ComfyUI使用指南：从入门到高效工作流搭建

ComfyUI使用指南：从入门到高效工作流搭建

在AI图像生成领域，Stable Diffusion WebUI（A1111）曾长期占据主导地位。但随着对精度、可复现性和自动化需求的提升，一种更接近“编程思维”的工具正在悄然崛起——ComfyUI。

它不像传统界面那样提供一键生成的便捷按钮，而是让你像搭积木一样，亲手构建每一个生成环节。这种看似复杂的操作方式，实则为高级用户打开了通往精细化控制与批量生产的大门。无论是角色一致性输出、多阶段修复，还是结合ControlNet和IP-Adapter实现精准构图，ComfyUI都能以极高的灵活性满足需求。

更重要的是，它的节点式结构天然适合封装、共享与版本管理，正逐渐成为专业团队和内容工厂的工作标准。

安装与环境配置

ComfyUI 是一个基于 Python 的本地图形化工具，依赖 PyTorch 与 CUDA 环境运行。得益于其轻量级设计，即使在中低端显卡上也能流畅执行大部分任务。

快速部署流程：

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI pip install -r requirements.txt python main.py --listen 0.0.0.0 --port 8188

启动后，在浏览器访问http://localhost:8188即可进入交互界面。

💡 建议使用 Conda 或 venv 创建独立虚拟环境，避免包冲突。例如：

bash conda create -n comfyui python=3.10 conda activate comfyui

推荐插件清单

所有插件通常解压至custom_nodes/目录下，重启服务即可生效。

核心概念解析

ComfyUI 的本质是将图像生成过程拆解为一系列可连接的数据单元，通过有向无环图（DAG）的方式组织整个推理流程。

这不仅仅是“换个界面”那么简单，而是一种思维方式的转变：从“我想要一张图”变为“我知道这张图是怎么一步步做出来的”。

关键术语一览

⚠️ 注意：所有图像生成都在潜在空间完成，只有最后一步才通过 VAE 解码为可视图像。这也是为什么中间修改潜在图可以极大影响结果的原因。

节点系统详解

ComfyUI 使用图形化节点构建完整工作流，每个节点都有明确的输入与输出类型，确保数据流向清晰可控。

主要节点分类

1. 加载类节点

• Load Checkpoint：加载主模型（如 SDXL、SD1.5）
• Load Lora/Lora Loader：动态注入微调权重
• Load VAE：指定编码/解码器，部分模型需配套 VAE 才能正常出图
• CLIP Text Encode：将文本提示词转化为模型可理解的条件向量

2. 处理类节点

• K Sampler/K Sampler Advanced：核心采样节点，控制步数、CFG、种子等关键参数
• Empty Latent Image：创建初始潜在图像，决定输出分辨率
• VAE Decode/VAE Encode：潜在 ↔ 像素空间转换
• Image Scale/Latent Scale：图像缩放操作，注意放大倍率过高会导致模糊

3. 控制类节点

• ControlNet Apply+Preprocessor：实现姿态、边缘、深度图引导
• IP-Adapter Apply：基于参考图像迁移风格与构图
• Conditioning Average/Concatenate：融合多个提示条件，适用于复杂语义表达

4. 输出类节点

• Save Image：保存结果图像
• Preview Image：实时预览（Web UI 内嵌显示）

✅ 小技巧：右键点击任意节点 → “View Node Info”，可以查看其输入输出定义，帮助理解数据流结构。

构建你的第一个工作流

让我们从零开始搭建一个最简文生图流程。

步骤一：准备基础组件

1. 添加Load Checkpoint节点，选择已下载的.safetensors模型（如juggernaut_reborn.safetensors）
2. 添加两个CLIP Text Encode节点：分别用于正向与反向提示词
3. 添加Empty Latent Image设置分辨率为 1024×1024
4. 添加K Sampler，设置采样器为DPM++ 2M Karras，步数 20，CFG=7，种子随机
5. 添加VAE Decode和Save Image

步骤二：连接节点

按照以下逻辑连线：

[Checkpoint] → (model) → [K Sampler] → (clip) → [CLIP Text Encode] → (conditioning) → [K Sampler] [Empty Latent] → (latent) → [K Sampler] [K Sampler] → (latent) → [VAE Decode] → [Save Image]

🔗 特别注意：必须将 Checkpoint 输出的clip连接到 CLIP 编码器，否则会报错“Expected conditioning but got None”。

步骤三：填写提示词并运行

正向提示词示例：

masterpiece, best quality, portrait of a knight in silver armor, cinematic lighting

反向提示词示例：

blurry, lowres, bad anatomy, extra fingers

点击队列执行，等待图像生成完成。

✅ 成功标志：画面清晰、细节丰富、符合描述意图，无明显畸变或 artifacts。

高级控制实战：ControlNet 与 IP-Adapter

当基础文生图无法满足构图要求时，就需要引入外部控制信号。

ControlNet 应用流程

1. 下载对应模型（如controlnet_canny-fp16.safetensors）放入models/controlnet/
2. 安装comfyui-controlnet-preprocessors插件以启用预处理器
3. 添加以下节点：
   -Upload Image：上传原始图像
   -Canny Edge Preprocessor：提取边缘图
   -Apply ControlNet：绑定 ControlNet 模型与预处理器输出
4. 将Apply ControlNet的输出连接到K Sampler的control_net_strength输入

