孩子刚接触英语那会儿，我到处找合适的启蒙材料。买回来的绘本要么难度不合适，单词对不上孩子的认知水平，要么故事不够吸引人，翻两页就丢到一边。后来我开始用Coze智能体工作流自己做英语绘本，从确定故事主题到生成图文并茂的整本绘本，基本就是2分钟的事。这个项目做完之后，我最大的感受是：不是让孩子去适应现成的书，而是完全按孩子的兴趣和水平定制故事，效果真的完全不同。
这个项目解决的是很多家长都头疼的问题——市面上分级读物要么太贵，一套就是几百上千块，要么内容和孩子当下的兴趣点脱节。而自己动手用Coze工作流生成绘本，成本几乎可以忽略不计，而且故事内容完全可控，单词难度可以提前设定，画风也能跟着孩子的喜好走。这篇文章我会把整个工作流的搭建过程从头到尾拆开讲，适合零基础的家长，也适合对AI工具感兴趣但还没找到落地场景的朋友。
1. 项目整体思路与工作流设计
1.1 为什么用工作流而不是直接对话生成
刚开始我也试过直接在Coze里和智能体聊天，输入一个主题让它生成故事，再用另外的工具生成图片。但实际操作下来有个很致命的问题——整个流程完全靠手工拼接，故事一段段复制、图片一张张生成，中间还要不断调整格式，做一本绘本基本要折腾半个多小时，而且经常忘记步骤，输出结果的风格也不稳定。
工作流就是把整个绘本生成过程拆成标准化的步骤，让系统自动串联起来。就像流水线和手工小作坊的区别：手工做每一件都费力气，结果还不一样；流水线虽然前期装配麻烦一点，但一旦跑通了，产出的质量和效率完全不在一个级别。Coze里的工作流编排，本质上就是把“提出需求—生成故事—拆分分页—绘制配图—整合输出”这一整套过程固定下来。
1.2 工作流的全局架构拆解
我在Coze平台里搭建的这条绘本生成工作流，核心节点分为六段。
第一个节点是用户输入配置，也就是工作流的起始点，用来接收诸如故事主题、主角设定、目标年龄段、绘本页数这些基础参数。第二个节点是故事引擎，我用的是大语言模型节点，它会根据用户设定的主题和年龄段，生成一个符合该阶段阅读能力的英语故事。第三个节点是段落拆解，故事生成之后，不能再把一整段文字直接扔给配图环节，而是要把故事拆成适合分页的独立文本块。第四个节点是画面描述生成，它的任务是为每一页文本生成对应的视觉描述词，告诉绘图模型这一页画面里需要哪些元素，比如主角的姿势、场景中的物体、整体的色彩氛围等。第五个节点是图像生成节点，我接入了图像生成模型，把画面描述词转换成实际的绘本插画。最后一个节点是HTML合成，用来把文字和图片按顺序组装成适合预览和打印的网页文件。
一开始我没想用这么复杂的多节点结构，走过一条弯路——把故事生成和画面描述放在同一个节点里，结果输出格式极其混乱，画面描述时有时无，后来干脆拆成两个独立节点，各管一件事，输出才稳定下来。这一步拆分是整条工作流的一个关键转折点。
1.3 核心参数与配置说明
工作流能不能稳定产出质量合格的绘本，参数配置是最容易忽略又最关键的地方。先看大语言模型节点的参数。温度这个参数我踩过不少坑，温度调成偏高的值，故事确实更有想象力，但常常会跑偏主题，写到一半突然讲起另一个故事；温度调得太低，故事又显得平铺直叙没有情感。我测试下来，故事生成节点的温度设置在70%左右比较稳，既不会太跳脱，又能保留故事的趣味性。而画面描述节点则可以稍微激进一点，设置在80%，因为绘图模型需要更自由的语义空间来生成有氛围感的画面。
另一个关键参数是输出长度。如果设置的输出长度上限太低，故事会在最精彩的地方被截断，所以绘本故事节点的输出上限建议设置得大一些，确保完整的起承转合。按每页大概20到30个英文单词来估算，一本12页的绘本故事正文在300到400词之间，输出上限至少要覆盖这个量级，否则生成的文本如果超长，后面的分页环节会被迫压缩页面数或者截断句子。
2. 实操准备与工作流搭建步骤
2.1 前置准备清单
