我介绍一下，让大家先认识一下我
我叫阿铭，一位来自四川的07年互联网从业者，在我16岁的时候就已经高中辍学因为家里反对离家出走去往广东了，因为我学的建筑我觉得建筑行业走到头了刚好当时喜欢健身，想尽早出社会做自己喜欢的事业赚钱，不想给本就不富裕的家庭增加负担。
后来我又从广东去往重庆进厂攒钱，17岁的时候考健身证书入职以后我发现其实我只是喜欢健身并不喜欢这个职业，我又离职一直在找互联网项目，这段时间我去过河南，后面又去江西那边一所健身教练培训机构做招生负责人，当时已经在做私域了。
后面机缘巧合下遇到了法叔共创团队，了解以后我发现这是一个很真诚的团队，我算是比较幸运的，第一次知识付费就遇到负责任靠谱的团队，只是当时有自己的事业要求做就只是学习了团队的知识并没有去做团队项目。
直到我发现团队开始慢慢转型AI，我觉得机会来了，我就离职跟着团队学习AI，现在回到重庆全职做AI赛道，我是个毫无编程基础不懂英语的小白，学习这方面比别人更困难些，不过好在身后有一个靠谱且实力强大的团队，所以我现在才会出现在你们的视野，写出这篇文章，你们要是有任何关于健身方面的问题也可以找到我，希望你们看了能够有所帮助
博主学历不高所以不说那么多题外话了直接进入主题
我们先看这期工作流效果如何
咱们来看看对标账号，52条作品涨粉45.1万获赞301.6万！
成品工作流如下：
工作流拆解保姆级教程如下：
第一步，创建工作流
网址：https://www.coze.cn/
点击开发平台，点击快速快速，点击工作空间
选择资源库，右上角点击添加资源点击工作流
这里工作流名称只能输入拼音和英文，工作流描述简单来讲就是介绍工作流是做什么的
第二步，配置开始节点
变量名随便写，只要自己能够认识就行，只能输入拼音和英文，我这里输入的title
变量类型选择String因为他是字符串的意思，输入的文字类型就选择他
第三步，根据主题生成文案（大模型）
这里模型选择DeepSeek-V3，这是我测试出来觉得比较好用的大模型
输入选择开始的title
用户提示词：
主题：{{input}}
这里系统提示词我不发，一个原因是太长了，有点水文章，另外一个就是可能会被检测出 AI 味，希望你们能理解一下，以后都文章稍微短一点的提示词我会发出来给大家，长一点的可以找我领取，怎么领取我已经放在文章结尾
第四步，根据生成的文案生成主题（大模型）
这里模型选择DeepSeek-V3
输入选择根据主题生成文案（第三步大模型）的输出
系统提示词：
# 角色
能够深入理解故事文案的情节、人物、场景, 根据故事内容提炼出简洁精准的2个字故事主题素。
## 技能
### 技能1：生成2个字的主题
1. 从故事文案中提炼出能够精准概括故事核心内容的2个字故事主题
## 限制:
- 只围绕用户提供的故事文案进行分镜绘画提示词生成和主题提炼，拒绝回答与该任务无关的话题。
- 主题必须为2个字。
- 直接输出主题，不要回复其他额外内容
用户提示词：
故事原文内容：{{content}}
第五步，根据生成的文案生成分镜片段
这里模型选择DeepSeek-V3
输入选择根据主题生成文案（第三步大模型）的输出
用户提示词：
故事原文内容：{{content}}
这里系统提示词比较长不方便放在文章里，还是一样的，结尾找我领提示词
这里输出选择Array的Object，他是数组类型的意思，因为这个节点生成的是一个个分镜片段，cap选择Srring不用改变量名分别输入scenes和cap
第六步，根据分镜片段分别生成图像提示词
这里模型选择DeepSeek-V3
输入选择分镜大模型（第五步大模型）的scenes
用户提示词：
故事分镜字幕信息：{{scenes}}
这里系统提示词比较长不方便放在文章里
输出：变量名分别是scens，cap，desc_promopt
变量类型scens选择Array的Object另外两个都是String
第七步，批处理
批处理顾名思义就是批量处理任务，把前面大模型生成的各个分镜片段挨个处理生成
1.批处理节点
并行运行数量是同时处理多少个任务，这里我选的3
批处理次数上限是整个工作流通过这个节点运行的次数不能超过100
输入选择图像提示词（第六步大模型）的scenes
2.图像生成
模型选择通用，比例选择4:3，生成质量拉满
输入选择批处理的desc_promopt
正向提示词：
