Awesome-Dify-Workflow:小红书卡片生成
在社交媒体内容创作中,小红书风格的图文卡片是吸引用户注意力的重要形式。Awesome-Dify-Workflow项目提供了一个高效的解决方案,通过[DSL/Text to Card Iteration.yml](https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow/blob/7286ec0a4d624e14e5578c413f5f5f277b1f41fd/DSL/Text to Card Iteration.yml?utm_source=gitcode_repo_files)工作流,只需输入文字内容即可自动生成符合小红书美学的卡片图片。本文将详细介绍如何使用这个强大的工具,让你的内容创作效率提升10倍。
工作流基本架构
该工作流采用Dify特有的DSL(领域特定语言)编写,通过模块化设计实现从文字到图片的全自动化转换。核心节点包括:Start输入模块、Template模板转换、HTTP Request接口调用、Parameter Extractor结果提取,最终通过End节点输出图片URL。
核心配置文件解析
工作流的核心配置定义在[DSL/Text to Card Iteration.yml](https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow/blob/7286ec0a4d624e14e5578c413f5f5f277b1f41fd/DSL/Text to Card Iteration.yml?utm_source=gitcode_repo_files)中,主要包含以下关键部分:
- 应用基本信息:定义了工作流的名称、图标和模式
app:
description: ''
icon: "\U0001F916"
icon_background: '#FFEAD5'
mode: workflow
name: "文字转卡片-迭代"
- 输入参数设置:指定了需要用户提供的内容
variables:
- label: "作者名称"
max_length: 48
required: true
type: text-input
variable: author
- label: "文本内容"
required: true
type: paragraph
variable: body_text
卡片模板设计
模板模块是生成小红书风格卡片的关键,定义了卡片的尺寸、背景色、文字布局和线条装饰。默认配置为小红书常用的300×800竖版尺寸,采用浅蓝色系配色方案,符合平台的视觉美学。
template: "{\n \"width\": 300,\n \"height\": 800,\n \"backgroundColor\": \"#E0E0E0\",\n \"texts\":[\n {\n \"x\": 50,\n \"y\": 80,\n \"text\": \"{{ author }}\",\n \"font\": \"SourceHanSansSC-Normal\",\n \"fontSize\": 22,\n \"color\": \"#94C0FA\",\n \"width\": 100,\n \"textAlign\": \"left\"\n },\n {\n \"x\": 50,\n \"y\": 150,\n \"text\": \"{{ body_text }}\",\n \"font\": \"SourceHanSansSC-Bold\",\n \"fontSize\": 36,\n \"color\": \"#0069ED\",\n \"width\": 200,\n \"textAlign\": \"left\"\n }\n ],\n \"lines\":[\n {\n \"startX\": 50,\n \"startY\": 110,\n \"endX\": 250,\n \"endY\": 110,\n \"width\": 1,\n \"color\": \"#A4BADF\",\n \"zIndex\": 1\n },\n {\n \"startX\": 50,\n \"startY\": 720,\n \"endX\": 250,\n \"endY\": 720,\n \"width\": 1,\n \"color\": \"#A4BADF\",\n \"zIndex\": 1\n }\n ]\n}\n"
样式自定义指南
通过修改模板参数可以轻松调整卡片风格:
backgroundColor:修改背景色(如#FFEAEA实现粉色系风格)fontSize:调整文字大小(标题建议36-40,正文24-28)color:更改文字颜色(建议使用品牌主色调)lines:调整分割线位置和颜色
实际操作步骤
1. 准备工作
确保已正确部署Awesome-Dify-Workflow项目,具体参考README.md中的安装指南。该工作流需要Dify平台支持,推荐使用最新版本以获得最佳体验。
2. 输入内容
在Start节点中填写两项关键信息:
- 作者名称:将显示在卡片顶部的创作者标识
- 文本内容:核心文案,建议控制在3-5行以保证显示效果
3. 执行工作流
点击运行按钮后,系统将自动完成以下操作:
- 将输入的文字填充到模板中
- 调用https://api.imgrender.cn接口生成图片
- 提取返回结果中的图片URL
- 输出可直接使用的图片链接
4. 结果应用
生成的图片链接可直接用于小红书发布,也可下载后进行二次编辑。工作流支持迭代优化,可通过调整模板参数不断优化卡片效果。
高级优化技巧
多模板管理
项目中可以同时保存多个模板文件,如:
- [DSL/Text to Card Iteration.yml](https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow/blob/7286ec0a4d624e14e5578c413f5f5f277b1f41fd/DSL/Text to Card Iteration.yml?utm_source=gitcode_repo_files):默认小红书模板
- DSL/Form表单聊天Demo.yml:简约风格模板
- DSL/春联生成器.yml:节日主题模板
通过复制修改这些文件,可以快速创建适合不同场景的卡片样式。
批量生成方案
结合Dify的批量处理功能,可以一次生成多张不同内容的卡片。只需准备包含多组作者和文本的CSV文件,通过工作流批量处理,大幅提高内容生产效率。
常见问题解决
API调用失败
如果遇到HTTP Request节点报错,通常是由于网络问题或API密钥过期。请检查网络连接,并确保[DSL/Text to Card Iteration.yml](https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow/blob/7286ec0a4d624e14e5578c413f5f5f277b1f41fd/DSL/Text to Card Iteration.yml?utm_source=gitcode_repo_files)中的API密钥有效:
authorization:
config:
api_key: 282856915996906898.lqe1hPL1OpFHfNAoMc1PdOToeximcTrw
header: X-API-Key
type: custom
样式错乱问题
当文本内容过长时可能导致显示错乱,建议:
- 减少文字数量或缩小字体
- 调整
width参数增加文本显示区域 - 优化排版,使用换行符手动调整行间距
图片加载缓慢
生成的图片存储在第三方服务器,如遇加载缓慢可:
- 将图片下载到本地使用
- 更换[DSL/Text to Card Iteration.yml](https://gitcode.com/GitHub_Trending/aw/Awesome-Dify-Workflow/blob/7286ec0a4d624e14e5578c413f5f5f277b1f41fd/DSL/Text to Card Iteration.yml?utm_source=gitcode_repo_files)中的API服务
- 部署自建图片渲染服务
总结与展望
Awesome-Dify-Workflow的小红书卡片生成工作流为内容创作者提供了强大支持,通过简单的文字输入即可获得专业级别的设计作品。随着项目的不断迭代,未来将支持更多社交平台的卡片样式,如微博、抖音、Instagram等,敬请关注chat_history.md中的更新日志。
如果你有更好的模板设计或功能建议,欢迎通过项目issue提出,让我们共同完善这个实用工具!
点赞收藏本文,关注项目更新,下期将带来"如何通过AI自动生成小红书爆款文案"的详细教程!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00