动手搭建之前，我们需要准备好两样东西。首先是Coze平台的账号，直接使用主流的网络环境登录即可，目前平台已经支持国内用户直接访问，不需要额外的网络配置。其次是准备一个可用的文本生成模型和图像生成模型，在Coze的资源库中，大模型服务商和图像生成服务商都有提供，有些是免费额度内的，有些需要按量付费，建议先查看当前自己账号下可用的模型列表，确认哪些模型对当前账号开放。
图像生成模型的选择会影响最终插画的质感和生成成本。我先后试过几个不同的模型，有的模型胜在写实风格却缺少童话感，有的模型能生成漂亮的水彩画效果但又容易出现人物手指畸变。最终我固定在卡通插画方向上表现均衡的模型上，这个模型生成的画面明快，线条干净，比较还原儿童绘本的调性。如果没有特别偏好，直接用平台默认推荐的绘图模型也完全可以跑通。
2.2 创建智能体与工作流
在Coze平台上创建智能体，入口非常直观。登录控制台后点击创建智能体，输入一个项目名，比如“儿童英语绘本工坊”，然后在编排方式中选择“工作流”，这时候系统会进入工作流编排界面。划重点：工作流节点配置两种模式要分清，一种是在对话流中编排，另一种是在工作流画布中可视化编排，建议直接用工作流画布模式，每个节点都能独立调试，中途出问题可以迅速定位到具体环节。
进入工作流画布之后，画布上默认会有开始节点和结束节点。我们所有编排的操作都在这两者之间进行。配置方法是从左侧节点库中拖拽所需的节点类型到画布上，然后用连线把节点串联起来。结构上，我建议所有节点采用顺序结构串联，因为绘本生成过程本身就是流水线式的，前一个步骤的输出是后一个步骤的输入，不需要并行分支，逻辑清晰也更易于维护。
2.3 故事生成节点的提示词配置
故事生成节点是整个工作流的灵魂环节，提示词写得好不好，直接决定输出的故事能不能取悦孩子。我用的是一段组合提示词，包含角色设定、年龄段要求、故事结构框架、字数约束和语言风格。
给一个参考模板，你可以直接复制到故事节点的提示词框里使用。
你是儿童英语绘本编剧。请根据用户提供的主题、主角名、年龄段生成一个英语故事。 要求： 1. 故事主题由用户输入，请围绕该主题展开，不偏离主题。 2. 主角使用用户指定的名字。 3. 适合年龄段：用户指定年龄段，词汇和句式难度必须与年龄段匹配。 4. 故事共12页正文，每一页对应一段独立的文本。 5. 每段文本控制在20至30个英文单词之间。 6. 故事结构包含：开头引入主角和场景、中间经历1次小波折、结尾问题解决并传递正向情感。 7. 语言风格生动活泼，多用重复句式、拟声词，便于孩子模仿跟读。 8. 输出格式：输出一个JSON对象，包含pages数组，每个元素包含id、text、scene三个字段，scene字段描述该页的画面要素。这里有个容易踩的坑：如果提示词里不明确要求以JSON格式输出，故事节点就会把一整段散文输出出来，后续的画面描述节点根本没法解析。加上JSON格式约束后，结构化数据就能顺利流转到下一环节。
2.4 图像生成节点的配置
图像生成节点要接收来自画面描述节点的scene字段，然后通过提示词的方式传给绘图模型。绘图模型本身不限制必须用英语生成，但为了风格统一，最好在提示词中固定画风描述词。
我实际使用的绘图提示词结构是固定的，这样保证不同页面之间主角形象一致，整体风格也能稳住。
儿童绘本插画，卡通水彩风格，画面简洁明快，色彩温暖柔和。 场景内容：{scene字段内容} 主角色：{用户输入的主角名}，是一只可爱的小动物/拟人角色（根据用户输入），表情生动。 构图要求：主体居中，背景细节符合场景描述，包含至少1个与故事情节相关的道具，画面注意留白，适合排版配文。 画幅比例：16:10很多朋友反馈生成出来的同一主角每页长得不一样，这不是模型抽风，而是提示词里缺少固定角色外观描述。后来我在画风描述中加入了一条全局角色描述节点，比如“棕色的卷毛小熊，穿着蓝色背带裤，圆耳朵，黑亮眼睛”，并把这个描述放在每页绘图提示词的最前面，角色一致性就明显好了很多。