古代壮烈插画风格：{{desc_promopt}}
3.选择器
选择图像生成的data选择不为空
这个节点是干什么的顾名思义如果图片生成出来了那就直接通过，没有生成出来图片那就采取防范措施重新生成之类的就是判断有没有完成达到我们的要求来做出决策
4.优化提示词和图像生成_1如果没有生成出来将会由提示词优化和图像生成_1重新优化我们的提示词再重新生成图片
5.根据文本生成音频
text选择批处理的cap（文本内容）
spees_ratio选择1.2（语速）
voice_id选择悬疑解说（音色）
后面我就不给大家讲太细了，更多的还是要自己去理解研究去学习，这里给你们标出来的箭头感叹号点击可以看见这个选项的注释，它会告诉你这里该填什么
6.获取音频时长输入选择合成音频这个节点的link（音频链接）
7.代码_1输入两个图像生成的image变量输出image_url图像链接代码已经放在下方
// 在这里，您可以通过 ‘params’获取节点中的输入变量，并通过 'ret' 输出结果// 'params' 和 'ret' 已经被正确地注入到环境中// 下面是一个示例，获取节点输入中参数名为‘input’的值：// const input = params.input; // 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：// const ret = { "name": ‘小明’, "hobbies": [“看书”, “旅游”] };async function main({ params }: Args): Promise<Output> { var image1 = params.image1; var image2 = params.image2; if(!image1){ image1 = image2; } // 构建输出对象 const ret = { "image_url":image1 }; return ret;}
第八步，生成主角首图（大模型）
这里模型选择DeepSeek-V3
输入选择开始的输出，根据输入的主题文本生成主角图片提示词
第九步，生成主角首图
模型选择通用，比例选择4:3
输入选择前面生成主角首图图像提示词的大模型
第十步，抠图
上传图选择主角首图的image
第十一步，代码
设置的几个参数：image_list,audio_list,duration_list,scenes,title,role_img_url
他们分别对应的意思是图像列表，音频列表，持续时间列表，场景列表，标题，抠图
输出参数分别是：audioData，imageData，text_timielines
，text_captions，title_list，title_timelimes，bgAudioData，kcAudioData，roleImgData这个代码比较长，需要的可以找我领取，我就不放文章里了
第十二步，创建草稿（视频合成_剪映小助手）
接下来都都是剪映的一些插件比较简单易懂我直接简单带过
第十三步，批量添加音频
第十四步，批量添加图片
第十五步，添加图片
这个也是添加图片，他是添加的首图角色
第十六步，批量添加音频（开场音效）
第十七步，批量添加音频（背景音乐）
第十八步，代码
输入参数分别是：segment_ids，duration_list，segment_infos
输出参数：keyFrames
这个代码也是比较长，可以找我领取
第十九步，添加关键帧
第二十步，根据时间线制作字幕数据
第二十一步，根据时间线制作标题字幕数据
第二十二步，批量添加字幕
第二十三步，添加开场字幕
第二十四步，保存草稿
本期的内容就到这里了，感谢你的耐心观看。
因为博主也是第一次写这么长的文章，要是有哪里写的不好需要优化的可以在评论区写出来我看见会去优化的
如果看完觉得博主讲的内容实用，请帮忙转发分享一下，你的点赞转发，就是我更新下去的动力！
最后，想要系统性学习AI智能体工作流和想通过AI变现的朋友都可以找我，我可以为你们提供以下权益1.150+智能体/工作流持续优化更新
2.给源代码可直接复制到自己扣子空间自用变现
3.从0-1教你从基础到高级的工作流，底层逻辑给你讲清楚
4.客服答疑，有问题手把手耐心解决问题，可远程！
5.每周一节，最实用当下最火智能体拆解专家直播课
点击下方卡片找到我
页:
[1]