Gateway 网关坑我！ 被这个 问题折腾了一年？

县尉浅廖什么是混剪视频

混剪视频是指将多个视频片段、图片或音频素材进行剪辑组合，创造出新的视频内容。

随着Coze上线联动剪映功能，混剪视频制作正在进入自动化时代，为创作者带来巨大便利。

图中展示了混剪视频的部分案例，它们呈现了AI自动化的特点：

高效自动化处理：AI可以自动完成琐碎的剪辑工作，让创作者省下大量时间专注于项目策划和创意。

批量素材产出：特别适用于抖音、小红书和视频号等平台上的养生、科普、心理、疗愈等垂直领域，可以自动化批量生产图片和视频素材。

数据表现优异：通过AI辅助生成的混剪视频内容，往往能获得良好的点赞和收藏数据，具有较高的用户互动价值。

image.png

自动化混剪视频不仅提高了内容生产效率，还为创作者开辟了多种变现渠道：

引流获客：通过优质内容吸引目标受众

知识变现：通过教学传授技术

工具变现：将搭建好的工作流作为产品销售

混剪视频的自动化制作，正在重塑内容创作领域的生产方式，为创作者提供了更高效的工具和更广阔的商业可能。

无论是个人创作者还是内容团队，都能借助这一技术降低制作成本，提升内容质量，在激烈的内容竞争中脱颖而出。

2 治愈老奶奶智能体

在当今高压社会中，超过88%的年轻人长期承受压力。

治愈系短视频作为一种"电子安慰剂"，正好满足了年轻人的心理需求，自然成为吸引流量的内容。

这类视频之所以受欢迎，是因为它们能快速激活观众体内的多巴胺和血清素，带来即时的心理放松感。

传统短视频制作过程繁琐费时，而现在借助AI技术，视频文案可以一键智能生成。

我们可以创建一个治愈系老奶奶智能体，用于批量生成治愈系短视频。

通过精心设计提示词和工作流，AI能自动生成符合治愈气质的文案、配音和分镜脚本。

搭建治愈老奶奶智能体主要分为两个步骤：搭建工作流和设置智能体。

2.1 搭建工作流

治愈老奶奶工作流的整体预览。

image.png

工作流的整体执行流程如下：

通过大模型生成高质量的语录文案

将文案精确切分为简短句子，并清除所有空字符串

使用大模型为每段文案创建匹配的配图描述

利用AI图像生成技术，制作富有治愈感的老奶奶配图

自动生成符合剪映格式的完整视频文件

2.2 设置智能体

配置人设与交互逻辑：设置治愈老奶奶智能体的性格特点、回复风格和决策流程

设置快捷指令：将工作流与智能体关联，实现特定任务的自动执行

测试与发布：执行全面功能测试，确认各项功能正常后将智能体正式发布上线

3 搭建工作流

登录Coze官网，在“资源库-工作流”里新建一个空白工作流，取名“zhiyu_laonainai”。

3.1 配置开始节点

这里用于定义工作流启动时所需的输入参数。

输入：

topic：治愈短视频主题

image.png

3.2 配置“输出语录文案”大模型节点

我们通过大模型节点，输出语录文案。

模型：豆包·1.5·Pro·32k

输入：

input：选择开始节点的topic

image.png

系统提示词：

你是一位知心老奶奶，根据用户提出的话题，生成1段简短的感悟语录，极简风格，句子简短、治愈、有内涵。

## 格式

整句之前使用句号间隔，字数限制50字。

## 限制

直接输出语录文案。

接下来，配置用户提示词与输出变量。

用户提示词：

主题：{{input}}

输出：

output：语录文案

image.png

3.3 配置“文本处理”节点

接下来，我们需要将语录文案精确切分为简短句子，我们添加“文本处理”节点。

输入：

String：从“输出语录文案”大模型节点的输出中，选择output

分隔符：选择句号、逗号、分号、感叹号、问号。

image.png

3.4 配置“移除空字符串”代码节点

将语录文案切分成短句后，我们需要通过代码节点移除空字符串，我们添加“代码”节点。如图所示。

输入：

texts：从“文本处理”节点的输出中，选择output

输出：

textList：处理后的短句数组，类型为Array

image.png

处理文本的Python代码如下，它会清除数组中的空字符串并去除文本前后的空格：

async def main(args: Args) -> Output:

params = args.params

texts = params.get('texts',"")

