简介这是一套基于 Coze 平台构建、面向 AI 漫剧与 AI 短剧创作者的模块化自动化工作流方案由 13 个精密编排节点组成覆盖 LLM 剧本语义解析、分镜推导、提示词生成、AI 生图参数优化及 Seedance/火山方舟视频合成调用等完整生产链路。方案内含多份 LLM 节点配置 JSON、可嵌入 Coze Bot 的编排脚本与运行辅助工具具备条件分支、全局变量传递与实时日志追踪能力并针对古风、赛博朋克、玄幻等主流题材内置专项优化策略。作者验证显示单集 10 分钟漫剧从剧本输入到成片输出可压缩至 48 分钟以内图片资产一次通过率超 92%视频合成成功率 99.1%。资源包共 53 个文件以 Python 脚本34 个、节点配置 JSON6 个、Shell 启动脚本5 个及说明文档为主压缩包仅 94KB结构清晰便于二次改造。目前已有 59 人浏览学习适合希望快速搭建 AI 漫剧生产流程、并基于可复用节点做二次改造的创作者参考使用。1. 漫剧大师极速版13 个节点把 LLM 编排、AI 生图和 Seedance 一次串成流水线做漫剧的人都有一个共同痛点脚本写完只是开始后面拆镜头、写旁白、生成画面、转视频每一步都靠手工搬运一个二十集的连载光对脚本就能耗掉一整天。这套标题里的工作流是 Coze 平台上一套把 LLM 编排、AI 生图和 Seedance 视频生成串成一条流水线的 13 节点成品包。输入一句创意描述它依次完成人物设定、分镜脚本、关键帧图片生成最后用 Seedance 把静态图变成动态漫剧镜头。适合正在做连载漫剧、漫画解说、短剧推流的内容团队也适合刚接触 Coze 工作流、想抄一套现成模板再改的人。但别指望导入就能直接出片节点间的变量映射、模型密钥和参数都得跟着自己的题材重新调一遍。2. 工作流结构拆解13 个节点里 LLM 怎么编排脚本、AI 生图如何喂给 Seedance拿到一个 13 节点的 Coze 工作流 zip 包第一件事不是点导入而是把节点先按功能分类。漫剧制作这条链路本质上只有三类任务文本生成、图像生成、图像到视频。所有 13 个节点都是这三类任务的具体执行单元只是被拆得更细方便单独调参和替换模型。我习惯先看数据流方向开始节点拿到创意描述进入 LLM 节点生成人物设定和剧情再进入另一个 LLM 节点把剧情拆成分镜列表每个分镜附带画面提示词。画面提示词交给 AI 生图节点生成关键帧图片图片作为 Seedance 节点的输入被转成短视频片段。最后所有视频片段汇总到输出节点拼成一集漫剧的素材。2.1 13 节点到底串了什么输入、LLM 编排、生图与视频生成的三段接力如果把常见 Coze 漫剧工作流的节点按职责归类比例大概是这样节点类型数量范围主要职责输入与输出节点2 个接收用户创意描述汇总最终视频文件LLM 编排节点34 个生成人物设定、剧情大纲、分镜脚本、旁白文本图像处理节点45 个生成关键帧、参考图、画面放大或尺寸转换视频生成节点12 个调用 Seedance 把关键帧转成动态视频中间变量节点12 个传递 JSON 数据、解析字段、拼接文本这套结构的好处是每一段都可以单独替换。比如嫌某个 LLM 节点生成的叙事风格不对不需要重搭工作流只改那个节点的提示词。AI 生图节点如果出图太写实也可以换成更偏漫画质检的模型后端节点不用动。第一段接力是纯文本层的从用户输入到脚本产出。这里 LLM 编排节点承担了最关键的工作它不写一段随机内容而是按照固定 JSON 结构输出方便后续节点用变量提取。第二段接力是文本到图像LLM 节点生成的分镜画面提示词被送到生图节点。第三段是图像到视频生图节点输出的图片 URL 成为 Seedance 节点的输入。2.2 LLM 编排层脚本生成、分镜拆解与提示词工程放在同一层的原因为什么漫剧脚本生成要放在工作流里而不是单独用 LLM 聊天窗口写好再粘贴因为工作流里的 LLM 节点输出的是结构化数据能直接被下一个节点消费。聊天窗口里生成一百句剧情你还得自己手动拆成镜头表这恰恰是漫剧制作里最耗时的环节。这套工作流里的 LLM 编排层常见做法是拆成两个节点一个管剧情整体一个管分镜拆解。