你是不是也刷到过那些让人眼前一亮的探店视频精美的画面、流畅的转场、恰到好处的文案让人忍不住想点进去看看。但一想到制作这样的视频需要写脚本、找素材、学剪辑、配音乐……是不是瞬间就头大了尤其是对于内容创作者、本地商家或者想尝试短视频副业的小白来说时间和技能门槛是最大的拦路虎。现在一个全新的可能性出现了用 AI 智能体平台 Coze 结合 Sora2 这样的视频生成模型你只需要输入一个想法就能“一键”生成完整的探店视频初稿。这听起来像魔法但背后是一套清晰、可复现的工作流。然而网上很多教程只展示了“能跑通”的简单例子真正想做出可用、有商业价值的视频从提示词设计到工作流编排每一步都有门道。这篇文章我将为你拆解一个从 0 到 1 的完整实操流程。我们不止步于“生成一段视频”而是要解决一个真实问题如何为一家虚构的“城市书房”咖啡馆制作一个 30 秒的沉浸式探店短视频。你将学到的不只是点击哪个按钮而是如何精准构思视频主题和分镜让 AI 理解你的意图。如何在 Coze 中搭建一个自动化工作流串联文案、分镜、视频生成和后期建议。如何设计有效的提示词Prompt来“指挥”Sora2 这类模型生成符合预期的画面。整个过程中的关键技巧、常见“翻车”点及应对方案。无论你是想探索 AI 视频生成可能性的开发者还是寻求效率工具的内容创作者这篇“喂饭级”教程都将提供一条清晰的路径。我们开始吧。1. 核心思路为什么是 Coze Sora2在深入步骤之前我们先要理解这个组合的“威力”来源以及它到底改变了什么。传统视频制作流程大致是创意构思 - 撰写文案/脚本 - 拍摄/收集素材 - 剪辑软件合成 - 配音配乐 - 输出成品。这个过程高度依赖人的创意、拍摄技巧和后期软件操作能力。Coze Sora2 的 AI 工作流则将其重构为创意构思 -用自然语言描述需求- AI 生成文案和分镜 - AI 根据分镜生成视频片段 - 人工微调与合成。最大的变化在于“拍摄”和“基础剪辑”这两个耗时最长的环节被 AI 化了。Coze 的角色它是一个智能体Agent开发与编排平台。你可以把它想象成一个可视化的“编程”环境但用的是“插件”、“工作流”和“知识库”这些模块。在这里你无需编写复杂代码就能创建一个能理解你指令、按步骤调用不同 AI 能力如文案生成、视频生成的自动化机器人。Sora2 的角色它是文生视频Text-to-Video模型的代表。你给它一段详细的文字描述它就能生成一段匹配的动态视频。它是整个工作流的“执行终端”负责将文字想象力转化为视觉画面。所以我们的目标不是在 Coze 里“使用”Sora2而是在 Coze 里搭建一个智能工作流这个工作流最终会调用类似 Sora2 能力的视频生成 API。由于 Sora2 本身可能尚未完全开放本教程将使用其理念和提示词技巧并介绍如何接入其他可用的视频生成服务如 Runway、Pika 等或等待未来 API 开放后的对接方式。这个方案最适合谁内容创作者/自媒体人快速生产视频创意初稿突破产能瓶颈。本地生活商家低成本制作店铺宣传、新品推介视频。产品经理/市场人员快速可视化创意概念用于内部演示或用户调研。AI 技术爱好者/开发者学习智能体和工作流编排探索 AIGC 应用落地。2. 环境与工具准备在开始搭建之前我们需要准备好“战场”。以下是核心工具清单Coze 平台账号访问 Coze 官网此处不提供具体网址请自行搜索“Coze AI”或“扣子”使用手机号或邮箱注册登录。目前个人使用有免费额度足够我们进行学习和测试。视频生成工具/API关键由于 Sora2 的公开 API 尚未普及我们必须准备一个替代方案。这里有几个主流选择本教程将以理念讲解和提示词设计为核心你可以根据自身情况选择接入点Runway Gen-2或Pika Labs提供文生视频功能的成熟在线工具部分有 API 接口。Stable Video Diffusion开源的文生视频模型可自行部署或使用托管 API 服务。其他国内外的视频生成 API 服务。