3. 核心环节深度解析与实现过程
3.1 分页逻辑与JSON解析
在工作流中，故事生成节点输出的是一个JSON对象，包含结构和文本内容。如果你直接把这个JSON对象传给绘图节点，绘图模型会懵掉，因为它看不懂数据结构。这里就需要一个我们前面说过的画面描述生成节点，它负责解析前一个节点的数据，提取关键信息并转译成绘图模型能够理解的描述语句。
具体做法是新增一个大语言模型节点，输入格式设为“上游节点的输出JSON”，然后在提示词里说明解析规则。我把它定位成一个“转化器”，只做结构解析和描述转译，不做创意发挥。这样既保证了文本朗读内容的准确，又保证了画面内容不脱离故事本身。
在实际测试中，我发现有时候画面描述节点会擅自给故事加戏，比如故事文本里只说“小熊在森林里走着”，画面描述节点却生成了一句“小熊开心地跳起来”——画面和文字对不上，孩子会觉得很困惑。后来我在提示词末尾加了一句硬性约束：只描述文本中已出现的内容，禁止添加文本中不存在的情节。加完之后这个问题基本解决。
3.2 HTML绘本模板设计
绘本的最终输出格式，我建议使用HTML文件来呈现。相比PDF，HTML可以做到自适应屏幕，手机平板电脑打开都是正常排版，预览效果很好。
在最后的合成节点里，我写了一个简单的HTML模板，把分页文字和对应的图片地址按顺序插入即可。
<!DOCTYPE html> <html> <head> <style> .page { display: flex; align-items: center; padding: 20px; border-bottom: 1px solid #eee; } .page img { width: 60%; border-radius: 12px; } .page p { width: 35%; margin-left: 5%; font-size: 22px; line-height: 1.6; color: #333; } h1 { text-align: center; font-family: Georgia, serif; } </style> </head> <body> <h1>绘本标题</h1> {各页内容} </body> </html>需要注意的是，图像生成节点返回的图片通常是一个URL地址，HTML模板里要直接用带有src属性的img标签引用这个地址。然后通过结束节点把整个HTML字符串作为输出内容返回。这样用户看到的就是一个排版清晰、可以直接打印或转成PDF的完整绘本。
3.3 调试方法与参数迭代
工作流搭建完成之后，第一遍运行大概率不会完全符合预期。我自己首次测试就遇到了至少三处问题：故事文本的JSON解析报错、图片提示词里的大括号没被转义、还有输出页数不对。所以调试环节必不可少。
Coze工作流画布支持单节点调试，这一步非常实用。双击任意节点，填入模拟输入数据，就能单独查看该节点的输出结果。我建议按照从前往后的顺序逐个节点测试：先用一段测试主题跑通故事生成节点，确认它输出了完整合法的JSON；再用这段JSON测试画面描述节点，看它能不能正确提取场景信息；最后再测试图像生成节点，确认图片URL可用。前面都通了，完整工作流的运行失败率就会大幅降低。
如果最终结果里某一页图画明显不符合描述，优先检查那页的scene字段内容，看看上下文语义是否清晰。很多时候是scene描述里堆了太多细节，比如“小熊背上驮着三罐蜂蜜，头上戴着一顶草帽，脚边还蹲着一只兔子”，主次不清让模型无从下手。优化方式是每个scene只保留2到3个核心视觉要素，把必要的元素写在前面，次要元素删掉，画质肉眼可见地提升。
4. 常见问题排查与避坑实录
4.1 图片生成速度太慢或超时