第一个 LLM 节点输入是创意描述和人物设定要求输出是一份包含角色性格、矛盾冲突、三幕结构的剧情方案。第二个 LLM 节点接收剧情方案输出镜头级别的 JSON 数组每个镜头包含画面描述、景别、时长、台词或旁白。两个节点分开是因为提示词长度和输出长度都更容易控制否则一个节点既要构思剧情又要写分镜很容易超出上下文窗口导致后半段内容被截断。我一般会在第二个 LLM 节点的提示词里强制要求只输出 JSON不要输出任何解释文字。 这一步非常重要很多工作流翻车都是因为 LLM 在 JSON 前后加了闲聊文字导致下游节点解析失败。在 Coze 平台里你还需要在节点配置里把预期输出格式设置为结构化输出或JSON 模式并定义一个 schema 样例。这样 LLM 被约束在固定字段里后续用{{shot.desc}}这类模板语法取字段时才不会取成空值。2.3 AI 生图到 Seedance 的衔接逻辑图像令牌、关键帧与动态化的边界漫剧镜头不是一张图从头用到尾而是由关键帧来决定画面内容。Seedance 这类视频生成模型输入一张静态图靠运动强度参数让画面里的角色、背景产生合理位移。这里最容易被忽略的是图片尺寸与模型预期宽高比的匹配。Coze 内置的生图节点通常支持 16:9、9:16、1:1 等比例而 Seedance 对直屏漫剧最友好的比例是 9:16其次是 16:9。如果你的分镜脚本里写明竖屏漫剧那生图节点就必须固定 9:16否则视频生成模型会强行缩放人物脸被拉变形。另一个衔接点是图片文件格式。AI 生图节点返回的可能是图片 URL 或 Base64 字符串而 Seedance 节点大多数只接受 URL 形式。这就需要在工作流里加一个图像处理节点负责把 Base64 存成临时文件并返回 URL。如果你拿到的 zip 包只有 13 个节点没有专门的转换节点那大概率生图节点输出本身已经是可访问的 URL。衔接还涉及参考图的一致性。连续多张关键帧如果角色长相完全不同观众一眼就能看出穿帮。常见做法是先让 LLM 生成一份角色设定卡里面包含发型、瞳色、服装、配饰的固定描述然后在每个分镜画面的提示词里重复拼接这段描述。这套工作流里的 LLM 编排层本质是在帮图像层准备稳定锚点而不是让生图节点自由发挥。理解了这层关系你就知道为什么删减节点时不能把 LLM 层的结构化输出砍掉。3. 用 Coze 平台跑通这套工作流导入 zip、配置节点密钥与第一次生成标题里的 zip 包不是直接扔进 Coze 就能跑的可执行文件它更接近一份工作流备份。导入之后要检查各节点引用的模型、密钥和变量名是否与你的工作空间一致。下面我按导入到跑通一个最小样本的顺序把每一步需要落地的配置写清楚。3.1 导入 zip 包到 Coze从上传到节点连线的前三步先在本地把 zip 包解压确认里面的工作流文件结构。解压命令在 Linux 和 macOS 上都是通用的unzip manju_master_seedance.zip -d manju_master ls -la manju_master如果解压出来能看到类似.json或.yaml的流程定义文件说明这个包是标准的可导入格式。如果里面全是图片和视频素材那这个 zip 更可能是案例参考包不是工作流文件不能直接导入。确认是流程定义文件后登录 Coze 控制台进入自己的工作空间找到工作流列表选择导入工作流入口把解压后的文件拖进去。导入成功后不要立刻点击运行。先打开画布按从上到下的顺序检查节点连线。常见的问题是导入时平台版本差异导致部分插件节点被标红这时候需要手动删除旧插件节点再重新添加对应功能的新节点。跑通前还要做一次变量名检查。在 Coze 工作流里变量名是严格区分大小写的。导入包里如果用到{{characterName}}而某个节点里写的是{{character_name}}运行时会直接报变量未定义。我在第一次导入这类成品包时吃了不少亏后来养成习惯先打开每个节点的变量引用面板把{{...}}里出现的字段名全部抄到一个文本文件里再对照上游输出字段逐个勾销。这一步花十分钟能省掉后面来回排查的两小时。3.2 配置 LLM 节点提示词模板与变量映射导入之后最关键的是把 LLM 节点的模型选成你自己账号有权限的模型并确认提示词里引用的输入变量是真实的。