每天10分钟，混剪视频Agent产出50条爆款，单月变现6位数（喂饭级教程）

汤师爷说2025-10-13 11:36

大家好，我是汤师爷，专注AI智能体分享，致力于帮助100W人用智能体创富~

混剪视频作为一种将多种素材拼接组合的创作形式，在抖音、视频号、小红书等平台上广受欢迎。

传统的混剪制作需要耗费大量时间和精力：寻找素材、剪辑片段、添加特效、配音配乐......每一步都考验着创作者的耐心和技术。

然而，AI技术的革新正在彻底改变这一切。

你只需输入一个简单的主题，智能体就能自动为你生成一段混剪短视频，配上精美图片和匹配的音乐，一键完成从创意到成品的全过程。

1 什么是混剪视频

混剪视频是指将多个视频片段、图片或音频素材进行剪辑组合，创造出新的视频内容。

随着Coze上线联动剪映功能，混剪视频制作正在进入自动化时代，为创作者带来巨大便利。

图中展示了混剪视频的部分案例，它们呈现了AI自动化的特点：

  1. 高效自动化处理：AI可以自动完成琐碎的剪辑工作，让创作者省下大量时间专注于项目策划和创意。
  2. 批量素材产出：特别适用于抖音、小红书和视频号等平台上的养生、科普、心理、疗愈等垂直领域，可以自动化批量生产图片和视频素材。
  3. 数据表现优异：通过AI辅助生成的混剪视频内容，往往能获得良好的点赞和收藏数据，具有较高的用户互动价值。

自动化混剪视频不仅提高了内容生产效率，还为创作者开辟了多种变现渠道：

  1. 引流获客：通过优质内容吸引目标受众
  2. 知识变现：通过教学传授技术
  3. 工具变现：将搭建好的工作流作为产品销售

混剪视频的自动化制作，正在重塑内容创作领域的生产方式，为创作者提供了更高效的工具和更广阔的商业可能。

无论是个人创作者还是内容团队，都能借助这一技术降低制作成本，提升内容质量，在激烈的内容竞争中脱颖而出。

2 治愈老奶奶智能体

在当今高压社会中，超过88%的年轻人长期承受压力。

治愈系短视频作为一种"电子安慰剂"，正好满足了年轻人的心理需求，自然成为吸引流量的内容。

这类视频之所以受欢迎，是因为它们能快速激活观众体内的多巴胺和血清素，带来即时的心理放松感。

传统短视频制作过程繁琐费时，而现在借助AI技术，视频文案可以一键智能生成。

我们可以创建一个治愈系老奶奶智能体，用于批量生成治愈系短视频。

通过精心设计提示词和工作流，AI能自动生成符合治愈气质的文案、配音和分镜脚本。

搭建治愈老奶奶智能体主要分为两个步骤：搭建工作流和设置智能体。

2.1 搭建工作流

治愈老奶奶工作流的整体预览。

工作流的整体执行流程如下：

  1. 通过大模型生成高质量的语录文案
  2. 将文案精确切分为简短句子，并清除所有空字符串
  3. 使用大模型为每段文案创建匹配的配图描述
  4. 利用AI图像生成技术，制作富有治愈感的老奶奶配图
  5. 自动生成符合剪映格式的完整视频文件

2.2 设置智能体

  1. 配置人设与交互逻辑：设置治愈老奶奶智能体的性格特点、回复风格和决策流程
  2. 设置快捷指令：将工作流与智能体关联，实现特定任务的自动执行
  3. 测试与发布：执行全面功能测试，确认各项功能正常后将智能体正式发布上线

3 搭建工作流

登录Coze官网，在"资源库-工作流"里新建一个空白工作流，取名"zhiyu_laonainai"。

3.1 配置开始节点

这里用于定义工作流启动时所需的输入参数。

  • 输入：
    • topic：治愈短视频主题

3.2 配置"输出语录文案"大模型节点

我们通过大模型节点，输出语录文案。

  • 模型：豆包·1.5·Pro·32k

  • 输入：

    • input：选择开始节点的topic

  • 系统提示词：

markdown 复制代码 
你是一位知心老奶奶，根据用户提出的话题，生成1段简短的感悟语录，极简风格，句子简短、治愈、有内涵。

## 格式
整句之前使用句号间隔，字数限制50字。

## 限制
直接输出语录文案。

接下来，配置用户提示词与输出变量。

  • 用户提示词：
markdown 复制代码 
主题：{{input}}
  • 输出：
    • output：语录文案

3.3 配置"文本处理"节点

接下来，我们需要将语录文案精确切分为简短句子，我们添加"文本处理"节点。

  • 输入：
    • String：从"输出语录文案"大模型节点的输出中，选择output
    • 分隔符：选择句号、逗号、分号、感叹号、问号。

3.4 配置"移除空字符串"代码节点

将语录文案切分成短句后，我们需要通过代码节点移除空字符串，我们添加"代码"节点。如图所示。

  • 输入：
    • texts：从"文本处理"节点的输出中，选择output
  • 输出：
    • textList：处理后的短句数组，类型为Array

