Day03：coze从入门到精通之绘本短视频案例

预备编程小知识

# 变量
# 字符串
# 数组（列表） :[]
# 对象 (字典): {}
# json数据: [],{}
# 输入参数
# 返回值

一、coze入门到精通

我们正站在一个新时代的起点。人工智能不再仅仅是聊天机器人或图像生成器，它正在进化为能够主动理解意图、制定计划并执行任务的智能实体——AI Agent（智能体）。

通识定义：什么是AI Agent？
在人工智能领域，一个智能体（Agent）通常被定义为任何能够通过传感器（Sensors）感知其环境，并通过执行器（Actuators）对环境施加行动，以达成特定目标的系统。其核心在于“自主性”（Autonomy），即它能无需持续的人工干预，独立运作并做出决策。

Coze（扣子）：由字节跳动推出的AI Bot开发和应用平台。 其核心理念是“降低AI应用开发门槛”，通过无代码/低代码的方式，让即使没有编程背景的用户也能快速构建功能强大的AI智能体，并一键发布到飞书、抖音、微信等主流平台。它更像是一个AI应用的“智能工厂”，追求的是标准化、流程化和易用性。

1 coze中的智能体

Coze 平台中的智能体（Agent），是你能够快速构建、具备特定身份和能力、并能与用户进行自然交互的 AI 实体。它由大语言模型（LLM）驱动，并通过插件、知识库、工作流等扩展能力，以实现特定领域的任务处理。

如何开始创建？

在 Coze 平台创建智能体非常直观，主要包括以下步骤：

创建与基础设置：登录 Coze 平台，点击“创建智能体”，为其命名并撰写描述。
选择模型与配置参数：选择适合的大语言模型（如 DeepSeek-R1、豆包等），并调整随机性（控制创造性）、回复长度和携带上下文轮数等关键参数。

定义角色与身份：这是塑造智能体个性的核心。通过编写系统提示词（System Prompt），详细定义其角色、背景、目标、技能、约束限制以及期望的输出格式。

image-20250916下午15522936

# 角色
你是一位资深旅游达人、专业旅游规划师，拥有10年以上国内外旅游线路设计经验，熟悉各目的地风土人情、热门景点及小众玩法，擅长根据用户需求定制个性化旅游方案，确保行程兼顾体验性与实用性。


## 技能
### 技能 1: 需求挖掘与线路框架设计
1. **明确核心信息**：首先确认用户目标目的地城市（如北京、成都等），并主动询问旅行关键要素：
   - 出行时长（1日游/3日/7日及以上）
   - 出行人群（单人/情侣/亲子/老年团/学生党）
   - 兴趣偏好（自然风光/历史文化/美食体验/休闲度假/户外探险等）
   - 预算范围（经济型≤500元/天、中等1000-2000元/天、高端≤3000元/天）
2. **整合工具数据**：根据目的地和用户需求，调用工具获取实时信息：
   - 景点开放时间、门票类型（是否需预约）、交通方式（公交/地铁/打车/自驾时长）
   - 当地特色住宿（如民宿、景区周边酒店）及美食推荐（含必打卡餐厅与人均消费）
3. **设计线路方案**：生成1-2套结构化线路，覆盖每日行程、重点体验及留白调整空间


### 回复示例
===线路推荐模板===
**🏙️ 目的地**：<城市名称>
**📅 旅行天数**：<如3天2晚>
**👥 出行人群**：<如情侣+闺蜜>
**💰 预算参考**：<如人均1500元/3天>
**🌟 推荐主题**：<文化探店+美食打卡+短途徒步>
------------------------------
**Day 1 城市历史初体验**
⏰ 09:00-12:00：📍<景点A>（亮点：<千年古建/网红地标，推荐「隐藏视角」玩法，拍照时长1h>）
🚗 交通：地铁2号线直达，步行10分钟
🍜 午餐：<老字号餐厅>（推荐：<招牌菜>，人均60元，必点<菜品>）
⏰ 14:00-17:00：📍<景点B>（亮点：<非遗手作体验，可带走的纪念小礼物>）
🌃 晚餐：<江边餐厅>（夜景+江景座位，需提前预约）
------------------------------
**Day 2 深度小众游**
⏰ 08:30-11:30：📍<郊区景点C>（亮点：<避开人潮的自然步道，沿途野花/溪流>）
🚗 交通：自驾/包车（车程1.5h，建议带野餐装备）
🍲 午餐：<农家乐体验>（推荐：<柴火饭+土鸡汤>，人均40元）
⏰ 14:00-17:30：📍<民俗村D>（亮点：<民族服饰租赁+传统手工艺展>）
------------------------------
**💡 贴心提示**
1. 交通：建议使用「当地公交+共享单车」组合（日均节省20%打车费）
2. 穿搭：<景点C路段需防滑登山鞋，备1套替换衣物防美食汤汁溅湿>
3. 避坑：<景点D周末人流量大，建议工作日前往>
===示例结束===


### 技能 2: 主题线路定制化服务
1. **主题场景细分**：针对特定需求设计垂直线路，如：
   - **亲子游**：增加「儿童博物馆/动物园/主题乐园」+「亲子民宿」+「自然科普小课堂」
   - **美食线**：筛选「网红店/老字号/夜市」，标注「辣度/排队时长/隐藏吃法」
   - **文化线**：串联「博物馆/古遗址/非遗工坊」，搭配「讲解员预约」或「历史背景手册」
2. **动态信息更新**：通过工具实时确认「景点临时闭馆/活动延期/门票秒杀」等突发事项，确保线路可行性


## 限制
- 仅专注旅游线路规划相关内容（如排除签证办理、酒店预订流程咨询等非线路类问题）
- 推荐信息优先调用工具获取实时数据（如景点开放状态、交通拥堵指数），不依赖过时资料
- 若用户未提供关键信息（如目的地不明确/预算模糊），需追问补充后再推荐
- 语言风格需口语化、条理清晰，关键信息用「加粗」或「符号列表」突出重点，每段控制在3行内


（注：所有线路需基于实际可验证的旅游场景，推荐景点/餐厅均为真实存在地点，若涉及敏感/临时调整信息，需明确标注「以当地最新通知为准」）

添加知识与能力：
- 在知识库上传文档（如产品手册、API文档），让智能体拥有专属知识。
- 从插件市场添加所需功能（如必应搜索、图像生成），扩展其能力。
- 通过工作流处理复杂、多步骤的任务，实现精准的流程控制。
优化交互体验：设置友好的开场白和快捷指令，降低用户交互门槛。
预览、调试与发布：在发布前，务必使用右侧的预览窗格进行测试调试，不断优化提示词和逻辑。满意后，即可发布到 Coze 商店或集成到飞书、抖音等平台。

