1 分钟出 10w + 职场漫画!Coze 一键生成,小白也能轻松拿捏

大家好,我是小肥肠,专注 AI 干货知识分享!今天手把手教你用 Coze实现10w+职场漫画一键生成,全流程保姆级拆解,感兴趣就往下看!!

1. 前言

之前我推出的公众号相关Coze工作流收获了大家的一致好评,有一键二创文案号生成到草稿箱拯救你的阅读量!Coze文案号PLUS来袭:自定义风格助力爆文率飙升300%,RPA+Coze进行公众号二创(Ai率为0)躺赚必备!RPA+Coze+豆包:公众号自动发文,AI率0%亲测有效(附AI率0%提示词)

最近手绘形式的漫画在公众号狂揽10w+阅读。

漫画明星:

漫画职场:

这种文章是实现形式并不难,但是手搓的话比较浪费时间,要先用AI工具生成图片后再用P图工具上文字,一套流程耗时20分钟。今天给大家分享职场漫画基于Coze一键生成写入你的草稿箱,全程耗时1分钟,效率翻了20倍。

2. 工作流思路梳理

整体工作流实现思路并不复杂,我梳理了一个流程图给大家方便理解:

上述流程图整理为文字的话,总体流程可以概括为以下几个步骤:

  1. 用户输入主题

  2. 根据主题生成文案列表

3. 进入循环------基于每个文案生成文生图提示词

  1. 图片生成

  2. 将文案与图片进行组合

6. 退出循环------得到图片列表

  1. 生成HTML界面

  2. 将前面生成的内容发布到公众号草稿箱

3. 工作流实现

完整工作流:

上述工作流可分为正文生成和封面生成两大部分,我会分成两小节阐述。

3.1. 封面生成

开始节点: 开始节点的参数名称为topic,类似设置为String,topic对应职场赛道的标题。

职场赛道的标题我写了几个给大家做参考,可以把我的丢给豆包进行仿写就行:

复制代码
未来 15 年,前景一片光明的 12 大行业!
看着不起眼,实则利润惊人的 8 大行业
女生一听就 "嫌弃" 的 5 种男生职业!
未来 20 年,发展潜力无限的 9 大行业!
看似没 "钱途",却闷声发大财的 10 大行业
家长一听就反对的 6 种大学专业对应的职业!
未来 5 年,迅速崛起的 15 大行业!

大模型 配图(封面): 这个节点的作用是基于开始节点输出的标题(topic)生成针对职场漫画领域的文生图提示词。

为了避免同质化内容,这边就不放文生图提示词了,给大家提供一下提示词思路,把这个思路丢到豆包里面反推生成提示词就行。

arduino 复制代码
// 定义核心风格参数
风格 = 中国工笔人物画
参照风格 = 何家英工笔手绘
背景要求 = 纯白色或乳白色
禁止风格 = [写实,真人,写真人像]
// 角色描述生成模块
FUNCTION 生成角色描述 (职业信息):
年龄 = 设定具体年龄范围 (如 20-30 岁)
身材 = 描述身材特征 (如身材修长、身形挺拔)
发型 = 包含发色、发型样式及发饰细节 (如黑色短发、头戴一字夹)
面容 = 描述面容特征 (如面容清秀、御姐脸)
服装 = 分层描述且带有职业特征 (如内搭白色衬衫 + 外穿黑色西装外套)
配饰 = 描述携带物品或配饰 (如背着黑色斜挎包)
输出 = 拼接上述信息,且不包含气质 / 性格词汇、鞋子描述
// 分镜处理模块
FUNCTION 处理分镜 (文案):
画面元素 = 解析文案提取人物、动作、核心交互物品
角色 1 = 调用生成角色描述 (职业 1)
角色 2 = 调用生成角色描述 (职业 2) // 若有多个角色
动作描述 = 描述角色表情、动作及与物品的交互
背景处理 = 应用背景要求,仅保留核心人物和交互物品
风格校验 = 确保符合风格参数且不在禁止风格列表内
输出 = 按 "风格 + 角色描述 + 动作描述 + 背景处理" 格式组合
// 一致性校验模块
FUNCTION 校验一致性 (角色列表):
FOR EACH 角色 IN 角色列表:
IF 同一角色在不同分镜描述不一致:
修正为统一描述
RETURN 校验后的角色列表
// 主流程
主流程:
初始化风格参数
获取文案列表
FOR EACH 文案 IN 文案列表:
调用处理分镜 (文案)
调用校验一致性 (生成的角色)
按规定格式输出结果