处理文本的Python代码如下，它会清除数组中的空字符串并去除文本前后的空格：

python 复制代码 
async def main(args: Args) -> Output:
    params = args.params
    texts = params.get('texts',"")
    # 移除数组中可能存在的空字符串元素
    texts = [t.strip() for t in texts if t.strip()]
    ret: Output = {
        "textList": texts
    }
    return ret

3.5 配置"配图文案"大模型节点

接下来，我们需要通过大模型节点生成配图文案。

这个节点会将我们之前处理好的短句转化为详细的图像描述提示词，为下一步的图像生成做准备。

在这一步，我们将使用批处理功能来高效地处理短句数组。如图所示。

  • 选择"批处理"标签

  • 模型：豆包·1.5·Pro·32k

  • 批处理：

    • text：从"移除空字符串"代码节点的输出中，选择textList变量

  • 输入：

    • input：从"大模型配图文案"大模型节点的中，选择text变量

  • 系统提示词：

markdown 复制代码 
# 角色
你是一位经验丰富且亲切温暖的老奶奶语录视频剪映草稿生成专家，以老奶奶的身份，结合一只的猫咪，根据用户提供的文案和语境，创作出适合用于制作老奶奶语录视频剪映草稿的温馨绘画提示词。绘画提示词需呈现不同情景，输出内容限定为人物、动作和物品。

## 技能
### 技能 1: 生成绘画提示词
1. 仔细分析用户提供的文案和语境。
2. 基于分析结果，构思不同的温馨场景。
3. 按照要求输出人物、动作和物品，形成绘画提示词。
    - 示例：老奶奶坐在摇椅上，猫咪躺在脚边的毛毯上。
    - 示例：老奶奶站在窗边，猫咪在窗台上蹭着她的手。
    - 示例：老奶奶坐在暖暖的阳光下，手里拿着一本旧书，猫咪蜷在她膝盖上打盹儿
    - 示例：老奶奶坐在暖暖的阳光下，手里拿着一本旧书，猫咪蜷在她膝盖上打盹儿
    - 示例：老奶奶坐在打理花园，给花浇水
4.每次只需要输出一条提示词。

## 限制:
- 仅围绕生成符合要求的绘画提示词进行回复，不回答其他无关问题。
- 输出内容必须简洁呈现人物、动作和物品。

接下来，配置用户提示词与输出变量。

  • 用户提示词：
markdown 复制代码 
用户提供文案：{{input}}
  • 输出：
    • output：配图文案
    • outputList：配图文案数组

3.6 配置"批处理"节点

接下来，我们使用批处理节点，批量生成治愈老奶奶图片。

  • 循环设置
    • 并行运行数量：2
    • 批处理次数上线：100
  • 输入：
    • promptList：从"大模型配图文案"大模型节点的输出中，选择outputList
    • textList：从"移除空字符串"代码节点的输出中，选择textList变量
  • 输出：
    • imageList：从"图像生成"节点的输出中，选择data，类型为Array（需要先配置批处理体中的"图像生成"节点）

3.7 配置批处理体的"图像生成"节点

接下来，我们配置批处理体的"图像生成"节点，新建"图像生成"节点。

  • 模型：通用-Pro
  • 比例
    • 4:3(1024*768)
    • 宽1024；高768
  • 输入：
    • prompt：从"批处理"节点的输出中，选择output
    • text：从"批处理"节点的输出中，选择text
  • 正向提示词：
markdown 复制代码 
纯色背景，上方留白，一位头发灰白、脸颊圆润的老奶奶，头顶写着"{{text}}"的文字内容，{{prompt}}，脸颊泛红、嘴角上扬露出愉悦笑容，整体画面色彩柔和温暖、线条简洁流畅，有着可爱温馨的卡通风格，简笔画，彩铅手绘，治愈系插画，富有童趣，笔触简单，有线条感。

3.8 配置"处理图片与音频"代码节点

接下来，我们需要添加一个"代码"节点来处理图片与音频，这是整个流程中的关键步骤。

该节点将执行两项主要任务：首先，将批量生成的老奶奶图片整理为剪映可识别的数据结构；其次，配置背景音乐信息，确保视频有良好的听觉体验。

  • 输入：
    • imageList：从"批处理"节点的输出中，选择imageList
  • 输出：
    • imgs：处理后的图片json数据结构，类型为String
    • audio_infos：背景音乐的json数据结构，类型为String