注意事项

系统提示词是关键：智能体的表现很大程度上取决于系统提示词的质量。清晰、具体、带有示例和约束的提示词能塑造出更可靠、专业的智能体。
测试与迭代必不可少：创建智能体是一个不断测试、观察、调整和优化的过程。充分利用预览调试功能，模拟各种用户提问，确保其行为符合预期。
理解能力边界：虽然插件和工作流扩展了能力，但智能体并非万能。对于需要高度定制化或复杂业务逻辑的场景，可能需要评估其可行性。

Coze 智能体降低了AI应用开发的门槛，让你能更专注于定义角色和逻辑，而非技术实现的细节

2 工作流（Workflow）

Coze平台中的工作流（Workflow）是其实现复杂任务自动化的核心载体，它通过可视化的方式，将大模型、插件、代码等多种能力模块组合成一个结构化的执行序列。下面将为您梳理Coze工作流的核心组件及其价值。

2.1 工作流核心组件解析

Coze工作流的功能是通过一系列节点（Node）的编排来实现的。每个节点都是一个独立的功能模块，它们通过输入输出接口相互连接，形成完整的数据处理和执行链路。

为了更直观地了解Coze工作流中常见的节点类型及其功能，我为你整理了一个表格：

节点类型	核心功能	典型应用场景	备注
开始节点	定义工作流的触发条件和输入参数。	所有工作流的入口，接收用户输入或外部触发。	支持多种数据类型（String, Number, Boolean, Object, Array, File）。
结束节点	返回工作流的最终运行结果。	输出处理后的信息、数据或文档。	支持“返回变量”（JSON格式）和“返回文本”（自然语言）两种模式。
大模型节点	调用大型语言模型处理文本生成、总结、推理等任务。	内容创作、信息归纳、对话交互、基于逻辑判断决策。	可选择不同模型、配置提示词、添加技能（插件/知识库），支持视觉输入。
插件节点	调用第三方API或特定功能工具（如天气查询、数据库操作、图像生成）。	获取实时信息、执行特定操作（如发送消息、生成图片）、连接外部系统。	极大地扩展了工作流的能力边界，无需从零开发。
代码节点	执行Python或JavaScript代码，实现高度自定义的逻辑。	复杂数据处理、格式转换、算法实现、调用外部库。	弥补了可视化节点在某些复杂场景下的不足，提供了灵活性。
条件分支节点	根据设定的条件表达式决定工作流的执行路径（IF-ELSE逻辑）。	多场景判断、异常流程处理、动态路由。	实现工作流的智能化决策。
循环节点	对数组或指定次数进行循环操作，直到满足终止条件。	批量处理数据（如批量生成内容、处理列表信息）、重复性任务自动化。	支持“使用数组循环”、“指定次数循环”和“无限循环”（需谨慎）三种模式。
知识库节点	查询连接到Coze的知识库内容，为LLM提供精准的上下文信息。	智能客服、专业领域问答、基于内部文档的检索。	通常需要与大模型节点配合使用。

2.2 核心优势与价值

通过上述组件的灵活组合，Coze工作流带来了显著的价值：

复杂任务自动化：将多步骤、跨系统的复杂任务（如：自动生成行业报告、处理用户订单查询、多轮对话客服）固化为标准化流程，提升效率与准确性。
降低开发门槛：可视化、低代码的编排方式，让产品、运营等非技术背景人员也能参与构建复杂AI应用，推动开发民主化。
能力无缝集成：就像“拼乐高”，轻松将大模型的认知能力、插件的垂直功能与代码节点的自定义灵活性深度融合，创造1+1>2的效应。
灵活应对变化：当业务逻辑需要调整时，通常只需通过拖拽连线修改工作流，而无需重写代码，迭代更迅速。

2.3 如何使用工作流

在Coze平台使用工作流通常遵循以下步骤：

创建工作流：在Coze平台中，点击“+资源”并选择“工作流”，为其命名和描述。
编排工作流：添加与连接节点：从左侧节点列表拖拽所需的功能节点到画布上，并用线条连接它们，定义执行顺序，这是最核心的一步
测试与调试：利用工作流的“试运行”功能，输入测试数据，查看每个节点的输出，确保逻辑和数据处理符合预期。
发布与调用：测试无误后，发布工作流。它可以被智能体（Bot）直接调用，也可作为子工作流被其他工作流嵌套使用，或通过API对外提供服务。具体流程如下：
- 发布工作流：确保你的工作流测试无误后，点击右上角“Publish”按钮。发布后的工作流才能被智能体最终调用。
- 发布智能体：返回智能体编辑页面，同样点击“Publish”。Coze会为你生成一个唯一的智能体链接。
- 选择发布渠道：在“Publish”选项卡中，你可以将智能体发布到多种平台：
  - Coze官方主页：获得一个可直接分享的Web链接。
  - 飞书、抖音、微信等：深度集成，用户可以在这些应用内直接与你的智能体对话。
  - 作为API：提供给其他开发者调用。

2.4 工作流中的编排详解

在 Coze 平台中，工作流编排的核心在于可视化地添加与连接节点。这个过程就像绘制一张智能化的流程图，通过简单的拖拽和连线操作，即可构建出能够处理复杂任务的自动化流水线。

（1）添加节点：从“工具箱”中选取能力

工作流画布左侧的节点列表就是你的“工具箱”，里面提供了各类功能模块：

基础节点：
- 开始节点 (Start)：每个工作流的入口，用于定义工作流的触发条件和输入参数。
- 结束节点 (End)：每个工作流的出口，用于定义工作流的最终输出结果。
AI核心节点：
- 大模型节点 (LLM)：工作流的“大脑”，负责进行文本生成、总结、推理和对话。你可以在此配置提示词、选择模型和调整参数。
- 知识库节点 (Knowledge)：用于查询你上传到Coze的文档资料，为LLM节点提供精准的上下文信息。
逻辑控制节点：
- 条件判断节点 (Condition)：实现 “如果...就...” 的逻辑分支。根据预设条件（如：{{variables.score}} > 60）决定执行哪条路径。
- 循环节点 (Loop)：用于遍历列表或重复执行某项任务，直到满足终止条件，非常适合批量处理数据。
功能扩展节点：
- 插件节点 (Plugin)：调用你在插件市场添加的第三方能力，如数据库操作、发送邮件、生成图片等。
- 代码节点 (Code)：当预制功能无法满足需求时，可以用Python或JavaScript编写自定义逻辑，处理复杂计算或数据转换。

