Make 19. 3 分钟速成：利用 Make 和 Flux 打造图文并茂的儿童绘本

引言

我一直在想，能不能用自动化把内容创作的边界推到图文并茂这个层面——不只是生成文字，连配图都一起搞定。儿童绘本是一个很好的切入点：故事结构简单、风格统一、图文配合紧密，非常适合用工作流来自动化。

我是翔宇。翔宇测试了多种 AI 图文创作方案后发现，Flux 配合 LoRA 在风格一致性上远超其他工具。

这期我搭建了一个完整的儿童插画绘本生成工作流。从 Notion 输入一个主题（比如"小老虎和小蛇的探险故事"），3 分钟后就能拿到一本风格统一、图文混排的绘本，直接可以发公众号。整个过程涵盖故事创作、角色设计、Flux 插画生成、图文排版、词汇注释，全自动完成。

这是一个系列视频的上集，重点讲基础工作流的搭建。下集会讲如何对这个工作流进行改造升级——换画风、换赛道、换平台，一个工作流衍生出无限可能。

你将学到

• 如何通过 Notion 外部 Webhook 实现工作流实时触发
• ChatGPT 结构化 JSON 输出生成绘本故事和角色设定
• Make 中 Array、Collection、Iterator 的核心概念与实战区别
• 利用 fal.ai 调用 Flux 自定义 LoRA 生成风格统一的插画
• LoRA 模型的选择标准与直链上传方案
• Google Docs 实现图文混排编排
• 大模型完成 Markdown 排版整理与词汇注释
• 从绘本生成到微信公众号自动发布的全链路

视频教程

本教程配套视频已发布在 YouTube，建议搭配视频一起学习效果更佳。

详细教程

工作流全景

整个工作流的链路如下：

1. Notion Webhook 触发：点击"开始"链接，实时触发 Make 工作流
2. 获取主题信息：从 Notion 数据库拉取主题、语言、字数等参数
3. ChatGPT 故事创作：结构化 JSON 输出，包含标题、角色外貌、5 个段落及场景描述
4. Iterator 遍历：把 5 个段落拆开，逐一处理
5. Flux 提示词生成：大模型为每个段落生成英文正向/负向提示词
6. fal.ai 生图：调用 Flux + 自定义 LoRA 生成儿童插画
7. 图文混排：将图片和文字写入 Google Docs
8. 排版整理：大模型从 Google Docs 读取全文，整理 Markdown 格式并添加词汇注释
9. 保存到 Notion：最终绘本内容存回 Notion 知识库

模块一：Notion 外部 Webhook 触发

以前我们用 Schedule 轮询 Notion 的状态字段，效率低还浪费运行次数。这次换一个方案——用 Notion 的 Link 函数拼接外部 Webhook URL。

操作步骤：

1. 在 Make 中创建 Custom Webhook 模块，获取 URL
2. 在 Notion 数据库新建一个公式字段，用 link("开始", "webhook_url?id=" + id()) 拼接
3. 点击该链接，浏览器跳转显示 "Accepted"，Make 工作流立即触发

这样做的好处是真正的实时触发——在手机上打开 Notion APP，填好主题，点一下"开始"，工作流就跑起来了。不需要回到 Make 界面操作任何东西。

模块二：获取 Notion 页面信息

用 Notion 的 Get a Database Item 模块，传入 Webhook 接收到的 ID，直接拉取整条记录的所有属性——主题、语言、每段字数等。

测试时建议关闭 Schedule，打开工作流开关让它等待触发。这样可以实时看到每个模块的运行结果。

模块三：ChatGPT 结构化输出生成故事

这是整个工作流的核心模块。我用 GPT-4o 模型，通过结构化 JSON 输出一次性生成完整的绘本框架。

输出的 JSON 结构包含：

{
  "title": "故事标题",
  "main_character": "主角外貌详细描述（中文）",
  "main_character in English": "主角外貌（英文，用于 Flux 提示词）",
  "paragraphs": [
    {
      "paragraph": "段落正文",
      "scene": "场景描述（角色动作、环境、建筑、天气、时间等）"
    }
  ]
}

关键设置：

• Response Format 必须选 JSON
• Parse JSON 必须打开（Make 新功能，省掉单独的 JSON 解析模块）
• 提示词中明确要求每个场景有明显区别——不同的地形、天气、时间，避免五张图看起来一模一样
• 主角外貌描述要具体到身高、体重、毛发颜色、服装特征，为 Flux 生图提供锚点

核心概念：Array 与 Collection

这里要花点篇幅讲清楚 Make 中最容易混淆的数据结构概念，因为后续的 Iterator 遍历完全依赖它。

Array（数组）：有序的、相同类型元素的集合，用中括号 [] 表示。比如播放列表里的歌曲。

Collection（集合）：不同类型元素的组合，用花括号 {} 表示。比如厨房里有碗、锅、杯子。

在我们的场景中，ChatGPT 输出的 paragraphs 是一个 Array，里面每个元素是一个 Collection（包含 paragraph 和 scene 两个不同字段）。这就是 JSON 内嵌数组、数组内嵌集合的典型结构。

