Coze工作流概述

Coze工作流是一系列可执行指令的集合，用于实现业务逻辑或完成特定任务。它为应用/智能体的数据流动和任务处理提供了一个结构化框架。工作流的核心在于将大模型的强大能力与特定的业务逻辑相结合，通过系统化、流程化的方法来实现高效、可扩展的 AI 应用开发。 Coze提供了一个可视化画布，你可以通过拖拽节点迅速搭建工作流。同时，支持在画布实时调试工作流。在工作流画布中，你可以清晰地看到数据的流转过程和任务的执行顺序。

这次我们讲解的是一个【一键生成小红书爆款旅游攻略图文】工作流教程，用户通过输入目的地和行程，即可得到一个符合小红书风格的旅游攻略图文，文末附有视频讲解。

工作流整体流程

整体流程

开始搭建

完整工作流展示：

工作流全览

开始节点

开始节点主要用来输入两个变量：

• 目的地city：可以输入城市名，例如郑州，成都，上海，杭州等等。

• 行程xingcheng：可以输入3天2晚，或者2天1晚等等。

大模型节点——生成文案

该大模型节点主要用来：

• 根据开始节点的城市名字和行程，生成对应的小红书风格旅游文案。

• 注意：设置的提示词要标明小红书风格。

结果示例：

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型节点——提取城市景点

该节点主要是利用大模型根据上个攻略文案中提取出所有的景点名字，为了后续根据这个景点名字来查询对应的景点图片：

批处理节点--查询景点图片+图文排版

批处理节点功能

工作流节点默认单次运行，对于输入信息只做一次处理。工作流节点批处理模式通常用于批量执行一系列任务，支持同时处理多个输入，可显著提高海量数据的运行效率。例如子工作流的功能是在文生图，单次执行工作流节点只能生成一张图片，批处理模式下可以批量生成多张图片。 批处理模式下，还可以设置以下参数：

• 批处理次数上限：批处理运行的次数上限，默认为 100 次。

• 并行运行数量：批处理的并发限制，即同时处理的任务数量，设置为 1 表示串行执行所有任务。

设置批处理的输入：

在批处理体中包括三个节点：图片搜索节点，代码节点，画板节点：

调用图片搜索插件

根据上个节点识别出的景点关键字，循环调用查询图片插件【头条图片搜索】来获取对应的图片：

注意：coze里可选的图片搜索插件有很多，搜索出来的质量也有好有坏，这里除了【头条图片搜索】也可以采用【百度图片搜索】，至于搜索出来的图片质量，则不可控。

代码节点

这里加一个代码节点主要是为了将图片搜索插件返回的结果进行过滤，取质量相对好的一张，即简单的取size最大的一张，代码如下：

// 在这里，您可以通过 ‘params’  获取节点中的输入变量，并通过 'ret' 输出结果
// 'params' 和 'ret' 已经被正确地注入到环境中
// 下面是一个示例，获取节点输入中参数名为‘input’的值：
// const input = params.input; 
// 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：
// const ret = { "name": ‘小明’, "hobbies": [“看书”, “旅游”] };
function findLargestImageUrl(inputJson) {
    // 1. 解析输入JSON（如果输入是字符串）
    const data = typeof inputJson === 'string' ? JSON.parse(inputJson) : inputJson;
    
    // 2. 获取result数组
    const resultArray = inputJson || [];
    
    if (resultArray.length === 0) {
      thrownewError("result数组为空");
    }

    // 3. 找到size最大的项（根据width * height计算）
    let maxItem = resultArray[0];
    let maxSize = 0;

    for (const item of resultArray) {
      const width = parseInt(item.picture_info.size.width) || 0;
      const height = parseInt(item.picture_info.size.height) || 0;
      const currentSize = width * height;
      
      if (currentSize > maxSize) {
        maxSize = currentSize;
        maxItem = item;
      }
    }

    // 4. 返回display_url
    return maxItem.picture_info.display_url;
  }

asyncfunction main({ params }: Args): Promise<Output> {
    let url = findLargestImageUrl(params.input)
    // 构建输出对象
    const ret = {
        "key0": url, 

    };

    return ret;
}

画板节点

该节点用来将景点文字附着在图片中，采用coze官方的画板节点：

输出示例：

注意：该节点属于可选项，由于查询到的图片质量可能不太可控，所以可以不断调整图片搜索插件（获取到更优的图片），或者代码里的逻辑来获取到最清晰的景点图片，或者由人工来配图。

结束节点

最后把输出的攻略文案和图文手动发表到小红书即可：

当然也可以调用小红书发表插件，来实现自动化发表，但是该插件需要不断更新cookie，无法长时间调用，至于首图，则需要人工来添加。

 如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

 

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