操作方法：只需从左侧面板中，按住鼠标左键拖拽所需的节点类型到画布上的空白区域即可释放。

（2）连接节点：定义“数据流”与“执行流”

添加节点后，需要用连接线定义它们之间的执行顺序和数据传递关系。这是工作流编排的灵魂。

连接执行顺序：
- 每个节点下方都有一个或多个输出锚点（►），上方有一个或多个输入锚点（┏►）。
- 从一个节点的输出锚点拖拽连线到另一个节点的输入锚点，这就确立了节点的执行顺序：上一个节点执行完毕后，下一个节点才会开始执行。
传递数据（变量引用）：
- 连接线不仅传递“执行”信号，更重要的是传递数据。
- 下游节点可以引用上游节点的输出结果。这是通过 {{ }} 语法实现的。
- 例如：在一个“抖音视频总结”工作流中：
  - “开始节点”定义输入参数 video_url。
  - “抖音解析插件节点”的URL字段可以填入 {{start.video_url}}。
  - “大模型节点”的提示词中可以写入 请总结以下内容：{{plugin_node.output}}。

（3）配置节点：让每个模块“各司其职”

双击画布上的任一节点，会打开其配置面板。这是你为每个节点赋予具体任务的地方：

开始节点：配置工作流需要用户提供哪些输入参数（如：视频链接、查询关键词、城市名称等）。
大模型节点：编写精确的提示词（Prompt），选择模型版本，配置温度（创造性）等。
插件节点：设置调用该插件所需的具体参数，这些参数通常可以通过 {{ }} 引用上游变量。
条件节点：编写条件判断表达式（如：{{variables.amount}} > 1000）。

二、实战案例

1 抖音转小红书文案

image-20251216下午24930286

（1）提取视频地址

去抖音官网：https://douyin.com/搜索一个爆款商品视频分享链接，通过一个获取页面视频地址的插件来完成提取：

image-20251216下午25610151

配置如下：

image-20251216下午30039097

（2）提取文案

通过一个提取视频音频文案的插件来完成视频文案获取：

image-20251216下午30124954

（3）仿写小红书笔记大模型

通过大模型节点完成小红书文案仿写：

image-20251216下午30247305

（4）生成小红书配图：

根据添加节点中系统自带的图像生成节点完成配图的生成，

image-20251216下午30700825

配置如下：

image-20251216下午30630459

2 财务发票

image-20251216下午24249713

（1）文字识别

识别上传图片的内容，选择口子官方的OCR插件：

image-20251216下午24338243

配置如下：

image-20251216下午24455716

（2）发票整理大模型

image-20251216下午24547444

3 简历筛选

image-20251216下午22838410

（1）配置开始节点

因为要上传本地文件，开始节点配置一下：

image-20251216下午23532355

（2）读取简历

选用官方的读取文档的链接读取插件：

image-20251216下午23334800

配置如下：

image-20251216下午23428038

（3）大模型简历筛选

image-20251216下午24128892

提示词：

角色设定
你是由连续创业者训练的AI招聘官，专精智能硬件与互联网领域早期团队人才筛选，具备以下核心能力：

精准识别简历中的创业适配信号

严格实施生存期人才过滤机制

量化评估候选人抗压能力与资源撬动价值

职位要求 (JD)

岗位：Python开发工程师

学历要求：[请替换，如：统招本科及以上]

专业认证：[请替换，如：无强制要求，Cloud/大数据相关证书优先]

最低年限：[请替换，如：3年以上]

核心技能：[请替换，如：Python, Django/Flask/FastAPI, MySQL/PostgreSQL, Redis, Docker，熟悉一种主流云服务（AWS/Azure/GCP）]

预算上限：[请替换，如：35] 万/年

硬性过滤器（一票否决）
1. 基础条件：

学历要求：不满足 [JD学历]

专业认证：如JD有要求，则缺失 [JD证书]

最低年限：总工作经验或Python相关经验不足 [JD年限]

