之前幾天我們讓 AI 幹的活基本上都是純文字——摘要、翻譯、寫信或做問答。但有時候在做社群貼文、活動宣傳或每日簡報時，乾癟癟的文字總覺得少了一點視覺吸引力。今天我們就把文字生成與圖像生成（例如 DALL-E、Midjourney API 或 Stability AI）串在一起：只要在手機輸入一句簡單的想法，流程就自動幫你潤飾提示詞、生成一張氛圍感滿滿的圖片，並把成品直接傳回聊天視窗。

第一站：接收簡短靈感與觸發
依然使用我們熟悉的 Telegram 機器人或是專屬 Webhook 當入口。我們在聊天視窗裡隨手打一句「幫我做一張賽博龐克風格的雨夜台北街頭」或是「清新風格的早晨咖啡手繪插畫」。觸發節點把這段短文字接住，直接傳遞給下一站。

第二站：讓文字大模型幫忙「擴寫」生圖提示詞
人類隨手打出來的幾隻字通常太簡短，如果直接拿去餵給圖像模型，生出來的圖片往往效果平淡、細節不足。我們在中間插一個文字 AI 節點當作「Prompt 工程師」，給它下指令：「請將使用者提供的這句簡短畫面描述，擴寫成專門給圖像生成模型（如 DALL-E 3）使用的英文詳細 Prompt。請加入合適的藝術風格、光影細節、鏡頭視角、構圖與氛圍感描述，去除多餘的寒暄，只輸出最終的英文 Prompt。」有了這一步加持，生圖的品質直接提升好幾個檔次。

第三站：呼叫圖像生成 API 產出圖片
把 AI 擴寫後的詳細英文描述，傳送給圖像生成節點（可以用 n8n 內建的 OpenAI 節點並選擇 DALL-E 3，或是用 HTTP Request 串接其他生圖服務的 API）。設定好想要的圖片比例（正方形、直式海報或橫向桌布）以及品質參數。按下執行後，模型會在幾秒鐘內運算完成，並回傳生成圖片的下載網址（URL）。

第四站：下載圖片並轉成二進位檔案
為了避免外部暫存網址過期失效，我們緊接著接一個 HTTP Request 節點把這張圖片的原始檔案下載下來，讓 n8n 將它轉換為二進位檔案資料（Binary Data）。這樣無論是想直接在通訊軟體裡預覽大圖，還是想順便備份一份到 Google Drive 圖片庫，都能靈活操作。

第五站：即時回傳聊天視窗驗收成果
最後接上 Telegram 節點，動作選為「發送相片（Send Photo）」。把剛才抓到的二進位圖片放進附件欄位，下方圖說（Caption）順便附上大模型當初擴寫的那段英文提示詞，方便我們覆盤這次生圖的細節。只要在手機輸入一句話，十幾秒後一張高清的專屬插圖或海報就直接彈在眼前。明天我們跳出有現成 API 的舒適圈，試著打造一個簡易網頁爬蟲，抓取沒有提供 API 網站的關鍵資訊。