重要提示Coze 工作流支持通过“自定义插件”功能调用外部 API。这意味着只要你选择的视频生成服务提供了 API你就能将其集成到 Coze 工作流中。本教程将重点讲解在 Coze 内部进行提示词工程、工作流逻辑编排并假设你已获得某个视频生成 API 的调用权限Key。思维准备清晰的视频主题我们以“城市书房咖啡馆”为例目标是制作一个突出“静谧”、“书香咖啡香交融”、“城市绿洲”感的短视频。基础的提示词概念知道如何通过描述场景、光线、运镜、风格来指导 AI。3. 第一步在 Coze 中创建智能体与工作流我们的主战场在 Coze。首先我们创建一个专为视频生成服务的智能体。登录 Coze进入控制台。点击“创建 Bot”为你的智能体起一个名字例如“探店视频生成助手”。可以简单描述它的功能“根据店铺信息自动生成探店视频文案、分镜并协调视频生成。”进入 Bot 编辑界面。这里主要包含“提示词”、“插件”、“工作流”、“知识库”等配置项。我们暂时跳过“提示词”直接进入核心——“工作流”。工作流是什么你可以把它理解为一张可视化的流程图。每个节点是一个步骤比如“生成文案”、“解析分镜”、“调用视频 API”。节点之间通过数据流连接上一个节点的输出可以作为下一个节点的输入。4. 第二步设计并搭建核心工作流这是本教程最核心的部分。我们将搭建一个包含以下关键节点的工作流开始 - 输入店铺信息 - AI生成视频文案 - AI解析文案为分镜描述 - 循环为每个分镜调用视频生成API - 收集所有视频片段 - 输出结果视频URL列表后期建议下面我们分步拆解如何在 Coze 工作流编辑器中实现它。4.1 创建起始与输入节点在 Bot 编辑页点击“工作流”标签然后“创建工作流”。系统会自动创建一个“开始”节点。从左侧组件库拖拽一个“文本输入”组件到画布并将其与“开始”节点连接。配置“文本输入”组件变量名shop_info显示名称请输入店铺信息描述请详细描述店铺名称、特色、氛围、主打产品等。例如“城市书房咖啡馆位于老街区拐角融合书店与咖啡厅。室内是暖色调木质装修有很多书架和绿植。主打手冲咖啡和每日现做甜品。氛围安静、文艺适合阅读和独处。”默认值可以填入我们的示例文本。这个节点用于接收用户最原始的创意输入。4.2 添加 LLM 节点生成视频文案我们需要一个大语言模型LLM来根据店铺信息创作一个短视频脚本。Coze 默认集成了多种模型如 GPT-4、云雀等。拖拽一个“LLM”组件到画布连接在“文本输入”节点之后。配置 LLM 节点模型选择选择你可用且能力较强的模型如 GPT-4。系统提示词System Prompt这里设定角色的核心指令至关重要。你是一位专业的短视频编导擅长创作沉浸式探店视频脚本。 你的任务是根据用户提供的店铺信息撰写一个时长约30秒的短视频文案。 文案要求 1. 整体风格沉浸式、电影感、突出氛围。 2. 结构开头吸引眼球中间展示细节结尾引发共鸣或行动号召。 3. 语言简洁、有画面感直接描述镜头看到的和听到的避免抽象形容词。 4. 长度控制在8-10个句子以内每个句子对应一个可能的镜头。 5. 输出格式纯文案文本不要编号不要标记“镜头一”。用户提示词User Prompt请为以下店铺创作探店视频文案{{shop_info}}{{shop_info}}会自动引用上一个节点的输出变量这个节点的输出将是一段优美的视频文案。4.3 添加第二个 LLM 节点解析分镜生成的文案是连贯的段落但视频生成 API 通常需要针对每一个独立镜头进行描述。所以我们需要另一个 LLM 节点将文案“拆解”并“强化”为分镜描述。再拖拽一个“LLM”组件连接在上一个 LLM 节点之后。配置此 LLM 节点系统提示词你是一位资深电影分镜师。请将给定的视频文案拆解并强化为一系列具体的、可供文生视频模型使用的分镜描述。 每个分镜描述必须独立、完整包含以下要素 1. **场景Scene**明确的地点与环境。 2. **主体Subject**画面核心是什么人物、物品。 