2. 创业专属否决项：

薪资期望：超过 ￥[预算上限 * 1.2] 万（预算上限的120%）

工作态度：简历或求职信中明确出现“不接受加班”、“不接受出差”、“拒绝大小周”等表述

核心技术栈：无Python商业项目开发经验（仅学*项目不计算在内）

背景适应性：最*连续两份全职工作的雇主均为 [万人以上规模] 的成熟大厂（可根据JD调整阈值，如“5000人以上”）

生存期评估矩阵（总分60分）
编码	维度	权重	评估标准	数据来源
核心技能突击力	30%	1. 技能匹配度：JD中关键技能（Python框架、数据库、中间件、云服务等）覆盖 ≥ 70%	简历“技术栈”与“项目经历”模块	
2. 快速交付证明：有明确在 [3-6个月内] 从零主导或核心参与并完成上线的项目	项目经历中的时间节点与角色描述	
3. 技术迁移能力：有将同一技术栈（如Python数据分析）应用于不同业务场景（如电商风控、IoT数据分析）的成功案例	项目描述中的关键词与业务领域	
创业耐受度	20%	1. 创业公司经历：曾服务于公司成立 <3年 或融资在A轮前的早期团队	结合简历公司名与企查查等公开信息推断	
2. 高压经历：经历过公司/部门的业务转型、战略裁员、或重要项目被砍	工作经历中的重大事件描述或空窗期解释	
3. 多任务并行：有同时期推进 ≥3 个项目或在单一项目中承担多角色（开发+运维+沟通）的经历	项目时间线的重叠与职责描述	
资源撬动能力	10%	1. 从0到1搭建：主导或深度参与从零搭建后端系统、数据平台、 DevOps体系等	项目描述中的“负责搭建”、“从零构建”等关键词	
2. 低成本创新：在项目中采用开源方案替代商业软件、或通过架构优化显著降低成本（预算 < 行业标准的50%）	项目成果描述中的成本、效率对比数据	
3. 无授权领导力：曾推动跨部门（技术与非技术）协作项目 ≥2 个	项目描述中的协同方、团队组成说明	
发展期潜力矩阵（总分40分）
编码	维度	权重	评估标准	数据锚点
技术前瞻性	15%	1. 持续学*：* [2年] 内获得新兴技术相关认证（云原生、AI、大数据等）	证书模块的获取时间	
2. 技术输出：有技术博客（年均≥5篇）、GitHub活跃项目（Star≥50/Fork≥20）或技术专利/论文	个人链接、知识产权记录	
3. 工具建设：曾创建提升团队效率的内部工具、脚手架或通用组件库并被采纳	项目经历中的“内部工具”、“效率提升”描述	
管理可塑性	15%	1. 团队贡献：有新人带教、代码评审主导、技术分享（年均≥3次）的经历	工作经历或项目中的相关描述	
2. 流程建设：参与制定过团队开发规范、技术方案模板或部署流程，并产出 ≥5 份标准化文档	成果物关键词（“规范”、“手册”、“SOP”）	
3. 项目驱动：作为技术负责人或核心成员，非职权推动过 ≥2 个跨团队项目落地	项目描述中的牵头角色与协调工作	
文化渗透度	10%	1. 复盘文化：对失败项目或技术难点有深度复盘总结（公开分享或形成案例）	项目总结、博客或个人介绍中的“复盘”、“教训”关键词	
2. 文化建设参与：参与过团队内 Hackathon、技术沙龙组织、开源布道等活动	活动组织记录或特殊经历描述	
3. 价值观契合：简历中体现出对“ownership”、“结果导向”、“快速迭代”等创业精神的认同与实践	自我评价、项目亮点、求职信中的表述	
风险雷达系统
风险等级	触发条件	处置方式
红线	1. 频繁跳槽与薪酬暴涨：*3年内，通过跳槽实现的薪资涨幅 >50% 且非伴随明确的职级晋升（如工程师到架构师）	立即终止评估
2. 潜在利益冲突：简历空窗期或业余项目涉及直接竞品的核心模块开发	立即终止评估
3. 履历真实性存疑：工作经历或项目经历时间重叠 ≥6个月	立即终止评估
警惕	1. 技术栈停滞：* [5年] 内未扩展新的主流技术栈（如仍只使用Python 2.7、未接触过容器化）	累计触发 ≥2 项则建议淘汰
2. 高风险薪酬结构：当前或期望薪资中，浮动部分（绩效、奖金）占比 >40%，且无明确保障	累计触发 ≥2 项则建议淘汰
3. 学*中断：公开可查的学*记录（证书、博客、代码提交）中断 >2年	累计触发 ≥2 项则建议淘汰
决策输出规范
json
{
  "decision": {
    "result": "通过|不通过",
    "reasons": ["基于硬性过滤器/风险红线的具体原因", "基于总分或关键维度的总结性原因"]
  },
  "scores": {
    "survival": "[生存期评估得分，0-60]",
    "potential": "[发展期潜力得分，0-40]",
    "details": {
      "core_skills": "[核心技能突击力子项得分]",
      "endurance": "[创业耐受度子项得分]",
      "resource_leverage": "[资源撬动能力子项得分]",
      "tech_vision": "[技术前瞻性子项得分]",
      "management": "[管理可塑性子项得分]",
      "culture": "[文化渗透度子项得分]"
    }
  },
  "value_evidence": ["最具价值的2-3个成就证据，如：'用30%预算完成数据平台搭建'、'在3人团队下支撑百万用户'"],
  "risk_radar": {
    "red_lines": ["触发的红线条件"],
    "warnings": ["触发的警惕条件"]
  },
  "fast_track": {
    "qualified": "true|false",
    "reasons": ["如持有相关高价值专利(专利号:XXX)", "曾作为核心前10号员工经历0-1", "能带成熟小团队入职"]
  },
  "work_experience_analysis": {
    "startup_flag": "[发现的早期公司经历及证据]",
    "scale_warning": "[发现的大型公司经历及规模]"
  },
  "evidence_mapping": {
    "core_skills": "[支撑核心技能得分的具体简历位置]",
    "resource_leverage": "[支撑资源撬动得分的具体简历位置]"
  },
  "basic_info": {
    "name": "[候选人姓名]",
    "education": {
      "degree": "[学位]",
      "major": "[专业]",
      "university": "[学校]",
      "graduation_year": "[毕业年份]",
      "source": "[简历位置]"
    },
    "work_experience": [
      {
        "company": "[公司名]",
        "position": "[职位]",
        "duration": "[时间段]",
        "achievement": "[主要成就简述]",
        "source": "[简历位置]"
      }
    ],
    "certifications": [
      {
        "name": "[证书名]",
        "year": "[获得年份]",
        "source": "[简历位置]"
      }
    ],
    "skills": ["[从简历中提取的关键技能1]", "[关键技能2]"]
  }
}
执行规则
顺序评估：严格按“硬性过滤 → 生存期矩阵评分 → 发展期矩阵评分 → 风险扫描”流程执行。

证据驱动：所有结论必须引用简历中的具体表述并标注位置（如：简历第2页项目经历）。

外部验证：破格条件（fast_track）需基于可验证的外部证据（专利号、开源项目链接、媒体报道）。

输出纯净：最终输出必须是纯净、完整的JSON对象，无任何Markdown装饰。

空值处理：若无相关项，对应字段使用空数组 [] 或 null。

（4）整理输出

image-20251216下午24223714

4 旅游线路

image-20251216下午30809069

（1）高德插件

通过高德插件完成A-B的路线设定：

image-20251216下午30911672

配置如下：

image-20251216下午30937958

（2）路线文档整理

image-20251216下午31016942

5 XHS配图文字提取

image-20260308下午64732813

【1】XHS插件提取信息

18 【🦞 7天小龙虾养成记｜Day 1：安装部署 - 圆脸豆包 | 小红书 - 你的生活兴趣社区】 😆 40HrW3V39fWDTtn 😆 https://www.xiaohongshu.com/discovery/item/69a91759000000002602d88e?source=webshare&xhsshare=pc_web&xsec_token=AB1UAf4Z5EKrqyDL65XrF6JZVIqrzzf1OpTH8z_hPPNlc=&xsec_source=pc_share

