前言
今天有位朋友提出了一个现实的需求：希望用 AI 批量为公司短剧生成封面。
最初我想到用"即梦AI"来生成图片，毕竟效果不错，但一听说他们有上百部短剧，手动操作显然不现实。
于是，今天分享的素材就来了。
我决定用 Coze 平台搭建一个可以自动批量生成短剧封面的智能体，让整个流程高效又省心。
场景描述
用户将短剧的内容整理到飞书多维表格中，智能体根据飞书多维表格的短剧数据，循环生成一个个短剧的封面。
前期准备
1、注册并登录 Coze 平台，个人免费版即可满足需求。
2、熟悉 Coze 平台的基本概念，可参考官方文档或往期分享。
3、创建一个专用的智能体"批量短剧封面生成器"。
4、建立需要的飞书多维表格。
- name：短剧名称，关键列，会原文显示到短剧封面。
- introduce：短剧简介，关键列，短剧封面生图提示词会根据这里了解。
- requirement：封面生成要求，本次分享未使用。
- cover_url：封面图片地址，计划将生成的封面图片 url 存入，本次分享未使用。
飞书多维表格支持中文列名，为什么要使用英文列名？
后续工作流中要通过列名获取具体数据，中文名会出错
配置智能体
本次流程较为复杂，我们需要通过工作流实现。
人设与回复逻辑
依然使用 Coze 的"自动优化提示词"功能，输入"调用工作流并将结果呈现给用户。"，自动生成提示词。
示例提示词如下：
markdown
# 角色
你是一个专业的批量短剧封面生成器，能够根据飞书表格中的短剧信息，高效、精准地生成符合要求的短剧封面。
## 技能
### 技能 1: 调用工作流生成短剧封面
1. 当接收到用户提供的飞书表格中的短剧信息时，调用工作流<piliangduanjufengmianshegnchen>进行短剧封面生成操作。
2. 生成完成后，将生成的短剧封面结果以清晰、直观的方式呈现给用户。
## 限制:
- 只围绕根据飞书表格信息生成短剧封面展开工作，拒绝处理与该任务无关的请求。
- 所输出的内容必须清晰展示生成的短剧封面结果，不能含糊不清。
- 确保调用工作流的操作准确无误，若出现问题需及时向用户反馈。 为了精准调用工作流，在后续创建完工作流后，建议将工作流名称放入提示词。
模型
采用默认的"豆包·1.5·Pro·32k"即可。
绘制工作流
以上是最终完成的工作流效果，大家可以先搂一眼。
工作流主要步骤：
- 从飞书多维表格读取数据
- 循环处理的短剧数据
- 根据短剧简介生成封面生图提示词
- 根据提示词生成封面图片
- 返回结果
下面我们对应步骤进行拆解。
开始节点
无需操作。
因为数据直接从飞书多维表格读取，开始节点不需要接收任何输入。
从飞书多维表格读取数据
选择插件"飞书多维表格"的 search_record 工具，负责读取数据。
配置上关键属性：
- app_token：飞书多维表格的url或者app token都可。
- table_id：飞书多维表格的table_id。
上述属性直接从飞书文档url中提取即可。
以上步骤，大家估计都比较熟悉，下面就到了本次分享的重点：循环。
"循环"就是针对批量相似内容，执行相同操作，正好适合今天的场景。
循环内容开始前，先将循环中每次使用的变量设置为飞书多维表格的一行。
如上图，循环里面就可以使用item代指每一次的一条短剧数据了，即input数组中的一个。
循环：短剧内容反序列化
由于飞书多维表格读取出来的数据结构比较复杂，且是一个字符串，不方便后续操作，我们将其"反序列化"为一个对象。
所用节点为"组件"-"JSON 反序列化"。
fields为item下的字段内容。
反序列化后的输出如下：
循环：生成封面生图提示词
所用节点为大模型节点，采用的豆包·1.5·Pro·32k模型。
输入变量
input选择的是"短剧内容反序列化后的结果"，方便获取"短剧简介"给大模型参考。
系统提示词
markdown
根据用户提交的短剧内容，提炼出该部短剧核心碰撞点，生成一套短剧封面图片的提示词。
## 要求
- 封面最好包含主角
- 兼顾核心碰撞点
- 不要使用真人风格形象
- 除了短剧名称，禁止渲染其它文字
- 不要给出多套提示词供用户选择，直接给出最佳的一套
- 提示词中不要出现短剧名称用户提示词
css
短剧简介：{{input.introduce[0].text}}此处解释两个地方：
- introduce[0]表示数组中的第1个元素，如果是对象里的属性，直接像
.text使用即可。 - 这里就是前面飞书多维表格列名需要使用英文的地方，如果是中文，
.text的方式是没法使用的。
输出示例如下：
循环：拼接最终提示词
上一步已经可以生成提示词了，为什么还要拼接呢？
因为短剧名称需要在封面图上原文展示，而字节系的生图模型可以将中文引号""包裹的文字直接渲染到图片上，而不是分析理解其含义。
为了更好地达到以上目的，我们通过"组件"-"文本处理"节点实现拼接。
两个输入分别是：
- String1："生成封面生图提示词"的输出。
- String2："短剧内容反序列化"的输出。
然后通过如图的拼接逻辑给名称包裹上中文引号。
输出示例如下：
循环：生成封面
终于到了最关键的一步：生成了。
这里我们选择的是"豆包图像生成大模型"插件。
设置属性：
- prompt："拼接最终提示词"的输出。
- req_schedule_conf ：采用文档默认的
general_v20_9B_pe。
循环节点
最终再次设置"循环"节点的输出为生图模型的输出。
结束节点
连接好后直接输出"循环"节点的输出。
工作流验证
我们来验证一下生成效果。
输出变量中就包含了2个短剧的封面图片url。
工作流发布
我们点击工作流编排页面右上角的发布，即可将工作流加入智能体内。
记得将工作流名称更新到"人设与回复逻辑"中。
测试智能体
智能体"预览与调试"的输入框中直接输入指令"生成"，我们看下效果。
结果
效果
生成效果还可以。
最主要这针对上百个短剧，效率提升不是一点半点哈。
结语
今天主要和大家分享了如何将"飞书多维表格"与工作流中的"循环"节点结合，实现各类重复性工作的批量处理。
希望这个实操案例能为你带来一些 AI 应用的新思路和灵感！