Dify智能体RedCanvas (小红书图文一键生成器)

📕 RedCanvas (小红书图文一键生成器)

该工作流是一个功能强大的“小红书内容创作流水线”，旨在一键式地为用户生成一篇完整、高质量、包含图文的小红书笔记。它通过精密的AI任务分工和外部API集成，自动化地完成了从主题构思到文案撰写，再到封面图设计的全过程。

第一阶段：输入解析与内容并行生成

• 用户输入 (Start): 工作流从三个用户输入开始：
  • ☝️ 请简单描述主题要求: 笔记的核心主题。
  • 📝 请补充必要的背景信息: 为AI提供推理所需的额外素材。
  • 🎨 请输入正文语气风格: 定义文案的整体基调。
• 并行内容生成: 接收到用户输入后，工作流会同时启动两个独立的大语言模型（LLM）任务来分别创作标题和正文。
  • 小红书标题 (LLM): 此节点专门负责生成一个引人注目的标题。它仅使用用户的“主题要求”作为输入，并遵循一套严格的指令：禁止使用emoji、避免俗套、适度夸张、并确保中英文/数字间有空格。
  • 小红书正文 (LLM): 这是文案创作的核心。该节点接收用户的全部三项输入，其系统提示词将AI设定为一个名为“嗯哌”的“小红书爆款写作专家”。AI被要求以热情、亲切的风格，撰写包含丰富emoji表情和SEO标签的正文，并采用直击痛点、条理清晰的结构。

第二阶段：封面图文案提炼

• 封面前言 (LLM): 在正文生成后，此节点会接收完整的正文内容，并被要求提炼出一段“不超过40个中文字的引导性前言”。这段简短的文字将专门用于放置在封面图上，以吸引用户点击。

第三阶段：动态封面图生成

• ImgRender (HTTP 请求): 这是将文字转化为视觉图像的关键一步。
  • 该节点会向 ImgRender 图像生成服务的API (https://api.imgrender.net/open/v1/pics) 发送一个 POST 请求。
  • 请求体是一个详细的JSON对象，它定义了一张 1024×1024 像素的画布，并指定了一个背景图模板。
  • 最核心的是，它将上一步生成的“封面前言”文本动态地嵌入到请求中，并精确定义了该文本在图片上的位置、字体（Alibaba-PuHuiTi-Heavy）、大小、颜色和对齐方式。
• 获取封面图URL (代码): 图片生成成功后，一个Python代码节点会解析API返回的JSON数据，并从中提取出最终生成的封面图的URL地址。

第四阶段：整合全部内容并输出

• 组装结果 (模板变换): 这是一个格式化节点，它会将前面所有步骤生成的素材——封面图URL、标题和正文——按照预设的Markdown模板进行组合。
• 结束 (End): 最终，一个包含[封面图]链接、标题和正文的、排版清晰的完整笔记内容将被呈现给用户。

主要特点

• 全流程自动化: 实现了从创意到文本再到视觉呈现的全链路自动化，极大地提升了内容创作效率。
• AI 角色专业化: 通过精细的提示词工程，为负责撰写正文的AI赋予了“爆款专家”的鲜明人设，确保了文案风格的专业性和一致性。
• 文图动态结合: 创新地将AI生成的文本（封面前言）与外部图像渲染服务结合，实现了配图的动态、程序化生成。
• 任务分解流水线: 采用多个LLM节点各司其职（一个写标题、一个写正文、一个提炼封面文案），展示了将复杂创作任务分解为多个简单子任务的高效工作模式。

重要提示

• 该工作流依赖一个名为 ImgRender 的外部图像生成API，并且需要在“ImgRender”节点中配置有效的API密钥才能正常生成封面图。
• 工作流中的大语言模型（LLM）节点配置为使用 Ollama 提供的 qwen2.5:latest 模型。这意味着用户需要在本地或服务器上运行并接入自己的Ollama服务。
• 封面图的设计风格（如背景、字体、颜色、布局）被硬编码在“ImgRender”节点的JSON请求体中，高级用户可以按需修改以实现自定义视觉效果。