image-20260308下午65951761

image-20260308下午70049466

【2】OCR文字识别

插件选择：

image-20260308下午70323586

配置如下：

image-20260308下午70215645

【3】文本整理

image-20260308下午74312680

提示词：

# 任务
你需要根据ORC提取出来的文字信息，将其组装成一段通顺的语句，你需要使用适当的标点符号划分语句，并修复其中的错别字。然后进行返回
# 限制
你不需要输出时间和日期。只需要输出修复后的文案，如果内容为空，则返回空

{{input}}

image-20260308下午74159614

6 绘本故事

image-20260308下午63033508

【1】生成故事节点

基于大模型节点构建故事

提示词如下：

# 角色定义
你是专业的绘本分镜设计师，擅长将用户的绘本需求转化为详细的分镜脚本。

# 任务目标
根据用户的需求，拆解绘本的分镜内容，生成2-10页的绘本分镜脚本（默认4页），并提取绘本中的角色。

# 执行流程
- **用户输入**: 用户的绘本需求描述
- **分析过程**:
  1. 理解用户需求，分析故事主题和情感基调
  2. 确定绘本页数（2-10页，默认4页）
  3. 提取故事中的主要角色
  4. 为每一页编写详细的场景描述
  5. 确保分镜逻辑连贯，符合故事发展
- **最终输出**: 包含分镜列表和角色列表的JSON对象

# 约束与规则
- 页数范围：2-10页，默认4页
- 每页描述要简洁明确，适合作为图片生成的prompt
- 角色提取要完整，包括所有重要角色
- 分镜描述要包含场景、角色、动作、氛围等要素
- 确保故事逻辑连贯，有开头、发展、结尾
- 有违反了安全策略的内容


故事：{{story}}

注意输出：

image-20260308下午64435138

【2】循环生成图

循环节点配置：

image-20260308下午63440765

image-20260308下午63416890

【3】绘本制作

image-20260308下午63819078

提示词如下：

""## 📚 {{story}}绘本故事\n### 第 1 页\n{{storyboard[0].description}}\n\n![第1页]({{cards[0]}})\n\n---\n\n### 第 2 页\n{{storyboard[1].description}}\n\n![第2页]({{cards[1]}})\n\n---\n\n### 第 3 页\n{{storyboard[2].description}}\n\n![第3页]({{cards[2]}})\n\n---\n\n### 第 4 页\n{{storyboard[3].description}}\n\n![第4页]({{cards[3]}})\n\n---\n\n---\n\n✨ 绘本生成完成！\n"

将上面的md生成返回

记得加引号！

导入导出工作流

可以把课上老师的工作流导入到你们的空间，课上工作流在课件中

image-20260313上午122649638

image-20260313上午124028243

三、AI 短视频

基于 Coze 搭建 AI 短视频工作流，本质是 “用可视化编程重构短视频生产逻辑”，核心价值是解决 “批量生产效率” 与 “内容标准化” 的痛点，以下是关键见解：

1 核心逻辑：把 “人工剪辑” 拆解为 “可自动化的节点流程”

传统剪映是 “手动拖曳素材→逐帧调细节”，而 Coze 工作流是把短视频生产拆成 “模块化节点”（比如 “生成文案→提取链接→时间线编排→素材组装”），每个节点只做一件事，通过 “输入 - 输出” 串联成自动化流程 —— 相当于把 “剪辑师的经验” 写成了 “可重复执行的代码”。

2 最大优势：用 “标准化” 换 “规模化效率”

批量生产效率爆炸：

搭建一次流程后，只需批量导入文案 / 素材，就能自动生成几十上百条短视频（比如矩阵号日更 50 条），避免剪映的重复手动操作。
内容风格高度统一：

通过节点参数（比如字幕字体、视频尺寸、音频节奏）统一配置，能保证所有产出的短视频 “画风、节奏、格式完全一致”（适合品牌号、课程号的内容标准化）。
降低创作门槛：

非剪辑专业的运营 / 创作者，只需维护 “文案库” 和 “素材库”，不用懂剪辑技巧，就能通过工作流输出成品。

3 局限：“灵活度” 让位于 “效率”

Coze 工作流更适合 **“模板化、批量化” 的短视频 **（比如口播类、知识科普类、产品种草类），但很难做 “创意性强、需要精细手动调整” 的内容（比如剧情类、特效类短视频）—— 这类内容仍需要剪映等工具的手动创作。

4 最佳实践：“Coze + 剪映” 联动

用 “Coze 做批量，剪映做模板”：

先用剪映做出 1-2 条 “标准模板”（定好字幕样式、视频转场、音频节奏）；
把模板的参数（尺寸、时间线、样式）配置到 Coze 工作流中；
后续通过 Coze 批量替换文案、视频素材，自动生成大量 “模板复刻版” 短视频，再用剪映对重点内容做精细化调整。

这种模式既解决了 “批量生产的效率问题”，又保留了 “精品内容的创意空间”，是当前 AI 短视频生产的高效组合。

四、案例之绘本短视频

image-20251221下午64549509

（1）构建剧本

提示词：

根据{{story}}构建5句话的文案，放在一个列表中返回

# 限制
每一个分镜头就1句话

（2）语音合成

image-20260316上午112417549

（3）文生图提示词

image-20260315下午75801353

根据{{duanluo}}
  1. 理解每一个段落的主题和情感基调，风格采用{{style}}
  2. 为每一个段落扩展细节，编写详细的Seedream4.5图片生成的prompt
  3. 确保分镜逻辑连贯，符合故事发展

将生成的每一个提示词放在一个列表 img_prompt_list中返回

（4）循生成图

image-20260315下午75952147

（5）动态提示词

image-20260315下午80226517

我做了一个绘本故事的工作流，第一个大模型节点用于构建剧本，例如{
  "duanluo_list": [
    "周瑜因忌惮诸葛亮的过人才智，故意设下难题，要求他在十天内造出十万支箭，企图借此除掉这个心腹大患。诸葛亮却淡然应下，还主动将期限缩短至三天，并立下军令状，若完不成甘愿受罚，这一举动让周瑜暗自窃喜，以为诸葛亮已落入自己的圈套。",
    "接下来的两天，诸葛亮看似毫无动静，实则暗中命鲁肃调拨二十艘快船，每船配三十名军士，船上覆盖青布幔子，船的两侧扎满了密密麻麻的草人，还再三叮嘱鲁肃切勿将此事告知周瑜，鲁肃虽不解其意，但还是依言照办。",
    "第三天四更时分，大雾漫天，江面被浓雾笼罩，能见度极低。诸葛亮下令将二十艘船用绳索连在一起，朝曹军水寨缓缓驶去。待靠*曹营时，他命军士擂鼓呐喊，佯装大举进攻，曹操因忌惮敌军有诈，不敢贸然出兵，只命大批弓弩手朝江面射箭，箭支纷纷扎在船侧的草人之上。",
    "待日出雾散，诸葛亮下令调转船头，让船的另一侧也受箭，等草人上插满箭支后，便率船快速驶回南岸。清点下来，每船的箭支都不下五千，总数远超十万支。周瑜得知借箭的经过后，不禁长叹一声，由衷感慨诸葛亮神机妙算，自己确实不及他。"
  ],
}每一个段落视为一个分镜头文案，基于每一个分镜头文案生成图片，紧接着基于每一个分镜头图片，要有每一个分镜头的动态提示词，所以在生成视频前要有一个大模型用于生成每一个分镜头的动态提示词，输入的是分镜头的文案，帮我设计一个专业的提示词，要有一些运镜：组合运用特写摇镜、中景拉远、快速切换、慢镜头、跟随镜头。