一个典型的分镜生成节点核心配置大概是{ input: {{start.user_idea}}, role_setting: 你是一位漫剧编剧擅长把短故事拆成镜头感强烈的分镜。, instruction: 根据输入创意生成 6 个镜头每个镜头包含 description、shot_size、dialogue、duration 四个字段。只输出 JSON 数组不要输出任何解释。, temperature: 0.7, max_tokens: 2048, response_format: json_object }这里input的值{{start.user_idea}}表示从开始节点的user_idea字段取值。Coze 工作流里所有节点输出都统一挂在{{节点名.字段名}}下节点名如果带空格还要在引用时保持完全一致。temperature这里设 0.7 是合理起点既能保证创意发散又不会让分镜结构跑得太散。我一般会把 LLM 的response_format强制设成 JSON并把预期 schema 写进提示词里。这样下游节点取字段时不会面对一段夹杂着解释文本的乱输出。注意如果导入的包原本用的是 OpenAI 兼容接口或本地大模型提示词里的 JSON 模式写法可能不生效需要在 Coze 的模型参数面板里手动打开结构化输出开关。3.3 接通 AI 生图与 Seedance图片尺寸、模型选择和 API Key 检查AI 生图节点和 Seedance 节点是整个工作流里最容易配置出错的地方因为它们通常需要独立的密钥或服务授权。生图节点一般会要求你选择一个图像生成服务并在节点配置里填入 API Key。在你的服务商后台把 Key 复制出来之前先确认工作流里引用的模型名称是否还存在很多平台升级后模型 ID 会变旧 Key 对应的模型权限可能已经失效。接好生图节点后把测试图片生成到本地检查一次。这里我不建议直接在工作流里跑整条链路而是先单独运行生图节点看输出的图片 URL 是否可直接访问。如果 URL 带签名且 5 分钟内有效那 Seedance 节点必须在该时间内执行否则图片 URL 过期会导致视频生成失败。Seedance 节点配置的核心是输入图片字段、视频时长和运动强度。常规代码如下这里的示意结构用于说明配置映射# 示意Coze 工作流里 Seedance 节点的调用逻辑 payload { image_url: {{image_gen.output_url}}, duration: 4, # 单位秒漫剧镜头通常 3-6 秒 motion_level: 2, # 1小幅度动作2中等3大幅度运动 aspect_ratio: 9:16 }注意image_url来自上游image_gen节点不是 LLM 节点生成的文本。如果这个字段在导入包时被误映射到了{{llm_node.script}}Seedance 会收到一个长字符串而不是可访问图片接口大概率直接报参数类型错误。正确顺序是生图节点的输出 URL 先存入image_gen.output_url再被 Seedance 节点读取。4. 把漫剧质量调上去LLM 提示词、AI 生图一致性与 Seedance 时长参数跑通一条工作流和把漫剧质量做得能对外发布中间隔着一大堆参数调优。第一节跑起来只是验证链路真正决定成品观感的是下面三类参数LLM 生成脚本时的随机度、生图时的一致性控制、Seedance 的动态参数。很多人拿到工作流后只改提示词不改这些参数导致同一个包在两个账号下产出完全不同的效果甚至一个稳定一个崩。4.1 剧本生成的三个必调参数温度、top_p 和输出长度LLM 节点的参数不是玄学它们直接控制分镜脚本的发散程度。temperature决定生成文本的随机性调得越高同一段输入产出的剧情差异越大调得太低又会变成套话连篇。漫剧脚本需要一定戏剧冲突我一般把temperature设在 0.7 到 0.85 之间。做悬疑题材可以稍微上浮做温馨日常就控制在 0.6 左右。top_p是另一种控制概率密度的方法和temperature同时调节时会互相影响。