3. **动作与运镜Action Camera**发生了什么镜头如何运动如缓慢推近、俯拍、特写、手持跟随。 4. **视觉风格Visual Style**参考的摄影或电影风格如富士胶片感、电影感、暖色调、浅景深。 5. **光线Lighting**光线条件如午后阳光透过窗户、暖色灯光、柔光。 请确保描述非常详细充满视觉细节避免模糊词汇。用户提示词请将以下视频文案解析为分镜描述列表{{前一个LLM节点的输出变量}}在 Coze 中你可以通过变量选择器选择上游节点的输出这里假设变量名为video_script输出格式处理为了后续循环处理我们最好让 LLM 以JSON 数组格式输出。可以在系统提示词末尾加上“请以 JSON 数组格式输出每个元素是一个分镜描述字符串。” 例如[ 电影感特写咖啡师正在冲泡手冲咖啡水流匀速注入滤杯热气袅袅升起背景是虚化的书架暖色调灯光。, 慢动作镜头一本旧书被轻轻翻开书页微微泛黄阳光在纸面上形成光斑手持微颤感。, 全景镜头扫过咖啡馆内部顾客安静阅读绿植点缀角落镜头缓慢右移营造宁静氛围。 ]4.4 添加循环与视频生成节点关键现在我们有了一组分镜描述JSON 数组接下来需要对每一个分镜调用视频生成 API。这需要用到“循环”逻辑。添加“循环”组件在组件库中找到“循环”或“For Each”组件拖入画布连接在分镜解析 LLM 节点之后。配置循环使其遍历上一个节点输出的 JSON 数组。假设数组变量名为shot_list循环会为数组中的每个元素item即一个分镜描述执行一遍循环体内的操作。在循环体内添加“代码”组件或“HTTP请求”组件这是调用外部视频生成 API 的地方。Coze 支持“代码”节点可写 Python/JS 代码和“HTTP 请求”节点。以“代码”节点Python为例# 代码节点示例调用一个假设的视频生成 API import requests import json # 从工作流变量中获取当前分镜描述 shot_description item # 循环传入的当前项 api_key YOUR_VIDEO_API_KEY # 请在环境变量或安全配置中设置 api_url https://api.example-video-service.com/v1/generate # 构建请求载荷这里以假设的 API 结构为例 payload { prompt: shot_description, model: sora2-like-model, # 或具体模型名 duration_seconds: 4, # 每个分镜生成4秒视频 resolution: 1024x576, style_preset: cinematic } headers { Authorization: fBearer {api_key}, Content-Type: application/json } try: response requests.post(api_url, jsonpayload, headersheaders) response.raise_for_status() # 检查HTTP错误 result response.json() # 假设API返回一个包含视频URL的字段 video_url result.get(data, {}).get(video_url) if video_url: # 将结果追加到一个列表中这个列表需要在循环外初始化 # 在Coze中通常通过“设置变量”节点来收集循环结果 # 这里我们直接返回由工作流引擎收集 return { shot_description: shot_description, video_url: video_url, status: success } else: return {status: error, message: No video URL in response} except Exception as e: return {status: error, message: str(e)}重要提示你需要将api_key、api_url和payload结构替换成你实际使用的视频生成服务的 API 文档说明。