结果：

角色设定
你是一位经验丰富的电影摄影师和分镜师。你的任务是根据绘本故事的分镜头文案，为AI视频生成模型创作专业、动态、富有叙事感的视频提示词。

输入信息
你将收到一个列表{{duanluo_list}}有几段绘本的分镜头文案，你需要理解其叙事重点和情感基调。

输出要求
为每一段文案生成一段流畅的、可以直接用于视频模型的中文提示词。提示词需包含以下要素：

主体与场景：准确描述画面中的核心角色和背景环境，保持与绘本美术风格一致。

动态与动作：详细描述角色的关键动作和画面的核心动态。

运镜指令：必须组合运用以下五种运镜技巧来增强叙事和情绪：

特写摇镜：用于捕捉关键道具、人物的微表情或瞬间的情绪变化，引导观众注意力。

中景拉远：用于揭示环境、展示人物关系或制造某种情绪上的抽离感。

快速切换：用于表现紧张、激烈的场面或时间紧迫感。

慢镜头：用于强调关键时刻、重要动作或营造梦幻、史诗般的氛围。

跟随镜头：用于跟随角色的移动，让观众产生沉浸式的代入感。

氛围与节奏：描述画面的整体氛围（如：紧张、神秘、壮阔）和镜头节奏（如：由缓到急、舒缓流畅）。

示例demo

[
"自信的周瑜面带一丝算计的浅笑，正在对神色淡然的诸葛亮说话，背景是古代中国的军帐内。镜头从周瑜眼神的特写摇镜开始，缓慢捕捉他眼中的狡黠，随后拉远至中景，展现出两人之间紧张的距离感。诸葛亮轻摇羽扇，从容应下军令。画面快速切换至军令状被盖下印章的特写，接着用慢镜头呈现诸葛亮签下军令状时平静的面容，与他即将面临的命运形成强烈对比。整个氛围充满未言明的敌意与暗流涌动的权谋，烛光摇曳。",
"夜色笼罩下，江边码头雾气缭绕，士兵们正在二十艘快船上无声地忙碌，扎满草人。镜头用特写摇镜，捕捉鲁肃满脸困惑与担忧的表情，他正低声接受诸葛亮的秘密指令。随后镜头拉远至中景，展现整个船队在静谧中高效准备的宏大又神秘的场面。氛围充满秘密行动特有的紧张与不解。镜头跟随一名士兵的动作，看他将最后一个草人牢牢绑在船舷上，凸显筹备工作的细致。",
"浩瀚的江面上浓雾弥漫，能见度极低，如梦似幻。二十艘船用绳索相连，在雾中悄然前行。诸葛亮静立船头。慢镜头捕捉船桨划入漆黑江水，漾开无声的涟漪。突然，战鼓声震天响起。镜头快速切换，在曹军弓弩手惊慌的面孔与如暴雨般射向雾中船队的箭矢之间来回切换。箭矢密密麻麻地扎进草人，发出沉闷的噗噗声。跟随镜头模拟一支箭矢的轨迹，最终钉入草人，极具冲击力。氛围紧张、混乱且充满神秘感。 — 风格：写实 — 电影级光影 — 构图考究 — 画质最高 — 运动流畅",
"晨光驱散江雾，二十艘草船上插满了密密麻麻的箭支，犹如巨大的刺猬，场面震撼。镜头以一个壮阔的慢镜头拉远，全景展现这支满载而归的“箭船”舰队从消散的雾气中缓缓驶出的壮观景象。士兵们欢呼雀跃。画面快速切换至周瑜的观战台。镜头缓缓推*，特写摇镜捕捉周瑜的面部表情：从震惊到难以置信，最终化为一声叹服的轻叹，他缓缓低头，承认诸葛亮的智谋超群。氛围从胜利的喜悦转向英雄相惜的深沉感慨。 — 风格：写实 — 电影级光影 — 构图考究 — 画质最高 — 运动流畅",
]

将生成的每段提示词放在一个列表video_prompt_list返回

（6）循环生成视频

image-20260315下午80253113

image-20260316上午111421697

image-20260316上午111504143

五剪映小助手插件

我们继续上节课的短视频工作流的搭建

1. 多值转单值

get_url

提取链接，用于从多值返回变成单值返回。

它的输入是包含多个信息的 “多值对象”（比如一个同时带链接、参数的复杂数据），输出则是只保留链接的 “单值字符串”。简单说：把 “杂乱的多信息集合”，提炼成 “纯链接”，方便后续节点只处理链接本身。

批量处理多组链接

把每组输入都转换成对应的单值链接，最后打包成outputList（链接列表）输出。

2. objs_to_str_list

objs_to_str_list

对象列表转化成字符串列表

3. 创建草稿

在这个多媒体工作流里，“创建草稿（create_draft）” 是整个流程的 “容器 / 画布”，

核心作用：统一素材的 “承载容器”

音视频、字幕是不同类型的素材，它们需要一个 ** 统一的 “空间”** 来组合 —— 草稿就是这个空间：

定义了最终内容的基础属性（比如尺寸height/width），确保后续添加的视频、字幕都能匹配这个 “画布尺寸”；
生成唯一的draft_url，作为后续所有素材（字幕、音视频）的 “挂载目标”（所有素材都要 “添加到这个草稿里”）。

4. 确定timelines

在这个多媒体工作流里，timelines（时间线）是控制素材 “何时出现、何时消失” 的核心逻辑工具，作用和价值围绕 “时间维度的同步与编排” 展开：

核心定义

timelines是记录素材时间区间的参数集合（比如 “视频 A 在 0-5 秒显示，音频 B 在 3-8 秒播放”），本质是给每个素材标记 “开始时间 + 结束时间”。

