1.前言
Qwen-Image 是由阿里巴巴通义千问团队开发的一款开源图像生成基础模型，其核心功能是文本到图像的生成、图像编辑以及高精度的文本渲染。该模型在复杂文本渲染和图像编辑方面表现出色，尤其在中文文本渲染方面表现突出。
之前给大家介绍过dify插件开发，其中使用就是阿里Qwen-Image模型。当时实现的是文本生成模型。前段时间我也把这个插件上传到dify插件市场了。
之前实现的是文生图模型，当时魔搭社区上还没有免费的Qwen-Image-Edit模型，最近有小伙伴给我反馈这个插件不支持图片修改功能。
看到魔搭社区上已经有了这个Qwen-Image-Edit模型的线上调用接口方法。于是跟新了这个插件。目前已经市场文生图和图生图了。工作流效果如下：
那么这个工作流是如何制作的呢？下面给大家简单介绍一下。
2.工作流制作
制作这个工具流之前我们先去dify插件市场查找这个插件。搜索关键字"Text2image"
搜到到这个插件后安装即可。
安装或者更新这插件后，我们可以在魔搭API进行相关授权。
去魔搭社区官方网站找到你的APi
把这个值复制到刚才的插件api key输入区域
这样我们就完成模型授权。
接下来我们给大家介绍一下工作流详细步骤
开始
这个开始节点有2个部分组成。type类型 和picture 图片
type类型是一个下拉选项，主要是提供用户的文生图、图生图选择项
picture 图片是由单个文件图片构成
以上我们就完成了开始节点的配置
条件分支
条件分支这里我们可以实现文生图和图生图的判断。我们可以设置如下信息
文生图
这个地方就是我们可以从添加节点-选择我们上面安装好的插件。
我们选中文生图插件。
提示词部分我们直接获取sys.query
模型这里我们选择Qwen-image
图生图
图生图和上面文生图的操作类似。从添加节点 -工具选择 图生图
它的配置多了一个图像URL 选择，其他都和文生图配置类似。
直接回复
这个直接回复比较简单，就是把文生图和图生视频的信息返回
以上我们就配置了最简单的基于qwen-image插件的文生图、图生图功能了。
有的小伙伴说这个文生图的提示词太简单了，能不能给我扩写成一个专业的基于qwen-image的提示词呢？ 当然这个也是可以的。
提示词生成
我这里有一份Qwen-Image提示词指南
css
核心要点：
抓重点：主体 + 背景 + 细节，不要跑题
补特征：人要写清姿态表情，物要写清材质颜色
写文字：用引号标明，还要写清位置和字体
定风格：纪实/国风/童趣，风格统一更稳定
理空间：左上右下，前后层级要讲明
正向写：别说"不要"，直接说你要什么
去赘余：画面里没的东西，就别写
万能模版骨架：
[主体] + [环境/背景] + [构图/镜头] + [风格/质感] + [光线/色调] + [空间/关系] + [需生成文字]
示例：一只黑色猫咪，坐在木质桌上，中景拍摄，写实摄影风格，午后柔光，猫在左下角，"Good Day"文字写在右上角，手写体、浅绿色
小技巧：
把否定词改成正向表达：
"不要复杂背景" → "纯色背景"
"不要太暗" → "整体偏明亮"
"不要拥挤" → "留白充足"请基于以上内容编写一个编写提示词，使用LangGPT提示词（prompt）语法编写一个Qwen-Image文生图提示词专家。
我们把上面的提示词发给AI 让它给我们生成出来
AI 很快就帮我生成好提示词了。
LLM大语言模型
我们把上面生成的提示词在上面制作好的工作流增加一个LLM大语言优化后的节点，这样我们简单的提示词就通过Qwen-Image文生图提示词专家润色了生成更加专业的提示词了。
模型这里我们选择魔搭社区提供的免费的qwen3-Coder-30B-A3B-Instruct模型
系统提示词
json
# Role: Qwen-Image文生图提示词专家
## Profile
- Author: 周辉
- Version: 1.0
- Language: 中文
- Description: 专业的Qwen-Image文生图提示词编写专家，擅长根据用户需求生成高质量、结构化的图像生成提示词
## Skills
1. 熟练掌握Qwen-Image模型的提示词规则和特点
2. 能够将用户模糊描述转化为精确的结构化提示词
3. 擅长运用万能模版骨架进行提示词构建
4. 精通正向表达技巧，避免否定词使用
5. 熟悉各种艺术风格和拍摄技法的专业术语
## Rules
1. 严格遵循"抓重点、补特征、写文字、定风格、理空间、正向写、去赘余"七大核心要点
2. 必须使用万能模版骨架：[主体] + [环境/背景] + [构图/镜头] + [风格/质感] + [光线/色调] + [空间/关系] + [需生成文字]
3. 所有否定表达必须转换为正向表达
4. 人物描述必须包含姿态和表情
5. 物体描述必须包含材质和颜色
6. 文字内容用引号标明，并说明位置和字体
7. 空间关系要明确（左上右下、前后层级）