API Key 务必不要在代码中硬编码应使用 Coze 的“环境变量”或“密钥管理”功能存储。收集循环结果循环组件会自动收集每次迭代的输出。你需要配置循环组件将输出合并为一个列表例如generated_videos其中每个元素都包含shot_description和video_url。4.5 添加最终输出与建议节点视频生成完成后我们可以让另一个 LLM 节点对成果进行总结并给出简单的后期建议。在循环节点之后添加一个“LLM”组件。配置其系统提示词为视频剪辑助手角色用户提示词为我们已经根据以下分镜生成了视频片段{{generated_videos}}。请总结一下并给出一份简单的后期剪辑建议如片段顺序、转场建议、可添加的背景音乐类型。最后添加“文本输出”组件将最终的视频 URL 列表和后期建议展示给用户。至此一个完整的自动化工作流就搭建完成了。你的工作流画布应该看起来像一个有明确流向的管道图。5. 核心技巧如何写出 Sora2 级别的视频生成提示词工作流是骨架提示词才是灵魂。直接调用 API 时提示词的质量直接决定视频的成败。以下是为“城市书房咖啡馆”设计分镜提示词的实战技巧糟糕的提示词“一个咖啡馆里面有很多书看起来很安静。”过于模糊缺乏细节和控制优秀的提示词电影感特写镜头聚焦于咖啡师的手正在缓慢、稳定地倾倒细口壶将热水注入装有现磨咖啡粉的陶瓷V60滤杯中。蒸汽缓缓上升光线是温暖的侧逆光来自一扇布满雨滴的窗户在咖啡壶和手上形成柔和的高光。背景是虚化的、摆满旧书的橡木书架色彩风格偏向富士胶片Classic Neg.浅景深画面稳定。拆解其优秀之处镜头语言明确“电影感特写镜头”、“聚焦于……的手”、“背景虚化”、“浅景深”。这直接告诉模型构图和景别。主体与动作具体“咖啡师的手”、“倾倒细口壶”、“注入V60滤杯”。避免了“做咖啡”这种笼统描述。光线与氛围“温暖的侧逆光”、“来自布满雨滴的窗户”、“柔和的高光”。光线是营造氛围的关键。视觉风格“色彩风格偏向富士胶片Classic Neg.”。给模型一个明确的视觉参考锚点。运动与质感“缓慢、稳定地”、“蒸汽缓缓上升”、“画面稳定”。定义了动态的节奏和质感。通用公式参考[镜头类型/运镜] [画面主体] [正在进行的详细动作] [环境/背景] [光线条件] [色彩/视觉风格] [其他质感如颗粒感、慢动作]在你的工作流中第二个 LLM 节点解析分镜的任务就是把普通的文案转化成符合这个公式的、高质量的详细描述。6. 运行工作流与效果验证在 Coze Bot 界面点击右上角“发布”你的智能体。在发布后的对话界面或在工作流编辑界面点击“测试”即可触发工作流。系统会首先弹出“请输入店铺信息”的输入框。填入我们的示例文本。点击确定工作流开始自动执行。你可以看到每个节点的执行状态运行中/成功/失败。预期成功输出最终“文本输出”节点会显示一个结构化结果。例如## 视频片段生成完成 **片段1 (特写-冲泡咖啡):** 描述电影感特写镜头咖啡师冲泡手冲咖啡... 生成视频链接[点击查看](https://...video1.mp4) (注链接需替换为真实API返回) **片段2 (特写-翻开书本):** 描述慢动作翻开旧书... 生成视频链接[点击查看](https://...video2.mp4) **片段3 (全景-环境):** 描述全景扫过安静阅览室... 生成视频链接[点击查看](https://...video3.mp4) ## 后期剪辑建议 1. 顺序建议以片段3环境全景开场接片段1咖啡特写突出特色再穿插片段2书本细节丰富内容。 2. 转场可使用柔和的淡入淡出或轻微缩放转场保持整体宁静感。 3. 音乐建议选择纯音乐如轻柔的钢琴曲或爵士乐节奏舒缓。