Iterator（遍历器）的核心规则：要用遍历器拆分数组，集合内的数据条目名称必须相同才能正确映射。我们的 paragraphs 数组中每个元素都有相同的 paragraph 和 scene 字段，所以遍历器可以正常工作。

如果你遇到 JSON 结构看不清的情况，推荐用在线 JSON 可视化工具把数据粘贴进去，层级关系一目了然。

模块四：Google Docs 编排容器

在遍历之前，先创建一个 Google Docs 文档作为图文混排的容器。文件名映射 ChatGPT 生成的 Title。

然后接上 Iterator 模块，数据源选择 ChatGPT 输出的 paragraphs 数组。Iterator 会把 5 个段落逐一发射到后续模块。

模块五：Flux 提示词生成

为每个段落单独生成 Flux 绘图提示词。这里用另一个 ChatGPT 模块，角色设定为"儿童故事插画 Flux 提示词生成专家"。

关键设计：

• 主角外貌从全局变量引入（不走遍历器），保证每张图的角色描述一致
• 场景和段落内容从遍历器引入，每张图独有
• 输出正向提示词和负向提示词，各 400-500 英文单词
• 包含视角、光线、风格等专业绘图参数

模块六：fal.ai + Flux 自定义 LoRA 生图

我选择 fal.ai 作为生图平台，原因有三：有清晰的 API 接口、Flux 生图速度极快（单张 2-10 秒）、按量计费几美元就能用很久。

为什么要用自定义 LoRA：

LoRA 文件需要一个直链 URL 传给 fal.ai。大部分网盘（Google Drive、Dropbox）都不提供直链。我找到了一个可以上传 1GB 文件并生成直链的服务，具体地址在视频描述区。备选方案是用 AWS S3 / Google Cloud 的对象存储。

fal.ai 参数配置：

• LoRA 权重：0.8 - 1.0
• 尺寸：1024×1024 或 3:4
• 迭代步数：27-28
• 安全检测：儿童内容必须开启

LoRA 资源推荐

国内推荐 LiblibAI——中文界面、LoRA 资源丰富、质量筛选方便。搜索时选择"插画风格" + "LoRA 类型" + "Flux 模型"进行筛选。

选择 LoRA 要看三点：运行次数多（质量经过验证）、泛化性能好（不同主题都能出图）、瑕疵率低（手部、面部等细节稳定）。

商用场景记得获取 LoRA 作者授权。

模块七：排版整理与词汇注释

图文写入 Google Docs 后，再用一个大模型模块从 Google Docs 读取全文，角色设定为"儿童故事绘本排版整理专家"，执行以下任务：

• 保留所有原文内容和图片链接不做修改
• 优化 Markdown 排版：标题层级、段落间距、重点词汇加粗
• 在文末添加词汇注释尾注，提供难词的解释和英文翻译
• 最终输出保存回 Notion 知识库

从生成到发布：微信公众号全自动

绘本保存在 Notion 后，还可以接上我在小报童中分享过的微信公众号自动发布工作流：

1. 从 Notion 读取 Markdown 内容
2. 选择字体（17 种可选）
3. 将 Markdown 转为微信支持的 HTML 格式
4. 图片上传到微信服务器
5. 创建草稿

最后在手机订阅号助手里审阅一下，点击发表即可推送。

延伸阅读

• Make 18. 跨境电商必备：Make 与 RAG 打造文章自动化创作工作流
• Make 20. Make 工作流改造方法论：一个工作流如何变成 1000 个工作流？

常见问题

Q：ChatGPT 结构化输出偶尔格式不对怎么办？
A：确保在高级设置中开启了 Response Format: JSON 和 Parse JSON。GPT-4o 的结构化输出成功率在 99% 以上。如果还有偶发失败，添加一个 Error Handler 模块做容错，让工作流跳过错误继续运行。

Q：角色一致性怎么保证？
A：这个基础工作流通过提示词锚定角色外貌（身高、毛发、服装等具体描述），配合 LoRA 锁定画风，可以做到基本一致。更高级的角色一致性方案（比如 ControlNet、IP-Adapter）会在后续进阶工作流中介绍。

Q：fal.ai 生图费用大概多少？
A：单张图几分钱到一毛左右。一本 5 页绘本总共不到一块钱。充几美元可以用很长时间。

总结

这期我们搭建了一个从主题输入到图文绘本输出的全自动工作流：Notion 实时触发 → ChatGPT 结构化创作 → Flux + LoRA 插画生成 → 图文混排 → 排版整理 → Notion 存储，甚至可以一键发布到微信公众号。3 分钟生成一本风格统一的儿童绘本，成本不到一块钱。

更重要的是，这个工作流的价值不止于儿童绘本。换个 LoRA 就是另一种画风，换个提示词就是另一个赛道——治愈家居、建筑设计、产品展示都可以。

下一期我们就来聊这个话题：一个工作流如何变成 1000 个工作流？从参数、提示词、模块到编排的四层改造方法论，敬请期待。

资源下载

• AI 编程实操课：国内版-FlowUS | 国际版-BMC
• YouTube 频道：翔宇工作流