把上面思路丢给豆包 :基于以上思路帮我生成一个文生图提示词,我需要基于你给的文生图提示词来进行图片生成,提示词构成需要有角色,技能,限制这三部分组成

图像生成: 这个节点的接收参数是大模型 配图(封面) 输出的文生图提示词,模型选择通用-Pro,比例为9:16,生成质量拉到最高:

resize: 这个节点的作用是把图像生成节点生成的图像缩放为公众号封面尺寸。

3.2. 正文生成

基于主题生成文案( 大模型 ): 这个节点的作用是结合开始节点传入的标题生成文案列表。输入参入为开始节点的topic

为了避免同质化内容,这边就不放原提示词了,给大家提供一下提示词思路,把这个思路丢到豆包里面反推生成提示词就行。

arduino 复制代码
// 核心任务定义
任务 = 根据 "清单体" 标题生成 5 项清单,每项含职业与 30 字内文案
格式要求 = 项目名称:一句话文案(被两个逗号分为三段,结尾为句号)
// 标题解构步骤
提取标题中的主题(行业 / 职业)
识别标题角度(如 "被嫌弃""利润高" 等)
确认需生成的数量(固定为 5 个)
// 文案创作规则
风格 = 短小精悍、吐槽式或总结式、接地气
字数限制 = 每条文案(不含名称)≤30 字
结构要求 = 文案需用两个逗号分为三段,结尾加句号
内容要求 = 信息准确、无敏感及成人向语句,能引发共鸣
// 输出规范
直接输出 5 项清单,无需额外引言、解释或总结
严格遵循 "职业:文案(三段式,两逗号,一句号)" 格式

把上面思路丢给豆包:基于以上思路帮我生成一个文案生成提示词,需要有角色,技能,限制这三部分组成:

大模型 配图(正文): 到了这个节点我们就进入了文案列表的循环中,需要基于文案生成文生图提示词。

为了避免同质化内容,这边就不放文生图提示词了,给大家提供一下提示词思路,把这个思路丢到豆包里面反推生成提示词就行。

arduino 复制代码
// 定义核心风格参数
风格 = 中国工笔人物画
参照风格 = 何家英工笔手绘
背景要求 = 纯白色或乳白色
禁止风格 = [写实,真人,写真人像]
// 角色描述生成模块
FUNCTION 生成角色描述 (职业信息):
年龄 = 设定具体年龄范围 (如 20-30 岁)
身材 = 描述身材特征 (如身材修长、身形挺拔)
发型 = 包含发色、发型样式及发饰细节 (如黑色短发、头戴一字夹)
面容 = 描述面容特征 (如面容清秀、御姐脸)
服装 = 分层描述且带有职业特征 (如内搭白色衬衫 + 外穿黑色西装外套)
配饰 = 描述携带物品或配饰 (如背着黑色斜挎包)
输出 = 拼接上述信息,且不包含气质 / 性格词汇、鞋子描述
// 分镜处理模块
FUNCTION 处理分镜 (文案):
画面元素 = 解析文案提取人物、动作、核心交互物品
角色 1 = 调用生成角色描述 (职业 1)
角色 2 = 调用生成角色描述 (职业 2) // 若有多个角色
动作描述 = 描述角色表情、动作及与物品的交互
背景处理 = 应用背景要求,仅保留核心人物和交互物品
风格校验 = 确保符合风格参数且不在禁止风格列表内
输出 = 按 "风格 + 角色描述 + 动作描述 + 背景处理" 格式组合
// 一致性校验模块
FUNCTION 校验一致性 (角色列表):
FOR EACH 角色 IN 角色列表:
IF 同一角色在不同分镜描述不一致:
修正为统一描述
RETURN 校验后的角色列表
// 主流程
主流程:
初始化风格参数
获取文案列表
FOR EACH 文案 IN 文案列表:
调用处理分镜 (文案)
调用校验一致性 (生成的角色)
按规定格式输出结果

把上面思路丢给豆包 :基于以上思路帮我生成一个文生图提示词,我需要基于你给的文生图提示词来进行图片生成,提示词构成需要有角色,技能,限制这三部分组成

代码符号换行(代码): 这个节点为Python代码节点,作用是把前面生成是三段式文案打散,用\n标注进行分隔。

我举个例子,文本处理节点输出的参数为:

复制代码
子句1,句子2,句子3。

那么经过这个节点处理以后它就会变为:

复制代码
句子1\n句子2\句子3

源代码为:

python 复制代码
import re
async def main(args: Args) -> Output:
    params = args.params
    input = params['content']
    text = re.sub(r"[,。?!]", "\n", input)
    text = text.rstrip("\n")
    # 构建输出对象
    ret: Output = {
        "text": text,
        "length": len(text)
    }
    return ret

文本处理: 在这个节点中选择字符串分隔,分隔符选择\n,输入参数为代码符号换行(代码) 的输出结果。

这个节点将基于\n对字符串打散生成字符串数组。

我举个例子,文本处理节点输出的参数为:

复制代码
句子1\n句子2\句子3

那么经过这个节点处理以后它就会变为:

css 复制代码
[句子1,句子2,句子3]

分开输出句子( 大模型 ): 这大模型的作用是把文本处理输出的字符串数组中的元素分别输出到三个参数中(String1,String2,String3)

图像生成: 这个节点的接收参数是大模型 配图(正文) 输出的文生图提示词,模型选择通用-Pro,比例为9:16,生成质量拉到最高。

画板(关键): 这个节点的作用是把我们的图片和文字组合在一起,左边需要预先放好图片和文本位置,之后和传入的参数进行绑定即可。

代码排版: 这个节点的作用是将前置生成的图片列表排版为html页面。

将生成内容发布至草稿箱(插件):这个插件的作用是整个前置内容发布到公众号草稿箱。

appid和secret需要进入公众号平台获取,进入后天页面点击【设置与开发】------【开发接口管理】,获取appid和secret:

最后再将一下IP设置到IP白名单中:

复制代码
101.126.35.226
101.126.35.109
101.126.44.209
101.126.44.196
101.126.35.67
101.126.47.44
101.126.45.223
180.184.49.77
180.184.35.14
180.184.92.230
101.126.25.134
180.184.86.184
180.184.66.211
180.184.65.14

结束: 结束节点接收参数为将生成内容发布至草稿箱(插件) 输出的media_id,只要media_id不为空则整个流程运行成功。

上述就是整个 工作流 的完整流程,相对简单,动手能力强的读者可以根据以上思路研究一下。如果想直接获取工作流,可以加入社群后我拉你进Coze空间直接学习使用。

4. 结语

到这里,关于用 Coze 一键生成 10w + 职场漫画并发布到公众号草稿箱的全流程就给大家拆解完毕了。这套 Coze 工作流,将原本 20 分钟的流程压缩到 1 分钟,效率提升 20 倍,无疑为大家打造爆款职场漫画文章提供了强大助力。

如果这篇保姆级教程对你有帮助,欢迎点个赞/收藏/转发------你的支持是我熬夜肝干货的最大动力!

相关推荐
大千AI助手2 分钟前
掩码语言模型(MLM)技术解析:理论基础、演进脉络与应用创新
人工智能·神经网络·机器学习·语言模型·自然语言处理·mlm·掩码
audyxiao0014 分钟前
智能交通顶刊TITS论文分享|跨区域自适应车辆轨迹预测:TRACER框架攻克域偏移难题!
人工智能·轨迹预测·智能交通·tits
Altair澳汰尔4 分钟前
行业热点丨仿真历史数据难以使用?如何利用几何深度学习破局,加速汽车工程创新
人工智能·ai·汽车·数据治理·仿真·cae·physicsai
mortimer11 分钟前
Tenacity:一行代码实现简洁优雅的遇错自动重试逻辑
人工智能·python·网络协议
逸风尊者11 分钟前
开发也能看懂的大模型:聚类
人工智能·后端·trae
过往入尘土19 分钟前
机器学习鸢尾花案例
人工智能·机器学习
EdisonZhou1 小时前
多Agent协作入门:移交编排模式
llm·aigc·.net core
Elastic 中国社区官方博客1 小时前
使用 Elasticsearch 和 AI 构建智能重复项检测
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
Leinwin1 小时前
微软发布Microsoft Sentinel数据湖国际版
人工智能
oe10192 小时前
对于GEO和SEO以及未来他们会如何联动,如何影响我们的生活
人工智能·生活·智能体