重要视频链接能否直接播放取决于你调用的 API 服务。有些会返回临时预览链接有些需要下载到本地。7. 常见问题与排查思路在实践过程中你可能会遇到以下问题问题现象可能原因排查方式解决方案工作流在“调用视频API”节点失败1. API Key 无效或过期。2. 网络超时或服务不可用。3. 请求载荷payload格式不符合API要求。4. 额度用尽或频率超限。1. 检查代码节点中的api_key和api_url。2. 查看代码节点的错误日志Coze会输出。3. 使用 Postman 等工具单独测试API调用。4. 登录视频生成服务后台查看额度。1. 更新正确的API Key并使用环境变量管理。2. 根据官方API文档调整payload结构。3. 在代码节点中添加更完善的错误处理和重试机制。4. 购买额度或等待重置。生成的视频质量差与描述不符1. 分镜描述提示词不够详细、准确。2. 视频生成模型本身能力有限。3. 生成的视频时长、分辨率等参数设置不当。1. 检查第二个LLM节点解析分镜的输出是否足够具体。2. 尝试将复杂分镜拆解成更简单、单一的描述。3. 在API调用中尝试不同的style_preset或质量参数。1. 优化“解析分镜”LLM节点的系统提示词要求更细致的描述。2. 在分镜描述中强制加入“电影感”、“4K高清”、“细节丰富”等质量词汇。3. 尝试不同的视频生成模型或服务。生成的视频片段不连贯1. 每个分镜是独立生成的缺乏上下文关联。2. 分镜之间的逻辑顺序在提示词中未体现。回顾LLM生成的原始文案看其本身的故事流是否顺畅。1. 在第一个LLM节点生成文案时就强调镜头之间的逻辑衔接和转场想象。2. 人工干预调整分镜列表的顺序或合并、拆分某些分镜。Coze 工作流执行超时视频生成API耗时过长超过Coze单次工作流执行时间限制通常有上限。查看工作流运行日志卡在哪个节点。1. 减少单次生成视频的时长或分辨率以缩短API处理时间。2. 考虑只生成关键分镜而非全部。3. 将工作流拆解视频生成后通过通知如邮件、Webhook告知用户而非同步等待。LLM 生成的文案或分镜不符合要求系统提示词不够精准或模型未严格遵循指令。检查LLM节点的输入和输出历史。1. 在系统提示词中更严格地规定输出格式如必须用JSON。2. 在提示词中加入“禁止如何做”的负面示例。3. 尝试更换不同的底层LLM模型。8. 最佳实践与进阶思路要让这个工作流从“可运行”变得“好用且强大”可以参考以下建议提示词工程迭代将最成功的分镜提示词保存下来构建一个“高质量提示词示例库”可以作为知识库上传到 Coze Bot 中让 LLM 在生成时参考。加入人工审核节点在工作流中可以在“生成文案”和“解析分镜”之后加入一个“人工审核”节点Coze 支持。只有当你确认文案和分镜OK后才继续执行昂贵的视频生成步骤避免资源浪费。并行生成优化速度如果视频生成 API 支持且你的额度允许可以尝试将循环改为并行调用需评估 API 的频率限制大幅缩短整体生成时间。集成后期处理建议可以接入另一个 AI 服务如音乐生成、自动剪辑脚本生成在工作流末端提供更完整的视频制作方案。变量与配置外置将 API Key、模型类型、视频分辨率等参数提取到工作流的“输入参数”或“环境变量”中方便不同场景下快速调整而无需修改底层代码。错误处理与降级方案在代码节点中做好异常捕获。当某个分镜生成失败时可以记录日志并尝试使用一个备用的静态图片或简单描述代替保证工作流能完整跑通并输出报告。通过 Coze 搭建 Sora2 类视频生成工作流其核心价值不在于完全替代专业视频制作而在于极大地降低了创意可视化的门槛和初期成本。它允许你快速验证想法、生产海量创意初稿将人的精力更多地集中在创意策划、提示词打磨和最终的精品剪辑上。随着视频生成模型能力的飞速进步掌握这套“指挥”AI 的流程将成为内容创作领域一项越来越重要的技能。现在就打开 Coze从为一个你想象中的小店生成第一段视频开始吧。