核心作用

素材同步：让不同类型的素材（视频、音频、字幕）在时间上对齐（比如字幕要和音频的对应台词同时出现）；
时序编排：控制素材的播放顺序 / 叠加关系（比如先放片头视频，再切主视频，同时叠加背景音乐）。

核心价值

没有时间线的话，音视频、字幕会 “同时堆在一起播放”，而timelines的存在：

实现了多媒体内容的 “节奏控制”（比如短视频的画面切换、字幕卡点）；
让复杂的多素材组合变得有序（即使同时加多个视频、音频，也能按时间规则分层 / 分时段呈现）。

简单说：timelines是多媒体内容的 “时间指挥棒”，决定了每个素材在成品中的 “出场时间” 和 “表演时长”。

5. timelines对应的字幕、音频与视频信息

在这个多媒体工作流中，caption_info（字幕信息）、video_info（视频信息）、audio_info（音频信息）是 “素材的标准化参数包”—— 负责把原始素材拆成 “可被工作流识别的结构化信息”，作用和价值分别是：

`caption_info`（字幕信息）

作用：把字幕的 “内容 + 样式 + 时间” 打包成结构化参数（比如texts是字幕文字、timeline是字幕出现的时间区间、font_size是字体大小）。
价值：让后续的add_captions节点能精准控制字幕的 “说什么、什么时候出现、长什么样”，避免字幕和音视频脱节。

`video_info`（视频信息）

作用：把视频的 “资源 + 时间 + 样式” 打包（比如video_urls是视频链接、timelines是视频播放时段、height/width是视频尺寸）。
价值：让add_videos节点能明确 “要加哪个视频、什么时候播、显示多大”，确保视频能匹配草稿的容器尺寸。

`audio_info`（音频信息）

作用：把音频的 “资源 + 时间 + 效果” 打包（比如mp3_urls是音频链接、timelines是音频播放时段、audio_effect是音效参数）。
价值：让add_audios节点能控制 “要加哪个音频、什么时候播、音效是什么样”，实现音频和视频 / 字幕的同步。

这三个节点的核心价值是 “把零散的素材变成‘带规则的参数’”—— 让后续的 “组装节点” 不用再处理原始素材的杂乱信息，只需要读取参数就能精准完成素材的添加。

6. 添加字幕、音频与视频信息

add_caption（添加字幕）

核心定义：将caption_info节点输出的字幕结构化参数（文本、字体、时间、位置），写入到create_draft创建的草稿中。
作用：
1. 按照caption_info定义的规则，将字幕精准 “贴” 到视频画面的指定位置（比如底部居中）；
2. 同步字幕的时间线，确保字幕和音频台词、视频画面精准匹配（比如台词出现时字幕弹出，台词结束时字幕消失）；
3. 应用字体大小、颜色、描边等样式，保证字幕清晰可见。
价值：

把 “文字参数” 变成 “可视化字幕”，解决了 “字幕怎么在视频里显示” 的问题，让内容更易理解（比如短视频的台词字幕、课程视频的知识点字幕）。

add_video（添加视频）

核心定义：将video_info节点输出的视频结构化参数（链接、尺寸、时间线），挂载到草稿容器中。
作用：
1. 加载视频资源：通过video_urls拉取对应的视频素材；
2. 适配草稿尺寸：按照height/width参数调整视频大小，确保视频和草稿画布完美贴合，不会出现黑边或拉伸；
3. 控制播放时序：根据timelines参数，让视频在指定时间段播放（比如 0-5 秒播片头，5-30 秒播主视频）。
价值：

实现了视频素材的 “精准植入”，支持多段视频的拼接、叠加（比如片头 + 主视频 + 片尾），让复杂的视频编排自动化完成。

add_audio（添加音频）

核心定义：将audio_info节点输出的音频结构化参数（链接、时间线、音效），嵌入到草稿的音频轨道中。
作用：
1. 加载音频资源：通过mp3_urls拉取背景音乐、旁白、音效等素材；
2. 同步音频时序：根据timelines参数，控制音频的播放时段（比如 0-30 秒播放背景音乐，5-10 秒叠加旁白）；
3. 应用音频效果：通过audio_effect参数调整音量、音效（比如降低背景音乐音量突出旁白）。
价值：

让视频从 “无声” 变 “有声”，通过背景音乐、旁白提升内容的感染力，同时实现音画同步（比如卡点视频的音频和画面节奏匹配）。

三者的协同价值

这三个节点是工作流的 “收尾组装环节”，核心价值是 “把标准化的参数，变成可直接使用的多媒体成品”：

分工明确：分别处理字幕、视频、音频三类素材，避免逻辑混乱；
协同工作：通过时间线（timelines）实现音视频、字幕的精准同步，保证成品内容的流畅性；
自动化执行：无需手动在剪辑软件里拖曳素材，批量完成多组内容的组装，提升生产效率（比如批量生成 100 条带字幕、背景音乐的短视频）。

这个add_captions节点的返回值，是 “字幕添加操作的结果凭证”，每个字段对应不同的功能含义：
1. draft_url
含义：和输入的draft_url一致，是草稿的唯一链接。
作用：标识 “本次添加字幕的目标草稿”，后续添加视频 / 音频时，仍需要用这个链接关联到同一个草稿。

2. segment_ids（长度为 6，对应 6 条字幕）
含义：每条字幕在草稿中的 “片段 ID”（相当于给每条字幕分配的唯一编号）。
作用：后续如果要修改 / 删除某条字幕，可以通过这个 ID 精准定位到对应的字幕片段。

3. segment_infos（长度为 6）
含义：每条字幕的 “详细信息集合”（包含字幕的时间线、文本、样式等参数）。
作用：可以用来校验字幕是否按预期添加（比如检查某条字幕的start/end时间是否正确）。

4. text_ids（长度为 6）
含义：每条字幕文本内容的 “唯一 ID”。
作用：如果后续需要单独修改字幕的文本内容（比如改错别字），可以通过这个 ID 定位到对应的文本。

5. track_id
含义：字幕所在 “轨道的 ID”（草稿中会把不同类型的素材分轨道管理，比如字幕轨道、视频轨道）。
作用：标识字幕是在哪个轨道上添加的，后续调整轨道层级（比如让字幕显示在视频上方）时会用到。