Coze 平台里的 LLM 节点通常默认同时暴露这两个参数。稳妥做法是先固定top_p为 0.9只调temperature避免两个参数一起变化时不知道是谁引起了效果变化。输出长度max_tokens是最保守的参数但也最容易被忽略。分镜生成节点如果输出 20 个镜头每个镜头 50 字左右那单次响应就会超过 2000 token。建议先按你需要的镜头数量乘单镜头预估 token 数再留 30% 余量。镜头数量越少每个镜头的画面细节应当越丰富不要为了省 token 把镜头描述全写成人物站在房间里这种空话。4.2 图像一致性调整角色描述锚点、参考图权重和种子漫剧翻车有一半是因为角色前后长得不一致。工作流里的生图节点如果每次只按一个女孩站在街头这种描述生成那出来的每次都是不同的人。解决办法是把角色描述做成复用锚点。角色锚点每个分镜提示词都拼接这段 银白色长发琥珀色眼睛左眼角有一颗泪痣身穿深蓝色风衣白色高领毛衣腰间挂着银色怀表整体画风为日系赛璐璐漫画风格。这段锚点要放在 LLM 节点输出分镜提示词的模板里让每个镜头的画面描述都从锚点开始再补充当前镜头的动作、背景、构图。生图节点支持seed参数的话尽量固定同一个 seed 值。固定 seed 能让你在调试提示词时更容易对比效果不会因为每次随机种子不同而误判是提示词变了还是运气变了。另一种提高一致性的办法是使用参考图功能。很多生图服务支持传入角色参考图作为输入条件工作流里可以加一个节点专门保存角色定妆照。但注意参考图权重不要调满调满会直接复制原图构图导致每个镜头的姿势和表情都一模一样。我通常把参考图权重设在 0.3 到 0.5 之间只约束人物长相保留动作空间。4.3 Seedance 生成参数时长、运动强度和关键帧数量Seedance 视频生成节点的参数里duration和motion_level是成对的。把一张静态图片变成视频模型只能在图片内容基础上做合理运动。如果duration设 6 秒而motion_level设 3模型被迫在大运动强度下长时间生成很容易出现肢体扭曲和背景拉伸。漫剧的镜头时长按 3 到 5 秒比较安全motion_level初始设 2等看过结果再逐步调整。关键帧数量不是越多越好。一套 13 节点工作流里种子视频层输入可能只是一张关键帧也可能是多张关键帧的组合。输入多张关键帧时Seedance 需要处理好帧与帧之间的过渡这对复杂场景是加分项但对简单对话场景反而容易产生闪烁感。我自己的做法是动作戏用两张关键帧做转场文戏只用一张关键帧靠镜头模拟缓慢推近。另外Seedance 对长文本文字非常不友好。如果关键帧图片里带有大段字幕或弹幕视频生成时会把这些文字变成乱码色块。所以在生图提示词里就要禁止生成文字字幕等后期阶段再叠上去不要指望 Seedance 帮你保留文字内容。5. 常见问题排查与避坑云端超时、角色漂移和 Seedance 崩坏怎么处理这一章是血泪经验汇总。漫剧大师极速版这类工作流在别人手里跑得顺畅自己导入后总会冒出一堆环境差异导致的怪问题。下面几条是我在实际使用中反复踩过的坑按现象、原因、解决的顺序写清楚方便你直接对照排查。5.1 云端节点超时大模型生成脚本太长导致执行中断现象工作流运行到 LLM 分镜节点时一直卡在运行中状态最后提示执行超时或者请求被中断。原因漫剧脚本生成节点要求输出的分镜数量太多单次输出超过大模型上下文窗口或服务平台的单次请求限制。很多模板默认要生成 10 到 12 个分镜但实际上某些模型的输出上限只有 4000 到 6000 token一旦触顶就整体失败。解决把单个 LLM 节点的镜头数量减少一个节点只生成 5 到 6 个镜头。如果需要 12 个镜头就拆成两个 LLM 节点串联第一个生成前 6 个镜头第二个接收前 6 个镜头继续生成后 6 个。同时把提示词里的生成完整剧本再输出改成每镜头只写必要信息压缩不必要的修饰词。5.2 角色漂移同一角色前后两张图脸变了现象同一个角色在两集里的脸完全不一样甚至同一集前后两个镜头里发型都变了。原因生图节点没有使用角色锚点描述也没有固定 seed。分镜提示词里只写了动作和场景没有把人物外观特征放进去或者使用了参考图权重太低参考图没能约束人物长相。