这套工作流的目标是：根据用户输入的话题，自动生成儿童绘本的分镜、旁白、绘图提示词和配图结果。

一、整体流程是什么¶

这套工作流可以拆成 5 个核心节点：

1. 开始节点：
2. 接收用户输入。
3. 分镜节点：
4. 根据主题生成多张漫画画面的镜头描述。
5. 故事节点：
6. 根据分镜生成儿童绘本文案。
7. 绘图提示词节点：
8. 把分镜转换成适合文生图模型的提示词。
9. 循环 + 图像生成 + 代码节点：
10. 按每个分镜生成图片，并把文字和图片拼成最终输出。

二、开始节点和分镜节点怎么配¶

先创建工作流，并把开始节点的 input 设置为必填。

然后添加第一个大模型节点，命名为“分镜”。

输入变量绑定开始节点的 input，模型可以选择豆包 1.5 Pro 这类上下文更长的模型。

系统提示词的关键思路，不是写得越长越好，而是把这几件事说清楚：

• 面向儿童；
• 情节积极正面；
• 语言浅显易懂；
• 主角一致；
• 输出为分镜数组；
• 分镜数量不超过 10。

输出变量建议定义成 Array<String>。

三、故事节点和绘图提示词节点怎么配¶

3.1 故事节点¶

这个节点负责把分镜变成适合儿童阅读的旁白或故事文案。

重点约束包括：

• 适合 3-8 岁儿童；
• 语言简单、生动、节奏感强；
• 每段文字不宜过长；
• 基调温暖乐观。

3.2 绘图提示词节点¶

这个节点负责把分镜文本转换成文生图提示词，核心任务有两个：

• 把场景、动作、表情、构图翻译成画面描述；
• 在多个分镜之间主动维持主角外观一致性。

这一步对系列绘本尤其重要，否则角色在每张图里会长得不一样。

四、循环生成图片¶

在“绘图提示词”后添加循环节点，用数组循环的方式逐个处理每个提示词。

把循环输入绑定到“绘图提示词”的数组输出，然后在循环体里接“图像生成”节点。

五、用代码节点拼接故事和图片¶

在循环节点之后添加代码节点，把“故事”输出和“图片”输出组合成一段最终可展示的内容。

核心思路如下：

async def main(args: Args) -> Output:
    params = args.params
    out = ""
    for i in range(len(params["story"])):
        out = out + params["story"][i] + f"<img src='{args.params['pic'][i]}' />"
    return {"key0": out}

然后在结束节点里把 output 绑定到代码节点的 key0。

六、发布和试运行¶

完整工作流完成后，可以先做试运行，再点击右上角发布。

七、这个案例为什么有代表性¶

它很好地展示了智能体平台的一个核心价值：不是单纯依赖一个模型回答，而是把“文本生成、提示词工程、图像生成、结果拼接”做成一条协作链路。这比单轮聊天更接近真正的智能体应用。