起因是看到掘友大佬【张风捷特烈】分享日入 400+ 的小漫画，觉得很有意思。顺着搜了一圈相关文章，又发现有大佬【曹工不加班】对流程做了进一步优化。稍微了解了一下，感觉有点复杂，但确实好玩。
AI 做公众号漫画，竟然日入 400+ 在 2025年的尾巴上，发生了一件非常有趣的事，我在微信公众号上的 AI 四格漫 - 掘金
看到大佬做四格漫画日入400+，我觉得应该做些什么了！看到一张“母慈子孝”的聊天记录，我突发奇想：能不能让 AI 把它画 - 掘金
晚上和母亲大人聊天的时候突然想到，我们之间的很多对话其实都挺有意思的。如果能当成一种记录形式保存下来，顺便学习一套新的自动化流程，好像也不错。
于是就开始折腾了
初始搭建
使用 Docker 集成部署好 n8n 之后，直接关注【曹工不加班】公众号下载现成的工作流导入。
因为之前完全没接触过，所以基本是全程 AI 手把手教我一步步操作。有问题直接甩给它，它会给你多个解决方案，我只需要做三件事：筛选、决策、尝试。
这里有个小妙招：
-
一个对话框专门用于整体流程和思路的学习
-
另开一个对话框，明确告诉它：只用于解决搭建过程中出现的具体问题
这样可以避免对话太长、问题太多，回头找步骤却找不到的情况。
（不过现在 DeepSeek 已经更新了，可以在右侧边栏直接看到历史提问并跳转，我个人觉得这是个非常好用的功能，哪个聪明的小脑瓜想出来的，赏！）
我现在在搭建 n8n 流程，这个对话框专门用来解决步骤问题，避免和步骤学习混在一起
工作流选择与模型接入
直接参考大佬的流程，其实整体非常简单，核心就是：
想法 → 编剧 → 出图 → 上传
具体配置在他文章里已经讲得很清楚了。
但因为这是新号的工作流尝试，而且我也没有外卡，所以选择了第三方渠道。前后查了两个：
-
速创 API
-
Grsai
最后因为 API 一眼就能找到，加上接入的模型是 Nano Banana，就直接选了后者。
技术细节这里不展开，只记录作为初学者直接上手项目时遇到的关键卡点和解决方式
1️⃣ 提示词混乱
AI Agent 作为整个工作流的“将军”，如果指令不清晰，下面的“部队”就一定会乱跑。
在多次因为提示词互相矛盾而失败之后，最终还是选择了角色扮演大法。
下面是目前跑通流程的第一版提示词，还不够专业，不过能让工作流能稳定跑起来，后续再慢慢调整
`角色：爆笑四格漫画导演用户输入：{{ $json.raw_input }}任务：创作一个完整的四格漫画剧本。输出要求：必须输出一个合法的JSON对象，包含以下四个字段：1. title：漫画标题，格式为"有梗漫画：{吸引人的标题}"2. comic_info：Markdown格式的分镜描述，包含4个分镜（起承转合）3. html：HTML格式的完整漫画展示，包含中文对白4. summary：一句话笑点总结创作要求：- Q版可爱风格，表情夸张- 四个分镜结构清晰- 最后一格必须有笑点- 日常生活或强反转梗输出示例：{ "title": "有梗漫画：程序员调试bug", "comic_info": "# Panel 1\n- 场景：办公室\n- 动作：程序员写代码\n- 表情：自信\n- 对话：[气泡1] 今天一定能完成！", "html": "<div><h3>程序员调试bug</h3><p>第一格：程序员自信地写代码</p></div>", "summary": "程序员的自信总是来得快去得也快"}现在请根据用户输入创作四格漫画：用户输入："{{ $json.raw_input }}"输出JSON：`
你是一个专业的四格漫画导演。严格遵循输出格式要求，只输出JSON对象，不要添加任何解释性文字。
2️⃣ 数据格式转换与清洗
在工作流初期，AI 返回的数据经常不是标准 JSON。
即便使用了 Structured Output Parser 强制约束，也总是报字段类型错误。
最后干脆在生成图片之前，加个 Code 节点进行数据清洗，确保 Nano Banana 接收到的是完全干净的剧本数据，问题直接解决
3️⃣ 节点调试
因为整体流程不算复杂，大部分报错其实都能比较直观地看出来是哪里出了问题。
调试方式基本是：
•直接根据报错信息改
•在节点前后加测试节点
•或者单独跑某一个节点，逐一排查
4️⃣ 中文乱码
这是流程跑通后最头大的问题。
无论怎么改 Prompt，或者在输入前做清洗，中文乱码始终存在。
后来发现一个关键点：
把 AI Agent 的提示词和生成的“乱码图”一起喂给 Nano Banana，生成的图片其实是正常的。
最后才意识到，根本不是流程或提示词的问题，而是模型本身的问题。
我接入的是 Nano Banana 的基础模型，切换到 Pro 版本之后，直接丝滑生成
结尾记录
刨去日常工作的杂事，从 0 开始模仿搭建流程、反复试错，到最终跑通，大概用了三周时间。（曹工只用了一个下午手搓，我还需要努力啊！）
做出来之后还是挺有成就感的。虽然确实是踩在巨人的肩膀上，但对我来说，更重要的是把另一条自动化的路径真正打通了。
接下来，n8n 会逐渐变成我日常使用的工具，而不只是一个单独的项目。
后续应该还会继续折腾 n8n 或各种自动化工具，一边用一边记录踩坑过程。
如果你也在玩类似的流程，或者有觉得好用、有意思的工具，欢迎在评论区交流。
