【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
wflynn30 分钟前
Meta 816B 参数 Muse Spark Open 在 NVIDIA GB300 上实现每 GPU 50K tokens 每秒
ai·技术
wflynn2 小时前
MIT 团队用 GPT-6 Astra 改写小模型权重,跳过梯度训练提升指令遵循能力
ai·技术
小七-七牛开发者4 小时前
Coding Agent 推理性能优化:Decode、KV Cache 与多 Session 调度
ai·agent·kvcache·ai coding·speculativedecoding
GISer_Jing6 小时前
SuperAgent
ai·langchain
YYYing.6 小时前
【Agent系列 (十一) 】上下文工程
人工智能·python·ai·agent·上下文工程
最强小杰8 小时前
DeepSeek V4 Flash + Codex CLI 接入教程:原生 Responses API 适配,从配置到跑通收藏这篇就够了(2026)
java·前端·python·ai
七夜zippoe9 小时前
Agent 错误处理体系:分类、重试、降级与熔断设计
ai·agent·降级·错误处理·熔断设计
VIP_CQCRE9 小时前
内容自动化越跑越乱?先补上状态、去重和失败恢复
python·ai·工作流·幂等设计·内容自动化
GJGCY9 小时前
券商舆情智能体如何设计?事件聚类去重、主体消歧与风险事件抽取技术解析
经验分享·ai·金融·自动化·证券·智能体
whyutianict_vv10 小时前
零基础转 AI 运维:投入清单、技术路线与核对表
linux·运维·人工智能·ai