这个问题出现的概率不低，尤其是在连续生成多页图片的时候。图像生成本身耗时通常比较长，如果工作流超时时间上限设置得偏小，就会出现运行失败。解决办法有两个方向。一是减少并发调用，一次只请求一张图，避免资源竞争。二是在工作流的设置里检查超时时间配置，必要时适当调大，给图像生成预留足够空间。如果篇幅较长，也可以把一次生成12页改成两次生成6页，分两批拼接。
4.2 故事生成了但画面和文字不匹配
我前面提过场景描述节点“加戏”的问题，这是最容易反复出现的一种不符合预期的现象。文字说“小猫沮丧地低着头”，画面里画出来的却是一张心情很好的笑脸。核心原因在于画面描述提示词中缺少情感对齐要求。
后来我在画面描述生成节点中加入了明确的情绪映射规则：文本中如果有表达情绪的词，必须原样保留到scene描述中，并用形容词强调。比如“沮丧”转为“低着头，垂着耳朵，表情难过”，这样就大大提升了图文的一致性。
4.3 文本里出现超纲词汇
按年龄段控制词汇在这个环节里非常重要。3到5岁孩子的读物若出现类似“extraordinary”这类的词就超纲了，孩子读不懂，绘本的作用就大打折扣。我尝试过在提示词里使用白名单做法，效果不错。
具体是在故事节点的提示词中加一条约束规则：只使用某类高频词汇手册里的基础词汇。插件市场中如果找不到现成的词汇约束插件，也可以直接在提示词里显式列出可接受的词汇范围，或者指定单词总数和平均词长范围。对非英语母语环境的孩子来说，每页生词控制在1到2个阈值内，阅读压力是最小的。
4.4 输出格式时好时坏
这个问题通常在更换模型的时候突然出现。因为不同模型对JSON格式指令的遵循能力不一样，原来的提示词在某个模型上能稳定输出JSON，换到另一个模型上就开始夹带Markdown代码块或者其他标记信息。
规避方法是解析节点里额外增加一个“预清洁”处理的配置。可以把输出中的反引号、json标记等噪声字符清除。Coze平台提供了一些代码节点或数据处理工具，可以写几行简易清洗脚本。我实际用了两行正则清理就够用了，比反复调整提示词高效得多。
5. 进阶玩法与心得体会
5.1 一键生成定制主题系列绘本
工作流跑通之后，只生成单本绘本其实利用率不高。我家孩子有一阵特别迷恐龙，我就把恐龙主题做成一系列，一共产出了好几本不同冒险情节的绘本。每次想换主题的时候，只需要改输入参数里的主题词和主角名，工作流自己就能刷新出一整套新故事。家长也可以直接复制一条工作流，分别配置不同主题作为预置选项，做成一个“点单式”入口，孩子想听哪个主题就选哪个。
5.2 加入朗读音频与互动环节
后来我还扩展了一步，在故事节点后增加一个文本转语音节点。让工作流在输出绘本的同时，自动生成每一页的英文朗读音频，孩子看书的时候点一下就能听到发音。输出形式也从单纯的HTML变成了“绘本HTML+配套音频包”的组合，这样孩子就能独立阅读和使用，不必等家长在旁边逐句教读。
这个扩展其实并不复杂，Coze平台有现成的文本转语音插件，选择机器人口音时建议选清晰自然的发音风格，语速适当调慢一点。实测下来，配套音频对孩子跟读模仿的帮助很大，单词记忆效果也明显比光看书更快。
5.3 与阅读记录联动
工作流生成的绘本如果能配一份简要的家长导读指引就更好了。我常用一个小技巧：在提示词中顺带要求生成每页的亲子互动提问建议，比如“这一页可以问孩子：你现在能猜到小熊接下来会去哪里吗”。这类互动信息虽然不直接印在绘本上，但如果做成一个单独的辅助内容，可在共读时使用，能让这本AI生成绘本的亲子互动价值提高不少。
5.4 我的实际操作体会
用Coze做英语绘本这件事，最核心的价值不在于技术多难，而在于可以把“孩子的兴趣”变成“当天就能读到的书”。孩子喜欢某个动画形象，就在生成绘本时用它做主角，配套情节围绕孩子最近痴迷的玩具、动物或场景展开，这个效果是任何现成绘本都做不到的。有一点需要提醒的是，AI生成的英语文本虽然语法上通常没有大问题，但仍然建议家长在打印前快速浏览一遍，尤其注意专有名词的大小写和个别生僻用法。让孩子读到最高质量的输入，才不辜负这个高效工作流带来的便利。
