一套工作流管四个动作，真实感出图出视频的 Make 四路由拆解

在 Notion 里把一行任务的状态改成「制作图片」，点一下随带的触发链接，几分钟后，一张真实感的人像图挂在图床里，连配文都写好了。再把状态改成「发布图片」，这张图自己出门进账号。这是我们实测跑通的一条产线的日常，一套工作流，管着制作图片、发布图片、制作视频、发布视频四个动作。

做视觉内容的痛不用多讲，拍、修、剪、发，每个环节都在吃时间，靠人力日更几个账号，基本是拿命换产量。这条线把「出活」和「出门」拆成两个独立动作，中间用 Notion 的状态字段串起来，白天攒一批任务，状态一格格改过去，账号的更新就自己走完了。

要是状态改成「制作视频」，同一条线会把出好的图再变成一段会动的短视频，镜头轻晃，发丝随风动，等上两个五分钟，视频也躺进了图床。整个过程你人在手机上就能发起，运营的活发生在哪里，控制台就该长在哪里。

一个状态字段，四个路由

先说架构。常见的做法是一个需求搭一条工作流，需求一多，Make 后台就成了蜘蛛网，改一处要同步四处。这套方案用 Make 的路由器把四个动作收进一张画布，路由之间靠状态字段的筛选条件分流。

分法是这样的，第一个路由不设筛选，每次必走，负责生成提示词和出图，道理很简单，不管后面是发布还是转视频，图都是原料，这一步躲不掉。第二个路由只认状态「发布图片」，走发布。第三个路由接「制作视频」或者「发布视频」，负责把图变成视频。第四个路由只认「发布视频」。四个筛选条件组合下来，一套工作流就是四个独立动作，互不踩脚。

一套工作流做四个动作不难，难的是四个动作之间不互相踩脚，筛选条件就是那道分界线。

触发这端还是 Webhook 的老配方。Make 里建一个 Custom Webhook，把接收地址拼进 Notion 的公式字段，后面跟上这条记录的 ID，工作流设成随数据到达立即运行。之后在手机上点那个链接，产线就开动，不用打开 Make 后台，改状态就是派活，谁值班谁来点。Notion 付费版自带「发送到外部 Webhook」的自动化动作，效果一样，免费方案用公式字段就够用，一行钱不用花。

大模型这格，换成免费的 Mistral

产线里生成提示词的活，这次没接 OpenAI，换成了 Mistral，一家法国公司做的，班底来自 Meta 和 DeepMind。最大的卖点两个，当前免费，而且在 Make 里有原生模块，不用绕 HTTP。

它的能力面比想象中宽，联网搜索有点像 Perplexity，Canvas 代码预览对标 Claude 的 Artifacts，PDF 文档处理、图表数据提取、公式识别都行，甚至能直接生图，注册只要手机号验证一下。但对工作流来说最要紧的是一条，原生支持 JSON 结构化输出。之前所有靠 OpenAI 模块做结构化输出的环节，都可以原位换成它，流程不动，账单归零。对要跑几十条工作流的矩阵账号来说，一个模块省下的调用费积少成多，账号越多省得越狠。

配置照这个顺序来。模型选 Mistral Large Latest，System Prompt 里放角色设定，这次用的是真实感人像的提示词生成专家，User Message 映射 Notion 里的图片需求文本，高级选项里把 JSON 结构化输出的开关打开。输出结构包含英文标题、正向提示词、反向提示词、中英双语的账号配文。实测下来，它的 JSON 解析成功率几乎打满，新手拿它跑通第一条产线特别合适，光是 API 这一项就省了。

老雷提一句，免费政策这种东西没有终身制，接进正式业务前，把当时的额度条款确认一遍，别把成本模型建在「永远免费」上。

真实感出图，参数和等待都要写进文档

提示词这一格换成 Mistral 之后，整条产线里唯一还要花钱的环节就剩生图本身，头尾两头的智力活全免费了。出图走 fal.ai 的 Flux，HTTP 模块直接调。尺寸 1680×1024，格式 JPEG，真实感的关键在 LoRA，去 Civitai 上挑，Flux 生态里各种风格的 LoRA 都有，挑下载量高、出图稳的那一档，下载量高说明被人验证过，出图稳要看手部和面部这些容易崩的地方。一时找不到合适的，先跑通用 Flux 看看底子，再决定要不要挂 LoRA。

