让AI真正帮助到我们，分享COZE工作流，根据文案生成每一句的图片提示词，纯免费。

背景：我在做短视频时，一般会有3000字左右的文案，我需要将每一句文案，生成对应的图片，一般情况下，如果以句号为分隔符号，一篇文案需要80组图片提示词。如果手动一句一句生成图片提示词，工作量还是蛮大的，所以我借助COZE来提升我的效率。

目前我这个方法生成的工作流，不需要COZE资源点，也就是相当于不用付费。

先给大家看看我的文案，字数在2708个字。

下面我详细讲下我的COZE工作流的每一步分解。

第1步：创建飞书表格

先在飞书中创建一个多维表格，并写好表格中列的名称，如下图“一句话文案”，“对应图片提示词”。左边是文案中的每一句话，右边是对应这句话的图片提示词，这样方便查看。另外这个飞书表格的URL地址也是需要复制的，后面会有用到，就是把COZE处理好的结果写入到这个表格中。

第2步：创建COZE工作流

在COZE中，开始创建工作流。

经过测试，免费的，一次性处理最多的文案字数在2200左右，上面我的文案是2708字，所以可以分2次处理，每次都是免费的，不花钱。

先给大家看下整个工作流，节点数量不多，不算难。后面开始讲解每个节点。

第3步：创建开始节点

创建工作流中的开始节点，

这里的输入有2个，1个是“input”对应是要输入的文案内容，1个是“fs_url”对应的是飞书表格的URL地址。

input变量类型设为：str.String

fs_url变量类型设为：str.String

两个都要打勾，表示必填。

图中“+”表示可以创建新的变量，变量名最右边的“-”表示可以删除这个变量。

第4步：添加文字处理大模型

添加“文字处理大模型”节点，这个节点的作用是生成图片提示词。

它的输入就是“开始”节点里的文案内容“input”。

模型类型选择：“豆包_1.5_Pro_32k”，可以处理长文案。

系统提示词设置如下：

————————————————————————————————

#角色

图片提示词描述专家

##技能

根据用户提供的文章内容，制作图片提示词。具体要求如下：

1.将文章按照句号切分，每一段切分后的内容直接作为一个字幕文案，禁止提炼或者简化。

2.针对每个字幕文案，创作与之相关的分镜图像提示词。

3.最终输出Array Object格式：

[

{

"cap":"对应字幕文案",

"desc_prompt":"分镜图像提示词"

},

...

]

##限制

-分镜图像提示词必须与对应字幕文案紧密相关，字幕文案必须是对用户提供的文章切分后的原始内容。

————————————————————————————————

这段提示词有个很重要的点，是将文章按照句号来分隔，以及确定输出格式，这个格式和我们飞书表格中也是对应的。

用户提示词如下：

————————————————————————————————

用户输入文案：{{input_content}}，在每个生成的图像提示词中加入固定提示词“纯白背景，黑白简笔画”

————————————————————————————————

上面提示词的作用，是因为我要生成简笔画风格的图片，所以我要告诉大模型，在每一句图片提示词中，再加入我想要的“纯白背景，黑白简笔画”。你把用户提示词这块，理解成我们要往提示词中加入自己想要的词组，就在用户提示词这里填写。

输出是一个数组Array Object，它包括分隔后的一句话文案cap和对应的图片提示词desc_prompt

第5步：添加循环节点

添加循环节点，这部分的作用主要是将大模型处理好的数组“一句话文案”和“图片提示词”写入到飞书表格中。

循环体的输入是大模型的输出数组。

循环体的输出这里理解不了的话，可以先待定，我们接着往下做。

接着看循环体内的2个节点步骤：

左边：代码改写。

右边：写入飞书。

代码改写：

因为大模型输出的格式，和飞书表格的格式要求有冲突，所以需要在这里先将大模型的格式通过代码转换成飞书格式。

代码的输入，这里需要创建2个输入变量，变量值设置成循环体的输入，而不是大模型的输出，因为现在代码在循环体的内部。

这里给出具体编程代码：

————————————————————————————————

async def main(args: Args) -> Output:

 params = args.params

 cap = params['cap']  # 定义变量

 desc_prompt = params['desc_prompt']  # 定义变量

 records = [{

     "fields": {

         "一句话文案": cap,  # 一句话文案

         "对应图片提示词": desc_prompt  # 一句话文案所对应的图像提示词

     }

 }]

 # 构建输出对象

 ret: Output = {

     "records": records

 }

 return ret

————————————————————————————————

其实整个难点在这个编程代码，像我们普通人，对COZE的整个工作流逻辑还是可以理解的，但是涉及到编程，就是程序猿的事了，里面有一点错，我们普通人确实很为难，我也是卡在这里很久，对于程序猿来讲很简单，对于普通人来讲就很难。所以这里我直接分享核心代码，直接拿走。里面也是要理解cap和desc_prompt，核心就是把这个cap和desc_prompt的数据类型重新定义一下。大模型的数组是这个params，然后飞书要的是records。没有一句编程，就是把数据类型重新定义，天呐！不懂的人，就是在看天书！

这里吐槽下，COZE智能体（或工作流）如果要真正帮助人们提高效率，那就是每个人要搭建自己的COZE智能体，但是个性化的智能体，其核心就是代码，没有代码是做不出你想要的智能体，但代码又是现在网上卖COZE智能体的核心，还是程序猿的饭碗。

我通过这个COZE工作流，在自己做10分钟时长的短视频创作时，真正意义上地提高了自己的效率，节约了很多重复性地工作，这对我来说非常有意义——AI真正帮到了我。但很多人，我相信，用AI只是简单的体验了一下，没有应用到自己的工作或者副业中，这样的话，是没法体验到AI的红利的。

吐槽完毕，我们接着往下做。

代码写完了，那么这个输出就有了。

输出records，变量类型为Array<Object>。

第6步：写入飞书

代码完成了，要把转换后的内容写入飞书表格了，这里用到了插件。

插件就是飞书多维表格的add_records，往指定的飞书表格中写入记录。

输入：

app_token：是开始节点的飞书表格URL地址

records：是代码改写后的输出records

这里给出一个建议，为了让你在整个工作流中，思路不混淆，建议你在命名变量名称时，想好它的作用。

比如：

fs_url：表示飞书表格的URL地址（网址）。

cap：表示字幕，文案

desc_prompt：表示图片提示词

你一定要理解每个节点的输入和输出。

其实整体思路就是：

1）我投喂一段文案。

2）大模型把文案分成每一句，并且根据每一句生成对应的图片提示词。

3）因为飞书要一句一句写入，所以用循环体把每一句话和对应提示词，先转换数据类型，再写入飞书。

第7步：设置循环体输出，并连线，结束

循环体的输出就是飞书表格写入记录的结果。

最后把这个线路连接起来，就可以试运行了。

在试运行时，填写飞书表格的URL地址，和文案内容，文案内容字数不要超过2200字。

好了，今天到此为止。可能我写的文章还是很多细节没有讲到位，但奈何我文笔有限，我只能尽力把核心讲到位。我也是自学的。只能尽力而为。希望大家可以真正地利用AI帮助你的主业工作和副业工作。

如果你觉得还不错，可以给我“赞赏作者”。

我这个公众号：

每天解读一本书，读书成长；

分享觉得对大家有用的信息；

大家可以多关注下。