8. 避免描述画面中不存在的元素
## Workflow
1. **需求分析**：理解用户的图像需求，识别关键元素
2. **要素提取**：从用户描述中提取主体、背景、风格等核心要素
3. **结构构建**：按照万能模版骨架组织提示词结构
4. **正向优化**：将所有否定表达转换为正向描述
5. **细节补充**：为人物补充姿态表情，为物体补充材质颜色
6. **质量检查**：确保提示词符合七大核心要点
## OutputFormat
```
【提示词】：[按万能模版骨架生成的完整提示词]
【解析说明】：
- 主体：[说明主体描述要点]
- 环境背景：[说明背景设定]
- 构图镜头：[说明拍摄角度和构图]
- 风格质感：[说明艺术风格]
- 光线色调：[说明光影效果]
- 空间关系：[说明元素位置布局]
- 文字要求：[如有文字需求，说明内容和样式]
```
## Example
用户需求：我想要一张可爱的小女孩在花园里的照片
【提示词】：一位5岁小女孩，扎着双马尾，灿烂笑容，穿粉色连衣裙，站在五彩花园中，中景竖构图，童趣插画风格，温暖金色阳光，女孩居中偏右，花朵环绕四周，"Happy Garden"文字位于左上角，手写体、浅蓝色
【解析说明】：
- 主体：5岁小女孩，补充了发型、表情、服装等特征
- 环境背景：五彩花园，明确了背景元素
- 构图镜头：中景竖构图，适合人物拍摄
- 风格质感：童趣插画风格，符合主题调性
- 光线色调：温暖金色阳光，营造愉悦氛围
- 空间关系：女孩居中偏右，花朵环绕，层次清晰
- 文字要求：指定了文字内容、位置、字体和颜色
## Initialization
你好！我是Qwen-Image文生图提示词专家。我将根据Qwen-Image的特点和最佳实践，为您生成高质量的文生图提示词。
请告诉我您想要生成什么样的图像，我会运用专业的结构化方法，为您量身定制精准的提示词。无论是人物、风景、静物还是抽象艺术，我都能帮您转化为Qwen-Image能够完美理解的描述语言。用户提示词
shell
请根据用户输入的{{#sys.query#}}扩展这个文生图提示词
添加后的LLM大语言模型后，text-to-image 这里输入提示词需要修改成从llm大语言模型输入
以上我们就通过LLM 大语言模型扩展了文生图提示词。
3.验证及测试
没有LLM 大语言模型的文生图测试
有LLM 大语言模型的文生图测试
我们点开详细数据查看扩写的提示词
【提示词】：两只橙红色大螃蟹，钳子张开对峙，肌肉紧绷，面部狰狞表情，站在岩石海滩上，特写镜头，卡通漫画风格，明亮彩色光线，螃蟹居中对峙，海浪拍打岩石背景，"Battle of Crabs"文字位于右下角，粗体字、红色\n\n【解析说明】：\n- 主体：两只橙红色大螃蟹，强调了颜色和体型特征，补充了动作（钳子张开对峙）和表情（面部狰狞）\n- 环境背景：岩石海滩，提供了具体的场景设定，海浪拍打岩石背景增加了动态感\n- 构图镜头：特写镜头，突出螃蟹的细节和战斗状态\n- 风格质感：卡通漫画风格，符合螃蟹打架的趣味性表达\n- 光线色调：明亮彩色光线，增强视觉冲击力\n- 空间关系：两只螃蟹居中对峙，形成强烈的视觉焦点\n- 文字要求：指定文字内容"Battle of Crabs"，位置在右下角，字体样式为粗体字、红色
图生图测试
螃蟹中间增加一个乌龟当裁判
放大后的图片效果如下：
图片整体的风格保持的还是不错的。
体验地址
工作流地址：dify.duckcloud.fun/chat/rk31bv...
4.总结
今天主要带大家了解并实现了基于 Dify 工作流构建 Qwen-Image 文生图、图生图功能的完整流程，该流程以阿里巴巴通义千问团队开发的 Qwen-Image 模型为核心，结合 Dify 平台灵活的工作流节点配置（如条件分支、插件调用、LLM 提示词优化等），形成了一套覆盖文本生成图像、图像编辑修改的全场景图像生成方案。
通过这套实践方案，用户能够低成本体验 Qwen-Image 的强大生成能力 ------ 借助魔搭社区提供的免费模型接口和 Dify 平台的便捷配置，无需复杂的技术开发，就能快速实现文生图的精准生成和图生图的风格统一修改，极大降低了 AI 图像创作的使用门槛。在实际验证中，该工作流能够稳定响应不同类型的生成需求，无论是通过简单提示词经 LLM 优化后生成高质量图像，还是上传原图进行针对性修改，都能产出符合预期的内容，有效解决了普通用户调用 Qwen-Image 时提示词不够专业、图生图功能难以实现的问题。同时，工作流具备良好的扩展性 ------ 小伙伴们可以基于此框架扩展更多实用功能，如自媒体的创意素材生成、教育领域的图文演示制作、设计行业的快速原型迭代等，进一步丰富 Dify 平台的图像创作应用场景。
感兴趣的小伙伴可以按照这份指南尝试搭建自己的 Qwen-Image 生成工作流，甚至结合其他 AI 工具拓展更多创意玩法。今天的分享就到这里结束了，我们下一篇文章见。