有两个工程细节决定这条线稳不稳。

一个是等待。fal.ai 的图片生成不是实时返回，模式是先下单后取货，调完命令不能直接拿结果，要挂一个 Sleep 模块等 200 秒，再发一个 HTTP 请求去取成品。这个节奏要写进交付文档，谁接手谁知道中间那 200 秒不是卡住，是在等。

另一个是成本。调试期有个省钱技巧，Make 里可以直接引用之前运行过的输出数据做参数映射，不用真跑模块就能把下游调通，测试阶段能省下一大笔按次计费的钱。

出图质量这块，实测的感受是发丝、皮肤纹理、手部细节都渲染得住，肉眼很难第一时间分出真假。也正因为真到这个程度，合规这道弦要绷住。原始测试场景里 Safety Checker 是关着的，落地到商业账号，老雷的建议是把这道安全检查留着，真实感人像类内容平台盯得最紧，更别拿生成脸去冒充真实用户的见证，账号出事没有后悔药。

路由之间怎么传数据

这是本期最值得抄的一块。Make 的各个路由之间数据不互通，图在第一个路由里生成，发布路由伸手去拿，什么都没有。

解法是 Set Variable 和 Get Variable 这对模块。图出图后先传 Cloudinary 图床，拿到的图床 URL 用 Set Variable 存起来，变量名叫 image。发布路由里用 Get Variable 取同名变量，链接就到手了，不接这座桥，发布路由拿到的是一手的空气。视频流程同理，变量名换成 video。

跨路由传数据其实有三条路。早期我们用 Google Docs 中转，写进去再读出来，能存长内容但环节重。Make 自带的 Data Store 也能做，容量和灵活性都好。这次的 Variable 方案最轻，只存一个链接一个名字，简单直接，而且是三条路里唯一不用额外维护一个存储服务的。选型标准就一条，传的只是链接和短字段，用 Variable，要存长文档再上 Data Store，别拿重炮打蚊子。

图转视频，提示词越短越稳

视频这条支线用 fal.ai 调 Kling 1.5 Pro，把上一路由生成的图转成动态视频。

提示词这里是反直觉的，写得越简单越稳，实测两个字，「微笑」，成功率最高。半身照配一个简单动作，就是这条支线的甜点区，全身照动作一多关节容易糊，特写又没给动态留空间，半身刚刚好。你让它又是转身又是挥手，翻车的概率直线上升。

等待时间也要翻倍给，两个 300 秒的 Sleep 模块串着挂。出来的效果是镜头轻晃、背景的树叶在动、表情有细微变化，动作流畅度对社交媒体来说够用，观众要的本来就不是大片运镜，是这张图活了。成本上心里有数，图是单张几美分的量级，视频要贵一截，先小批量测试确认效果，再放量跑，也别什么图都转视频，封面和重点位的素材值得动起来，普通日更的图静态就够，把预算花在刀刃上。

老雷给大家提个醒，验收这套四路由产线，把四个状态各点一遍，看路由有没有走串，再看变量传递断没断。路由走串是这类多分支工作流最常见的暗病，表面都能跑，仔细看发错的内容。

整套方案的发布端是可替换的，发布模块换一换，同一套产线就服务另一个平台，出图、转视频、传数据的逻辑原封不动。只想要图片流程的，把第三第四个路由整个删掉，就是一条纯图片产线，架构留了裁剪的余地。

对多账号运营的团队，这条线的真正价值是把内容生产拆成了可排队的工单。四个状态就是四道闸门，每道闸门后面是一个车间。运营在 Notion 里列一批需求，出图的出图，转视频的转视频，人只在「发布」这一格把一道关，产量上来之后，审核这一道永远不要省。

今晚就可以试，建一个库，四个状态字段拉好，先从「制作图片」这一格跑通，再一格一格往下接，一个晚上足够把四个闸门全部过一遍。跑通那天你会发现，账号运营这件事，已经从手艺活变成了排班表，你要做的只是别让工单断货。