Hello，大家好，我是大鹏。今天为大家介绍一个基于 Coze 平台与 Nano Banana 插件的电商服装智能换装工作流。
该工作流的核心功能是：上传一张服装实拍图（可以是自己的照片，也可以是从其他店铺下载的参考图），系统将自动完成以下步骤：
- 识别并拆分图中所有服饰单品（如上衣、下装、配饰、鞋包等）；
- 生成对应的风格标签与单品描述；
- 基于拆分结果，重新合成一张全新场景下的服装展示图。
生成的新图片保留原始服装搭配，但人物形象、背景环境、光影布局均被完全重构。这种方式有效规避了肖像权风险，也大幅降低了图片同质化问题，非常适合电商日常上新、多场景展示等需求。
整个工作流结构清晰，仅需 4 个核心节点，无需编写任何代码，适合零基础用户快速上手。你还可以根据实际需要，灵活切换生成环境——例如卧室、客厅、街道、摄影棚等，只需修改提示词即可实现。
此外，该流程支持批量生成，可一次性输出多张不同构图与风格的图片，满足多样化运营需求。
接下来我们进入搭建环节：
- 打开浏览器，访问 Coze 官网，点击「免费体验」→ 进入「开发平台」；
- 在左侧导航栏选择「资源库」→ 点击右上角「新建工作流」；
- 填写工作流名称（仅支持英文或拼音，例如
clothing_swap）和描述（例如「Nano Banana 电商换装」），点击确认创建； - 为工作流添加两个初始变量：
api_key：类型为文本（string）；product_image：类型为文件图像（file image）；
- 添加第一个大模型节点（推荐使用 豆包 1.5 视觉深度思考），用于服饰拆分：
- 输入：绑定
product_image； - 系统提示词：明确要求模型完成“服饰单品识别+拆分+风格标签生成”任务；
- 用户提示词：引用上传的原始图片作为参考图；
- 输入：绑定
- 添加 Nano Banana 图片生成插件（选择 NANO2 模型）：
- 输入 API Key 和上一步生成的拆分描述（或风格标签）作为提示词；
- 参考图仍为原始上传图片；
- 注意变量类型匹配：若插件要求数组字符串（array string），需将
product_image类型改为array file image，系统会自动转换为对应格式； - 设置图片比例（如 4:3）与质量（1K/2K/4K）；
- 添加第二个大模型节点，用于生成换装场景描述：
- 输入：原始图片 + 上一步生成的拆分图片链接；
- 系统提示词：定义任务为“生成符合商品特征的拍摄场景描述”，包含核心场景、人物设定、环境与灯光等可编辑模块；
- 用户提示词：同时引用原始图与拆分图；
- 添加第二个 Nano Banana 插件节点，用于最终图像合成：
- 提示词来自上一节点输出；
- 参考图使用拆分图片链接；
- 若链接格式不匹配（如非数组字符串），可插入「字符串转数组」节点进行格式转换；
- 连接所有节点至「结束节点」，运行测试即可查看拆分图与最终合成图的输出链接。
通过单节点测试方式，可在搭建过程中逐个验证各环节输出，避免因某节点异常导致整条工作流失败，从而节省计算资源。
该方案已在实际测试中验证稳定可用。每次运行即使输入相同图片，输出结果也会呈现差异化构图与细节，切实保障内容原创性与合规性。