处理文本的Python代码如下：

python 复制代码 
import json
async def main(args: Args) -> Output:
    params = args.params
    # 构建输出对象
    img_list = params.get("imageList", [])
    imgs = []

    # 构建治愈老奶奶的图片输出结构
    img_start = 0
    for element in img_list:
        start = img_start
        end = img_start + 3000000  # 3秒
        imgs.append({
            "image_url": element,
            "width": 1024,
            "height": 768,
            "start": start,
            "end": end,
            "transition": "翻页",
            "transition_duration": 1000000  # 1秒
        })
        img_start = end

    # 构建背景音乐的输出结构
    total_duration = len(img_list) * 3000000
    audio = [
        {
            "audio_url": params.get("audio_url","https://vtang.oss-cn-hangzhou.aliyuncs.com/2025-10-06-lnn.mp3"),
            "duration": total_duration,
            "start": 0,
            "end": total_duration
        }
    ]

    # 构建输出对象
    ret = {
        "imgs": json.dumps(imgs),
        "audio_infos": json.dumps(audio) 
    }

    return ret

3.9 配置"create_draft"节点

我们使用"视频合成_剪映小助手"的create_draft工具，创建一个剪映草稿。

  • 输入：
    • height：草稿高度768
    • width：草稿宽度1024

3.10 配置"add_images"节点

我们使用"视频合成_剪映小助手"的add_images工具，为剪映草稿批量添加图片。

  • 输入：
    • draft_url：从"create_draft"节点的输出中，选择draft_url
    • image_infos：从"处理图片与音频"节点的输出中，选择imgs

3.11 配置"add_images"节点

我们使用"视频合成_剪映小助手"的add_images工具，为剪映草稿批量添加图片。

  • 输入：
    • draft_url：从"create_draft"节点的输出中，选择draft_url
    • audio_infos：从"处理图片与音频"节点的输出中，选择audio_infos

3.12 配置"add_audios"节点

我们使用"视频合成_剪映小助手"的add_audios工具，为剪映草稿批量添加音频。

  • 输入：
    • draft_url：从"create_draft"节点的输出中，选择draft_url
    • audio_infos：从"处理图片与音频"节点的输出中，选择audio_infos

3.13 配置"save_draft"节点

我们使用"视频合成_剪映小助手"的save_draft工具，保存剪映草稿。

  • 输入：
    • draft_url：从"create_draft"节点的输出中，选择draft_url

3.14 配置"gen_video"节点

我们使用"视频合成_剪映小助手"的gen_video工具，在云端渲染视频。

  • 输入：
    • api_token：API秘钥
    • draft_url：从"create_draft"节点的输出中，选择draft_url

3.15 配置结束节点

最后，配置结束节点，输出剪映草稿、视频渲染地址。

  • 输出：
    • video_url：从"gen_video"节点的输出变量中，选择video_url
    • draft_url：从"create_draft"节点的输出中，选择draft_url
    • 回答内容：
markdown 复制代码 
剪映草稿：
{{draft_url}}

视频渲染地址：
{{video_url}}

4 设置智能体

经过上述步骤的配置，我们已经完成了治愈老奶奶智能体的工作流设计。

在本节中，我们将把这个工作流正式部署为一个可用的智能体。

4.1 新建智能体

在Coze平台创建一个新的智能体，命名"视频数据复盘智能体"。

4.1 设置人设与逻辑

在人设与逻辑窗口中，配置智能体的处理逻辑。

复制代码 
当用户发送短视频主题后，使用{{zhiyu_laonainai}}工作流，生成治愈老奶奶短视频。

4.1 绑定工作流

把"zhiyu_laonainai"工作流加进来，让智能体在合适的时机自动调用它。

5.3 测试并发布

最后，我们需要测试智能体是否能一键生成短视频。

我们向智能体输入"总是焦虑怎么办"这个短视频主题，请求它生成一段治愈短视频。

智能体处理完成后，会返回两个链接地址。我们只需复制视频渲染地址，在浏览器中打开，即可看到成功生成的短视频。确认正常后将智能体正式发布到生产环境。

本文已收录于，我的技术博客：tangshiye.cn 里面有，AI 学习资料，Coze 智能体教程，算法 Leetcode 详解，BAT 面试真题，架构设计，等干货分享。

热门推荐
01BongoCat - 跨平台键盘猫动画工具02两千字总结：Codex 国内如何安装和使用的教程，以及如何设置中文回答03智能库存管理的需求预测模型：从业务痛点到落地代码的完整实践04GitHub 镜像站点052025羊城杯网络安全大赛 wp06UV安装并设置国内源07Linux下V2Ray安装配置指南08Spring Boot 实现微信登录，So Easy !09Cursor Plan Mode：AI 终于知道先想后做了105大DOM/BOM核心考点：从入门到精通，让面试官眼前一亮