本文分享了如何利用Coze平台构建一个智能体，用于生成微信公众号封面图。通过工作流的搭建，包括摘要提取、提示词生成、图片生成等环节，智能体能够根据文章标题和内容，自动生成四张不同风格的封面图。文章详细介绍了工作流的搭建流程，包括关键节点的配置，如大模型、图像生成节点等，并对比了使用循环体与并行处理的效率差异，最终实现与Coze卡片的绑定，方便用户在智能体中使用。

💡 智能体核心功能：该智能体旨在根据用户输入的文章标题和内容，自动生成微信公众号封面图，一次性输出四张不同风格的封面图，提升封面图制作效率。

🛠️ 工作流搭建流程：工作流包括提取摘要、生成提示词和图片生成等关键环节。其中，大模型节点用于分析文章内容并生成摘要，另一个大模型节点则将摘要转化为AI绘画提示词，最终调用图像生成节点生成封面图。

🔄 循环体与并行处理：文章对比了使用循环体与并行处理生成图片的效率差异。循环体节点串行执行，而多个图像生成节点并行处理，对于耗时长的任务，并行处理效率更高。

🖼️ Coze卡片绑定：智能体最终与Coze卡片绑定，方便用户在智能体中直接使用，提升用户体验。

不知道你有没有为选择公众号封面而发愁，每次写完文章是不是都要花一段时间在封面的选择上？虽然微信公众号有 AI 配图 ，但是写不好提示词也是白搭。基于以上原因我萌生了用 Coze 搭建一个生成公众号封面的智能体的想法，实践了下，出的封面图挺不错的。先看效果

上面的截图是在智能体中输入我之前文章的标题和内容，智能体处理后的输出，生成的封面图如下

一次会输出四张不同风格的封面图，图片中的一些元素都很贴合摘要（如摘要中的桥梁）。

智能体已发布到小微智能体小程序中，欢迎大家扫码体验。

接下来就介绍下搭建这个工作流的主要流程。

工作流搭建

前面几篇文章对工作流和主要的插件进行了详细的讲解，这里就不介绍的那么详细了，只介绍工作流和智能体中的主要节点和配置。

开始节点需要两个变量：title 和 content，title 用来接收文章的标题，content 是文章的摘要或则内容。

需要一个大模型节点，用来判断content 是文摘还是摘要，文章需要提取成摘要，大模型配置如下

到这一步就可以获取到文章的摘要了，接着就是要将摘要处理成生成图片的提示词，所以，还需要一个大模型，配置如下

大模型的系统提示词在下面👇

# 角色你是一个专业且经验丰富的微信公众号封面图提示词生成专家，能深入剖析用户输入的摘要，精准提炼关键信息，根据不同AI绘画工具的特性，生成极具针对性、引导性且全面细致的提示词，助力用户创作出贴合需求的微信公众号封面图。## 技能### 技能 1: 生成AI绘画提示词1. 深入、细致地分析用户输入的摘要，精准提取其中的核心关键信息、明确主题方向以及风格偏好等。2. 充分结合各类AI绘画工具的独特特点与具体要求，生成内容详尽、表达准确，能有效引导绘画创作的提示词。3. 生成的提示词要清晰、全面地传达用户对微信公众号封面图在画面元素、色彩搭配、构图方式等多方面的期望。4. 提示词需参考给定的提示词格式。5. 根据{{input}}，从风格参考中精心挑选四个风格，确保风格与摘要主题相契合。6. 生成的提示词不要修改标题：{{title}}内容。### 技能 2: 生成多组提示词1. 基于对摘要的准确理解，创作出四种风格各异且各具特色的绘画提示词。2. 将生成的四种提示词以数组形式输出到output变量中，方便用户调用。### 提示词格式未来科技，深蓝色紫色渐变，抽象几何图形，数据流，星空光点，指南针与路径，发光字体“{{title}}”，极简风格，光影对比，赛博朋克，未来主义，专业感，清晰易读。### 风格参考扁平插画，手绘质感插画，国潮/新中式插画，几何抽象插画，3D渲染风格，赛博朋克，低多边形，故障艺术，印象派/油画质感，波普艺术，超现实主义## 限制:- 严格围绕根据摘要生成AI绘画工具提示词这一核心任务进行回复，坚决拒绝回答与该任务无关的任何话题。- 输出内容务必简洁明了，直接呈现生成的提示词，避免进行冗长、繁琐的额外阐述。 

⚠️注意：要修改下大模型的输出，输出类型修改为 Array<String>，这种类型方便后面的节点获取数据

图片的提示词生成后就可以调用图像生成节点来生成图片了，节点的配置如下

要修改默认的宽高，修改成公众号封面的尺寸2.35:1。正向提示词就按照上图来写，意思是获取 prompts 数组中的第一个元素，因为要生成 4 张图片，所以就再加 3 个生成图片的节点，正向提示词分别修改为{{prompts[1]}},{{prompts[2]}},{{prompts[3]}}，这部分的工作流如下

图中我用红框框出来了两处，第一处是一个输出节点

他的作用是在工作流处理过程中输出一些提示信息，增强用户体验。⚠️注意：在工作流试运行是看不到这个效果的，在智能体中可以看到，如下。

第二处框出来的是一个代码节点，是将生成后的 4 张图片放到一个中，方便 Coze卡片的使用。关于扣子卡片的详细介绍可以看我的这篇文章。代码节点的配置如下

代码节点中的代码如下

async def main(args: Args) -> Output:    params = args.params    image1 = params['image1']     image2 = params['image2']     image3 = params['image3']     image4 = params['image4']     # 构建输出对象，每个 image 放在一个字典里    ret: Output = {        "images": [            {"image": image1},            {"image": image2},            {"image": image3},            {"image": image4}        ]    }    return ret

最后就是结束节点了，配置如下

到这里，工作流就完成了，但是，本篇内容还没完哈，接着看。

循环体

上文中为了生成四张图片，添加了四个生成图片的节点，其实这里可以使用循环体节点来达到相同的效果

在输出描述词节点后添加循环节点，如下

循环节点的配置如下

看下循环类型，有三个选项，相关的解释都在下图

再看下循环体中图像生成节点的配置，如下图

说下图像生成节点的输入，变量名为 prompt，后面的引用选项如下

循环节点可选的值有 item 和 index，item 就是输入数组的中的 item，也就是提示词，index 是数组的下标，取值是 0,1,2,3。搞清楚之后就知道这里应该选择 item 了。

发现没，这样不仅少了3 个图像生成节点，还少了一个用来拼接成数组的代码节点。是不是觉的应该用这个循环节点来替换之前的四个生成图片的节点？

**其实吧，使用循环节点没有使用四个生成图片节点的效率高。为什么呢？因为四个生成图片节点是并行处理，四个同时做生成图片的任务，而循环节点是串行的执行任务，先生成一个再生成另外一个。**如果是一些耗时比较短的处理，可以用循环来做，耗时时间长的就用并行的方式来处理，减少等待时间。

绑定 Coze 卡片

创建一个智能体，添加完成的工作流，智能体配置如下

到工作流那一栏中，点击绑定卡片数据按钮

选择 End node 那里点击绑定卡片

关于如何创建卡片和设置变量可以参考我之前的这篇文章，这里就不再赘述。

文章到这里就结束了，咱们下篇见。