# 移除数组中可能存在的空字符串元素

texts = [t.strip() for t in texts if t.strip()]

ret: Output = {

"textList": texts

}

return ret

3.5 配置“配图文案”大模型节点

接下来，我们需要通过大模型节点生成配图文案。

这个节点会将我们之前处理好的短句转化为详细的图像描述提示词，为下一步的图像生成做准备。

在这一步，我们将使用批处理功能来高效地处理短句数组。如图所示。

选择“批处理”标签

模型：豆包·1.5·Pro·32k

批处理：

text：从“移除空字符串”代码节点的输出中，选择textList变量

输入：

input：从“大模型配图文案”大模型节点的中，选择text变量

image.png

系统提示词：

# 角色

你是一位经验丰富且亲切温暖的老奶奶语录视频剪映草稿生成专家，以老奶奶的身份，结合一只的猫咪，根据用户提供的文案和语境，创作出适合用于制作老奶奶语录视频剪映草稿的温馨绘画提示词。绘画提示词需呈现不同情景，输出内容限定为人物、动作和物品。

## 技能

### 技能 1: 生成绘画提示词

1. 仔细分析用户提供的文案和语境。

2. 基于分析结果，构思不同的温馨场景。

3. 按照要求输出人物、动作和物品，形成绘画提示词。

- 示例：老奶奶坐在摇椅上，猫咪躺在脚边的毛毯上。

- 示例：老奶奶站在窗边，猫咪在窗台上蹭着她的手。

- 示例：老奶奶坐在暖暖的阳光下，手里拿着一本旧书，猫咪蜷在她膝盖上打盹儿

- 示例：老奶奶坐在暖暖的阳光下，手里拿着一本旧书，猫咪蜷在她膝盖上打盹儿

- 示例：老奶奶坐在打理花园，给花浇水

4.每次只需要输出一条提示词。

## 限制:

- 仅围绕生成符合要求的绘画提示词进行回复，不回答其他无关问题。

- 输出内容必须简洁呈现人物、动作和物品。

接下来，配置用户提示词与输出变量。

用户提示词：

用户提供文案：{{input}}

输出：

output：配图文案

outputList：配图文案数组

image.png

3.6 配置“批处理”节点

接下来，我们使用批处理节点，批量生成治愈老奶奶图片。

循环设置

并行运行数量：2

批处理次数上线：100

输入：

promptList：从“大模型配图文案”大模型节点的输出中，选择outputList

textList：从“移除空字符串”代码节点的输出中，选择textList变量

输出：

imageList：从“图像生成”节点的输出中，选择data，类型为Array（需要先配置批处理体中的“图像生成”节点）

image.png

3.7 配置批处理体的“图像生成”节点

接下来，我们配置批处理体的“图像生成”节点，新建“图像生成”节点。

模型：通用-Pro

比例

4:3(1024*768)

宽1024；高768

输入：

prompt：从“批处理”节点的输出中，选择output

text：从“批处理”节点的输出中，选择text

正向提示词：

纯色背景，上方留白，一位头发灰白、脸颊圆润的老奶奶，头顶写着“{{text}}”的文字内容，{{prompt}}，脸颊泛红、嘴角上扬露出愉悦笑容，整体画面色彩柔和温暖、线条简洁流畅，有着可爱温馨的卡通风格，简笔画，彩铅手绘，治愈系插画，富有童趣，笔触简单，有线条感。

image.png

3.8 配置“处理图片与音频”代码节点

接下来，我们需要添加一个"代码"节点来处理图片与音频，这是整个流程中的关键步骤。

该节点将执行两项主要任务：首先，将批量生成的老奶奶图片整理为剪映可识别的数据结构；其次，配置背景音乐信息，确保视频有良好的听觉体验。

输入：

imageList：从“批处理”节点的输出中，选择imageList

输出：

imgs：处理后的图片json数据结构，类型为String

audio_infos：背景音乐的json数据结构，类型为String

image.png

处理文本的Python代码如下：

import json

async def main(args: Args) -> Output:

params = args.params

# 构建输出对象

img_list = params.get("imageList", [])

imgs = []

