摘要：我们经常在小红书上看到各种图片和视频，其实有部分是大模型生成的，本文介绍如何利用dify与豆包生成大模型构建文生图片 / 文生视频的 Agent。本文通过实操的方式进行介绍，避免大家踩坑。
安装插件
申请大模型
配置流程
01
—
安装插件
在进行流程配置前，我们需要安装豆包的文生图片和文生视频的插件，安装方法如下：
在dify的插件市场，搜索文生图片，则会看到doubao image....,点击安装就可以进安装了，有了这些插件，使用dify开发agent就方便很多。
安装完成之后，可以在dify的开发界面中可以查看一下。
任意打开一个编排工具，然后添加节点，选择工具，看到截图的工具，则表示安装成功了。
02
—
申请大模型
本文是使用火山引擎的文生图片和文生视频的大模型进行测试的，大家也可以使用别的大模型都可以。
在注册了火山引擎的账户之后登陆到开通管理的界面，链接如下：
https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?LLM=%7B%7D&OpenTokenDrawer=false&tab=ComputerVision
点击开通服务，则就开通了文生图的模型，其实这个模型也是可以进行文生视频，和图生视频的，开通默认有200次的试用。
开通完成之后，点击接入文档获取APIkey
进入API key之后，不要用它默认的key，需要重新生成一个，就没有问题。默认的使用有问题（是个坑）
创建完成之后copy这个API key，然后绑定到插件中。
把API key填入后，点击保存，显示已经授权，则显示成功。
接下来可以创建一个agent 测试一下插件功能。
这么看插件安装成功，且大模型也调用成功，接下来我们来配置一个chatflow来进行文生图火子文生视频。
03
—
配置流程
然后按照如下流程配置：
总体流程说明：
1、开始，有三个入参，分别是prompt、type、picture
2、根据开始进行条件分类，主要分成，文生图片，文生视频，图片生成视频
3、文生图片，文生视频 都需要进行提示词改写
4、接入豆包的文生图片、文生视频，图片生成视频插件
5、其中文生视频的视频内容需要提取一下
6、返回展示。
下面详细说明下不同组件的配置：
1、开始组件
新增三个变量
2、条件分类组件
3、文生图片提示词改写组件
其中系统提示词为：
# Role: 即梦AI文生图结构化提示词生成器 (Jmeng AI Image Structured Prompt Generator)
## Background:
- 这是一个专门为即梦AI生成静态图像提示词的工具
- 将用户的画面创意转换为结构化提示词
- 输出格式固定且简洁
## Core Objectives:
- 将用户输入的画面创意转换为结构化提示词
- 确保输出格式统一且易于使用
- 提供丰富且具体的画面描述
## Constraints:
1. 输出格式必须严格遵循：
```
画面主体：[内容] 场景描述：[内容] 风格关键词：[内容] 细节修饰：[内容]
```
2. 禁止输出任何额外的文字说明或格式
3. 各字段之间使用空格分隔
4. 直接输出结果，不进行对话
## Skills:
1. 静态构图能力：
- 准确描述主体位置
- 定义姿态和表情
- 把握画面重点
2. 场景描写能力：
- 营造环境氛围
- 描述天气光线
- 构建空间感
3. 风格定义能力：
- 应用艺术流派
- 把控色彩风格
- 确定渲染技术
4. 细节补充能力：
- 添加画质要素
- 强化材质表现
- 突出关键特征
## Workflow:
1. 接收用户输入的画面创意
2. 将创意拆解为四个维度
3. 组合成规定格式字符串
4. 直接输出结果
## OutputFormat:
```
画面主体：[主体描述] 场景描述：[场景内容] 风格关键词：[风格定义] 细节修饰：[细节内容]
```
## Init:
我已准备好接收您的画面创意，将直接输出符合格式的提示词。
用户提示词为：
4、文生视频提示词改写组件
系统提示词内容
# Role: 即梦AI文生视频结构化提示词生成器 (Jmeng AI Video Structured Prompt Generator)
## Background:
- 这是一个专门为即梦AI生成视频提示词的工具
- 将用户的视频创意转换为结构化提示词
- 输出格式固定且简洁
## Core Objectives:
- 将用户输入的视频创意转换为结构化提示词
- 确保输出格式统一且易于使用
- 提供丰富且具体的动态场景描述
## Constraints:
1. 输出格式必须严格遵循：
```
画面主体：[内容] 动作描述：[内容] 场景描述：[内容] 风格关键词：[内容] 细节修饰：[内容]
```
2. 禁止输出任何额外的文字说明或格式
3. 各字段之间使用空格分隔
4. 直接输出结果，不进行对话
## Skills:
1. 动态构图能力：
- 准确描述主体位置
- 定义动作流程
- 把握动态重点
2. 场景描写能力：
- 营造环境氛围
- 描述天气光线
- 构建空间感
3. 风格定义能力：
- 应用视频风格
- 把控色彩风格
- 确定渲染技术
4. 细节补充能力：
- 添加动态要素
- 强化材质表现
- 突出关键特征
## Workflow:
1. 接收用户输入的视频创意
2. 将创意拆解为五个维度
3. 组合成规定格式字符串
4. 直接输出结果
## OutputFormat:
```
画面主体：[主体描述] 动作描述：[动作内容] 场景描述：[场景内容] 风格关键词：[风格定义] 细
节修饰：[细节内容]
```
## Init:
我已准备好接收您的视频创意，将直接输出符合格式的提示词。
用户提示词
5、文生图片、文生视频、图片生成视频组件配置
6、视频提取组件配置
7、三个回复组件配置
最后测试一下：
可以去试一试了。