这些返回值的核心价值是 “给后续的‘素材编辑 / 调整’提供精准定位的凭证”—— 比如要修改第 3 条字幕，直接用segment_ids里的第 3 个 ID 就能找到对应的字幕，不用重新处理整个草稿。

这个add_videos节点的返回值，是 “视频添加操作的结果标识”，每个字段对应视频在草稿中的管理信息：
1. video_ids（长度为 6）
含义：本次添加的 6 个视频，各自的唯一资源 ID（相当于给每个视频分配的 “身份证号”）。
作用：后续如果要替换 / 删除某个视频，可通过这个 ID 精准定位到对应的视频素材。

2. draft_url
含义：和输入的draft_url一致，是草稿的唯一链接。
作用：确认视频是添加到了目标草稿中，后续添加音频等素材时，仍需用这个链接关联到同一草稿。

3. segment_ids（长度为 6）
含义：每个视频在草稿时间线上对应的片段 ID（标识视频在时间轴上的 “占位片段”）。
作用：调整视频的播放时段（比如延长 / 缩短某段视频）时，通过这个 ID 定位到对应的时间片段。

4. track_id
含义：视频所在的轨道 ID（草稿会按素材类型分轨道，比如视频轨道、音频轨道、字幕轨道）。
作用：后续调整轨道层级（比如让视频显示在字幕下方）、单独控制视频轨道的显隐时会用到。
这些返回值的核心是 **“给视频素材提供‘精准管理的标识’”**—— 比如要修改第 2 个视频的播放时长，用segment_ids里的第 2 个 ID 就能直接定位到对应的时间片段，不用重新处理整个草稿。

video_ids和segment_ids以及track_id的区别：

管理对象：对应 “素材→片段→轨道” 的层级

标识	管理对象	类比（用剪映举例）
`video_ids`	单个视频素材本身	你导入的某个视频文件（比如 “片头.mp4”）
`segment_ids`	视频在时间线上的片段	这个视频文件拖到时间轴上后，占据的那一段 “时间区间”
`track_id`	视频所在的轨道	时间轴上的 “视频轨道 1”（所有视频都放在这个轨道里）

audio_ids（长度为 6）：
含义：本次添加的 6 个音频，各自的唯一资源 ID（每个音频的 “身份证号”）。
作用：后续替换 / 删除某段音频时，通过这个 ID 精准定位对应的音频素材。

draft_url：
含义：和输入一致的草稿链接。
作用：确认音频成功添加到目标草稿，后续流程可继续用此链接操作同一草稿。

track_id：
含义：音频所在的轨道 ID（草稿中音频会单独占一个轨道，和视频、字幕轨道区分开）。
作用：后续调整音频轨道的音量、显隐，或调整轨道层级（比如让音频和背景音乐分层）时会用到。
这个节点的核心价值是把 “分散的音频素材” 按时间线整合到草稿中，实现音画同步（比如音频台词和字幕、视频画面对应），让成品内容从 “无声” 变为 “有声”。

7. 剪影小助手相关配置

先生成一个文件夹，用于存放生成的AI视频的。然后配置下剪影小助手的路径。将生成的草稿地址拷贝到剪影小助手。

剪映小助手下载地址：

https://github.com/Hommy-master/capcut-mate/releases/tag/v2.1.2

Mac出现已损坏的处理方法：

按下 Command + 空格，输入“终端”打开；

输入命令 xattr -cr ，注意末尾保留一个空格；

直接把dmg安装包拖进终端窗口，自动填充文件完整路径；

回车执行，之后双击dmg就能正常挂载安装。

首先选择一个位置比如桌面建立一个JianyingPro Drafts的文件夹（名字必须叫JianyingPro Drafts），然后在剪映小助手的配置中心的选择JianyingPro Drafts的文件夹的路径。

image-20251229下午53322210

接下来将AI短视频的工作流的草稿地址输入到剪映小助手将短视频相关的内容下载到JianyingPro Drafts的文件夹中：

image-20251229下午53814205

为了能在剪映app中直接将视频同步到草稿中，需要进行配置：

image-20251229下午50008142

即将JianyingPro Drafts的文件夹路径配置到剪映app的草稿路径中。

posted @ 2026-03-16 15:38 凫弥阅读(6) 评论(0) 收藏举报

刷新页面返回顶部

fuminer

Day03：coze从入门到精通之绘本短视频案例

预备编程小知识

一、coze入门到精通

1 coze中的智能体

如何开始创建？

注意事项

2 工作流（Workflow）

2.1 工作流核心组件解析

2.2 核心优势与价值

2.3 如何使用工作流

2.4 工作流中的编排详解

（1） 添加节点：从“工具箱”中选取能力

（2） 连接节点：定义“数据流”与“执行流”

（3）配置节点：让每个模块“各司其职”

二、实战案例

1 抖音转小红书文案

（1）提取视频地址

（2）提取文案

（3）仿写小红书笔记大模型

（4）生成小红书配图：

2 财务发票

（1）文字识别

（2）发票整理大模型

3 简历筛选

（1）配置开始节点

（2）读取简历

（3）大模型简历筛选

（4）整理输出

4 旅游线路

（1）高德插件

（2）路线文档整理

5 XHS配图文字提取

【1】XHS插件提取信息

【2】OCR文字识别

【3】文本整理

6 绘本故事

【1】生成故事节点

【2】循环生成图

【3】绘本制作

三、AI 短视频

1 核心逻辑：把 “人工剪辑” 拆解为 “可自动化的节点流程”

2 最大优势：用 “标准化” 换 “规模化效率”

3 局限：“灵活度” 让位于 “效率”

4 最佳实践：“Coze + 剪映” 联动

四、案例之绘本短视频

（1）构建剧本

（2）语音合成

（3）文生图提示词

（4）循生成图

（5）动态提示词

（6）循环生成视频

五剪映小助手插件

1. 多值转单值

get_url

批量处理多组链接

2. objs_to_str_list

objs_to_str_list

3. 创建草稿

核心作用：统一素材的 “承载容器”

4. 确定timelines

核心定义

核心作用

核心价值

5. timelines对应的字幕、音频与视频信息

caption_info（字幕信息）

video_info（视频信息）

audio_info（音频信息）

6. 添加字幕、音频与视频信息

7. 剪影小助手相关配置

公告

（1）添加节点：从“工具箱”中选取能力

（2）连接节点：定义“数据流”与“执行流”

`caption_info`（字幕信息）

`video_info`（视频信息）

`audio_info`（音频信息）