解决把角色描述固化成一段锚点文本在 LLM 节点生成每个分镜提示词时强制拼接。生图节点里固定 seed 值并且打开参考图模式把角色定妆照作为参考输入权重调到 0.4 左右。如果还是没有效果检查参考图本身的分辨率和画风是不是和生图节点默认风格差太多。5.3 Seedance 崩坏图片送进去返回乱码或画面扭曲现象生图节点输出的图片质量肉眼看起来很好但作为 Seedance 输入后生成的视频出现人脸变形、四肢错位、背景扭曲甚至整个画面变成彩色噪声。原因输入图片尺寸与 Seedance 预期宽高比不匹配或者图片内容过于复杂。Seedance 对结构化图案、密集纹理、小尺寸文字的反应特别差。另外运动强度设置过高模型无法在当前图片细节下生成流畅运动。解决生图节点里把分辨率设置为 9:16 或 16:9 后再在视频生成节点里确认宽高比完全一致。降低motion_level到 2 以下先跑一个 3 秒测试片段。如果扭曲仍然存在检查图片中是否包含密集的网格、水印或文字有的话在提示词里明确写无文字无水印纯色背景。5.4 变量透传失败下一个节点拿不到上一个节点的输出现象工作流没有报错但下游节点输出是空的或者视频生成节点明明收到图片链接却显示参数错误。原因上游 LLM 节点输出的是 JSON 字符串下游节点没有做解析直接当成对象来取字段。Coze 里的 JSON 输出节点默认返回一个字符串你必须加一个代码节点或使用平台自带的解析规则把{{llm_node.output}}转成{{llm_node.output.description}}才能读字段。解决在节点之间插入一个JSON 解析步骤或者在上游节点配置里把response_format设为结构化输出让平台自动解析。如果平台限制只能返回字符串就在代码节点里写import json data json.loads({{llm_node.output}}) return {shot_desc: data[0][description]}这个节点的输出才是干净的shot_desc字段。很多漫剧工作流从 Demo 环境迁移到正式环境后出这个问题核心原因就是两边的 JSON 处理机制不一致。6. 进阶把节点压缩到 9 个用批量队列和 API 编排量产漫剧跑熟之后你会发现 13 个节点里有几个是做日志记录和调试用的在生产环境可以删掉。我一般会把最后的节点压缩到 9 个开始节点、LLM 剧情生成、LLM 分镜拆解、图像生成、Seedance 视频生成、输出节点外加一个数据缓存节点和一个错误处理节点。减去的是重复的参考图预处理节点和中间变量展示节点。这样单次运行时间更短云端超时概率也更低。再做量产的思路是换掉手动输入创意描述的启动方式。Coze 工作流可以作为 API 被外部程序调用你把工作流发布成 API 后用脚本批量喂入不同题材的创意描述即可。# 批量调用 Coze 工作流 API 生成漫剧素材 ideas [ 落魄书生误入妖怪赌坊靠画符出千, 外卖员穿越到魔法学院当食堂阿姨, ] for idea in ideas: result coze_flow_api.invoke(inputidea) save_video(result.mp4, slugidea[:6])这样做的前提是你已经把工作流里所有节点都调稳定不要在一个还在改动参数的工作流上跑批量任务不然会攒下一大批报废素材。我自己的习惯是先手动跑通 3 个不同题材确认角色一致性和 Seedance 稳定性没有大问题再上队列。如果想让这套方案更省人工还可以再加一个循环节点把分镜拆解、生图、Seedance 生成三个步骤包成子工作流外部流程循环读取镜头列表依次产出每个镜头的视频文件。这样 9 个主节点加 1 个子工作流就能做到输入一集故事大纲、输出一整集漫剧分镜视频。至于每个镜头是 3 秒还是 5 秒建议在批量前用一集样本对比一下节奏你会发现 4 秒在很多平台上最不容易翻车。这套工作流的方向值得投入但别把它当成黑匣子。你要能随时打开每个节点修改提示词和参数否则平台模型一更新你的成品质量立刻走下坡路。希望帮到你。本文还有配套的精品资源点击获取