手把手教你搭建公众号封面智能体

不知道你有没有为选择公众号封面而发愁,每次写完文章是不是都要花一段时间在封面的选择上?虽然微信公众号有 AI 配图 ,但是写不好提示词也是白搭。基于以上原因我萌生了用 Coze 搭建一个生成公众号封面的智能体的想法,实践了下,出的封面图挺不错的。先看效果

上面的截图是在智能体中输入我之前文章的标题和内容,智能体处理后的输出,生成的封面图如下

一次会输出四张不同风格的封面图,图片中的一些元素都很贴合摘要(如摘要中的桥梁)。

智能体已发布到小微智能体小程序中,欢迎大家扫码体验。

接下来就介绍下搭建这个工作流的主要流程。

工作流搭建

前面几篇文章对工作流和主要的插件进行了详细的讲解,这里就不介绍的那么详细了,只介绍工作流和智能体中的主要节点和配置。

开始节点需要两个变量:title 和 content,title 用来接收文章的标题,content 是文章的摘要或则内容。

需要一个大模型节点,用来判断content 是文摘还是摘要,文章需要提取成摘要,大模型配置如下

到这一步就可以获取到文章的摘要了,接着就是要将摘要处理成生成图片的提示词,所以,还需要一个大模型,配置如下

大模型的系统提示词在下面👇

markdown 复制代码
# 角色
你是一个专业且经验丰富的微信公众号封面图提示词生成专家,能深入剖析用户输入的摘要,精准提炼关键信息,根据不同AI绘画工具的特性,生成极具针对性、引导性且全面细致的提示词,助力用户创作出贴合需求的微信公众号封面图。

## 技能
### 技能 1: 生成AI绘画提示词
1. 深入、细致地分析用户输入的摘要,精准提取其中的核心关键信息、明确主题方向以及风格偏好等。
2. 充分结合各类AI绘画工具的独特特点与具体要求,生成内容详尽、表达准确,能有效引导绘画创作的提示词。
3. 生成的提示词要清晰、全面地传达用户对微信公众号封面图在画面元素、色彩搭配、构图方式等多方面的期望。
4. 提示词需参考给定的提示词格式。
5. 根据{{input}},从风格参考中精心挑选四个风格,确保风格与摘要主题相契合。
6. 生成的提示词不要修改标题:{{title}}内容。

### 技能 2: 生成多组提示词
1. 基于对摘要的准确理解,创作出四种风格各异且各具特色的绘画提示词。
2. 将生成的四种提示词以数组形式输出到output变量中,方便用户调用。

### 提示词格式
未来科技,深蓝色紫色渐变,抽象几何图形,数据流,星空光点,指南针与路径,发光字体"{{title}}",极简风格,光影对比,赛博朋克,未来主义,专业感,清晰易读。

### 风格参考
扁平插画,手绘质感插画,国潮/新中式插画,几何抽象插画,3D渲染风格,赛博朋克,低多边形,故障艺术,印象派/油画质感,波普艺术,超现实主义

## 限制:
- 严格围绕根据摘要生成AI绘画工具提示词这一核心任务进行回复,坚决拒绝回答与该任务无关的任何话题。
- 输出内容务必简洁明了,直接呈现生成的提示词,避免进行冗长、繁琐的额外阐述。 

⚠️注意:要修改下大模型的输出,输出类型修改为 Array<String>这种类型方便后面的节点获取数据

图片的提示词生成后就可以调用图像生成节点来生成图片了,节点的配置如下

要修改默认的宽高,修改成公众号封面的尺寸2.35:1。正向提示词就按照上图来写,意思是获取 prompts 数组中的第一个元素,因为要生成 4 张图片,所以就再加 3 个生成图片的节点,正向提示词分别修改为{{prompts[1]}},{{prompts[2]}},{{prompts[3]}},这部分的工作流如下

