【AI】工作流:小林漫画助手

前一篇讲到了文章仿写的工作流,今天就分享下小林漫画助手工作流,其实就是图文混排文章+飞书多维表格的工作流。

概述:

什么是图文混排?就是我们写的文章中图片和文字一起组合的。以今天讲的小林漫画为例,是生成几张漫画图,其中有有一些文字。

整体结构:

讲完了基础概念,就开始了今天的主题。今天我用扣子平台的工作流,制作两张小林风格的漫画,并把图片上传到飞书表格,这样方便处理。

首先展示下工作流界面。

输出参数有两个:

1.漫画的主题

2.飞书链接地址。

展示完UI界面,再展示下整体的工作流。

这里,除了开始和结束组件外,使用到8个组件。分别是
1.漫画数量。 这个组件不是必须要的,只是扣子的资源点有限制,我就设置了一次生成2张漫画。
2.小林漫画文案。 根据输入主题,生成对应文案。
3.批量绘制漫画。 因为一次要生成多张漫画,就要用到这个,当然也可以使用循环组件。
4.绘图提示词生成。 根据前面的文案,生成漫画提示词。
5.图片生成。 由4步的提示词,生成图片
6.画板。 把图片和文字进行排版,实现图文混排。在这里使用的上下图文布局。
7.添加飞书记录。 对图片和文字进行格式化,以满足飞书上传要求。
**8.add_records.**把最终生成的漫画和内容上传到飞书表格。

具体结构

讲完了整体组件,再详细讲每个组件

开始组件

输入参数两个:标题和飞书链接地址

漫画数量组件

目的是控制生成漫画的数量。目前使用系统的代码组件实现,并且是固定为2.

小林漫画文案

这是大模型组件,输入参数为主题(subject)和漫画数量(num),然后通过一套提示词,生成对应的文案。这个组件输出的是一个数组,有两个子主题。

批量绘制漫画

使用批量的方式,生成漫画

绘图提示词生成

根据输入的主题,生成漫画所需要的提示词。这里也用到了一套提示词。

图像生成

是系统的组件,输入参数为前一个组件的提示词,然后根据提示词,再结合自己的提示词,输出一张图片。

画板

根据前面的主题和图片,排版成上下布局。输出就是一张完整的漫画图了。

添加飞书记录 代码

是格式化飞书所需要的格式。具体什么样的格式,见下面的代码

复制代码
代码如下:
async def main(args: Args) -> Output:
    params = args.params

    # 构建输出对象
    ret: Output = {
        "records": [
            {
                "fields" : {
                     "title": params.get("title", ""),
                     "image": params.get("data", "")
                }                
            }
        ]
    }
    return ret

最后一个组件是 add_records

调用飞书组件,上传数据。

执行一次后,就会在飞书的多维表格中出现两条记录。

最后执行一次的结果是如下

通过以上步骤,就完成小林风格的漫画生成并上传到飞书多维表格。

最后:

以下是我发布的小林漫画地址:

https://coze.cn/store/project/7594021131049238537

有兴趣,可以体验下(需要先注册扣子账号 哟)

这里还需要注意的是:

1.飞书组件需要授权,具体授权另外讲了。

2.在执行前,优先在飞书文档中创建表格

(入口地址:https://www.feishu.cn/drive/home)。

格式如下

相关推荐
哥布林学者3 小时前
深度学习进阶(六)归纳偏置与蒸馏
机器学习·ai
竹之却3 小时前
【Agent-阿程】AI先锋杯·14天征文挑战第14期-第2天-大模型部署与优化实战
人工智能·ai·大模型·边缘计算·剪枝·优化·蒸馏
码上实战3 小时前
到底Java 适不适合做 AI 呢?
java·人工智能·后端·python·ai
萧逸才3 小时前
【learn-claude-code】S11AutonomousAgents - 自主 Agent:自动认领任务 + 空闲轮询
java·人工智能·ai
涔溪3 小时前
腾讯 WorkBuddy 超详细卸载清理文档(适用于 Windows 1011 + macOS 全版本,彻底卸载、不留残留)
windows·macos·ai·workbuddy
木斯佳4 小时前
前端八股文面经大全:快手前端一面 (2026-04-07)·面经深度解析
前端·ai·性能优化·hooks·移动端适配
paper_reader4 小时前
世界模型的三个进化方向:从 AAA 游戏到第一人称闭环
深度学习·计算机视觉·ai·世界模型
92year4 小时前
pip install agent-framework:微软多Agent框架1.0实测
python·ai·微软·agent·mcp
机智的爆爆哥4 小时前
Windows 下为 Claude 创建快捷命令
windows·ai·claude
小真zzz4 小时前
搜极星:你的免费“AI内容验真器”
大数据·人工智能·ai·chatgpt·seo·geo