# 构建治愈老奶奶的图片输出结构

img_start = 0

for element in img_list:

start = img_start

end = img_start + 3000000 # 3秒

imgs.append({

"image_url": element,

"width": 1024,

"height": 768,

"start": start,

"end": end,

"transition": "翻页",

"transition_duration": 1000000 # 1秒

})

img_start = end

# 构建背景音乐的输出结构

total_duration = len(img_list) * 3000000

audio = [

{

"audio_url": params.get("audio_url","https://vtang.oss-cn-hangzhou.aliyuncs.com/2025-10-06-lnn.mp3"),

"duration": total_duration,

"start": 0,

"end": total_duration

}

]

# 构建输出对象

ret = {

"imgs": json.dumps(imgs),

"audio_infos": json.dumps(audio)

}

return ret

3.9 配置“create_draft”节点

我们使用“视频合成_剪映小助手”的create_draft工具，创建一个剪映草稿。

输入：

height：草稿高度768

width：草稿宽度1024

image.png

3.10 配置“add_images”节点

我们使用"视频合成_剪映小助手"的add_images工具，为剪映草稿批量添加图片。

输入：

draft_url：从“create_draft”节点的输出中，选择draft_url

image_infos：从“处理图片与音频”节点的输出中，选择imgs

image.png

3.11 配置“add_images”节点

我们使用"视频合成_剪映小助手"的add_images工具，为剪映草稿批量添加图片。

输入：

draft_url：从“create_draft”节点的输出中，选择draft_url

audio_infos：从“处理图片与音频”节点的输出中，选择audio_infos

image.png

3.12 配置“add_audios”节点

我们使用"视频合成_剪映小助手"的add_audios工具，为剪映草稿批量添加音频。

输入：

draft_url：从“create_draft”节点的输出中，选择draft_url

audio_infos：从“处理图片与音频”节点的输出中，选择audio_infos

image.png

3.13 配置“save_draft”节点

我们使用"视频合成_剪映小助手"的save_draft工具，保存剪映草稿。

输入：

draft_url：从“create_draft”节点的输出中，选择draft_url

image.png

3.14 配置“gen_video”节点

我们使用"视频合成_剪映小助手"的gen_video工具，在云端渲染视频。

输入：

api_token：API秘钥

draft_url：从“create_draft”节点的输出中，选择draft_url

image.png

3.15 配置结束节点

最后，配置结束节点，输出剪映草稿、视频渲染地址。

输出：

video_url：从“gen_video”节点的输出变量中，选择video_url

draft_url：从“create_draft”节点的输出中，选择draft_url

回答内容：

剪映草稿：

{{draft_url}}

视频渲染地址：

{{video_url}}

image.png

4 设置智能体

经过上述步骤的配置，我们已经完成了治愈老奶奶智能体的工作流设计。

在本节中，我们将把这个工作流正式部署为一个可用的智能体。

4.1 新建智能体

在Coze平台创建一个新的智能体，命名“视频数据复盘智能体”。

image.png

4.1 设置人设与逻辑

在人设与逻辑窗口中，配置智能体的处理逻辑。

当用户发送短视频主题后，使用{{zhiyu_laonainai}}工作流，生成治愈老奶奶短视频。

4.1 绑定工作流

把“zhiyu_laonainai”工作流加进来，让智能体在合适的时机自动调用它。

image.png

5.3 测试并发布

最后，我们需要测试智能体是否能一键生成短视频。

我们向智能体输入"总是焦虑怎么办"这个短视频主题，请求它生成一段治愈短视频。

image.png

智能体处理完成后，会返回两个链接地址。我们只需复制视频渲染地址，在浏览器中打开，即可看到成功生成的短视频。确认正常后将智能体正式发布到生产环境。

image.png