图中我用红框框出来了两处,第一处是一个输出节点

他的作用是在工作流处理过程中输出一些提示信息,增强用户体验。⚠️注意:在工作流试运行是看不到这个效果的,在智能体中可以看到,如下。

第二处框出来的是一个代码节点,是将生成后的 4 张图片放到一个中,方便 Coze卡片的使用。关于扣子卡片的详细介绍可以看我的这篇文章。代码节点的配置如下

代码节点中的代码如下

python 复制代码
async def main(args: Args) -> Output:
    params = args.params
    image1 = params['image1'] 
    image2 = params['image2'] 
    image3 = params['image3'] 
    image4 = params['image4'] 
    # 构建输出对象,每个 image 放在一个字典里
    ret: Output = {
        "images": [
            {"image": image1},
            {"image": image2},
            {"image": image3},
            {"image": image4}
        ]
    }
    return ret

最后就是结束节点了,配置如下

到这里,工作流就完成了,但是,本篇内容还没完哈,接着看。

循环体

上文中为了生成四张图片,添加了四个生成图片的节点,其实这里可以使用循环体节点来达到相同的效果

输出描述词节点后添加循环节点,如下

循环节点的配置如下

看下循环类型,有三个选项,相关的解释都在下图

再看下循环体中图像生成节点的配置,如下图

说下图像生成节点的输入,变量名为 prompt,后面的引用选项如下

循环节点可选的值有 item 和 index,item 就是输入数组的中的 item,也就是提示词,index 是数组的下标,取值是 0,1,2,3。搞清楚之后就知道这里应该选择 item 了。

发现没,这样不仅少了3 个图像生成节点,还少了一个用来拼接成数组的代码节点。是不是觉的应该用这个循环节点来替换之前的四个生成图片的节点?

**其实吧,使用循环节点没有使用四个生成图片节点的效率高。为什么呢?因为四个生成图片节点是并行处理,四个同时做生成图片的任务,而循环节点是串行的执行任务,先生成一个再生成另外一个。**如果是一些耗时比较短的处理,可以用循环来做,耗时时间长的就用并行的方式来处理,减少等待时间。

绑定 Coze 卡片

创建一个智能体,添加完成的工作流,智能体配置如下

到工作流那一栏中,点击绑定卡片数据按钮

选择 End node 那里点击绑定卡片

关于如何创建卡片和设置变量可以参考我之前的这篇文章,这里就不再赘述。

文章到这里就结束了,咱们下篇见。

相关推荐
赞奇科技Xsuperzone10 分钟前
DGX Spark 实战解析:模型选择与效率优化全指南
大数据·人工智能·gpt·spark·nvidia
音视频牛哥16 分钟前
SmartMediaKit:如何让智能系统早人一步“跟上现实”的时间架构--从实时流媒体到系统智能的演进
人工智能·计算机视觉·音视频·音视频开发·具身智能·十五五规划具身智能·smartmediakit
喜欢吃豆17 分钟前
OpenAI Agent 工具全面开发者指南——从 RAG 到 Computer Use —— 深入解析全新 Responses API
人工智能·microsoft·自然语言处理·大模型
音视频牛哥1 小时前
超清≠清晰:视频系统里的分辨率陷阱与秩序真相
人工智能·机器学习·计算机视觉·音视频·大牛直播sdk·rtsp播放器rtmp播放器·smartmediakit
johnny2331 小时前
AI视频创作工具汇总:MoneyPrinterTurbo、KrillinAI、NarratoAI、ViMax
人工智能·音视频
Coovally AI模型快速验证2 小时前
当视觉语言模型接收到相互矛盾的信息时,它会相信哪个信号?
人工智能·深度学习·算法·机器学习·目标跟踪·语言模型
居7然2 小时前
Attention注意力机制:原理、实现与优化全解析
人工智能·深度学习·大模型·transformer·embedding
Scabbards_2 小时前
KGGEN: 用语言模型从纯文本中提取知识图
人工智能·语言模型·自然语言处理
LeonDL1682 小时前
【通用视觉框架】基于C#+Winform+OpencvSharp开发的视觉框架软件,全套源码,开箱即用
人工智能·c#·winform·opencvsharp·机器视觉软件框架·通用视觉框架·机器视觉框架
AI纪元故事会2 小时前
《目标检测全解析:从R-CNN到DETR,六大经典模型深度对比与实战指南》
人工智能·yolo·目标检测·r语言·cnn