🎯 典型应用场景：线稿上色、建筑结构还原、人物姿势复刻

💡 提示：可尝试组合多个 ControlNet（如 Canny + Depth），通过Conditioning Concat合并条件，实现多重约束。

IP-Adapter 使用技巧

相比 ControlNet 强调几何结构，IP-Adapter 更擅长风格迁移与构图参考。

1. 下载适配模型（如ip-adapter_sdxl_vit-h.safetensors）
2. 使用IPAdapter Model Loader加载
3. 使用IPAdapter Apply接收参考图像与权重参数（推荐 scale=0.7~0.9）
4. 支持多图混合输入，实现“风格叠加”效果

💡 高阶玩法：结合Image Batch节点传入多张参考图，再配合Loop结构实现批量风格切换，非常适合制作系列角色设定图。

模型管理与 LoRA 集成

LoRA（Low-Rank Adaptation）是一种高效的微调技术，能在不改动原模型的前提下注入新特征，比如特定角色、画风或服饰风格。

如何集成 LoRA 到工作流

1. 将.safetensors文件放入models/loras/
2. 添加Lora Loader节点，置于Load Checkpoint之后
3. 设置 LoRA 权重（通常 0.8~1.0），支持叠加多个 LoRA
4. 新生成的 model/clip 输出传递给后续节点

典型链式结构如下：

[Checkpoint] → [Lora Loader] → [Lora Loader] → (model) → [K Sampler] → (clip) → [CLIP Text Encode]

⚠️ 注意事项：某些 LoRA 对 CLIP 有特殊要求，需勾选“Clip Weight”选项单独调整文本编码器强度。

模板化存储建议

借助Primitive Nodes插件，你可以将常用模型组合封装为“元节点”。

例如：
- 创建一个包含 Model、Clip、VAE 输出的组
- 命名为 “Anime Style Base”
- 导出为 JSON 模板

下次只需加载该模板，即可快速复现整套风格配置，极大提升协作效率。

图像放大与超分处理策略

提高分辨率并非简单拉伸，不同阶段的放大策略直接影响最终质量。

方法一：潜在空间放大（Latent Upscale）

1. 在K Sampler后插入Latent Scale
2. 选择算法（推荐lanczos）
3. 放大倍率建议 ≤ 1.5，过高易导致模糊

优点：速度快，适合预览；缺点：缺乏真实细节。

方法二：两阶段高清修复（Hi-Res Fix）

这是目前最主流的高质量放大方案：

1. 第一阶段生成低分辨率图像（如 768×768）
2. 使用VAE Decode→Image Scale放大至目标尺寸
3. 再次VAE Encode回潜在空间
4. 第二阶段小步数（6~10步）、低 CFG（4~5）进行细节增强

✅ 推荐组合：第一阶段 DPM++ SDE Karras（20步），第二阶段 UniPC（8步）

这种方式既能保留整体构图，又能有效补充纹理细节。

方法三：外部超分模型（ESRGAN / 4x-UltraSharp）

对于发布级输出，可引入专用超分模型：

1. 安装 ESRGAN 节点插件
2. 将最终图像传入RealESRGAN节点
3. 选择模型（如4x_foolhardy_Remacri）
4. 输出高清图像

⚠️ 注意：部分模型可能引入过度锐化或伪影，建议搭配Detailer节点局部增强。

SDXL 工作流优化策略

SDXL 相比 SD1.5 拥有更强的语言理解能力与更高清的表现力，但也带来了更复杂的节点配置需求。

SDXL 核心特性

• 双 CLIP 编码器（CLIP-L 与 OpenCLIP）
• 分离式 UNET 设计
• 原生支持 1024×1024 分辨率
• 支持 T5XXL 文本编码（需额外模型）

标准 SDXL 工作流结构

[Load Checkpoint (SDXL)] → [CLIP Text Encode (Prompt)] ← "A futuristic city at sunset" → [CLIP Text Encode (Negative)] ← "ugly, deformed" → [Empty Latent Image (1024x1024)] → [K Sampler Advanced] → [VAE Decode] → [Save Image]

⚠️ 必须使用CLIP Text Encode (SDXL)类型节点，并正确设置 width、height、crop 等参数，否则会影响构图比例。

引入 T5XXL 提升语义表达

1. 安装comfyui-t5xxl插件
2. 添加T5 XXL Encoder节点
3. 使用Conditioning Concat合并 CLIP 与 T5 条件

实际测试表明，加入 T5 后模型对“多人物关系”、“空间方位描述”等复杂句式的理解显著增强，适合广告级视觉创作。

自定义节点与效率工具

随着工作流复杂度上升，手动维护成本急剧增加。以下工具可大幅降低开发负担。

高效插件推荐

实战技巧：用数学表达式控制参数

利用Float Math节点，可以实现动态计算：

[Seed] → [Modulo 1000] → [Add 10000] → [Set as Final Seed]

用途举例：保证每次生成的种子都在合理范围内，避免重复或极端值。

也可以结合String Formatter自动生成文件名，如：

{k_sampler.steps}_{cfg}_seed{seed}.png

便于后期整理与筛选。

可复用工作流的封装与共享

真正体现 ComfyUI 工程价值的，不是单次惊艳出图，而是可复制、可迭代的工作流资产积累。

封装步骤

1. 选中一组相关节点（如完整的 ControlNet 流程）
2. 右键 → “Group” 创建节点组
3. 双击进入编辑模式，设置输入/输出端口
4. 命名并保存为.json文件

共享方式

• 本地复用：通过 “Load Workflow” 加载 JSON
• 团队协作：Git 版本管理 + 插件同步
• 社区发布：上传至 Civitai 或 GitHub Gist

📦 最佳实践：为每个工作流添加注释说明（Comment Node），标注适用模型、预期效果与注意事项，提升他人使用体验。

真正的生产力，来自于可复现的工作流，而非单次惊艳的出图。ComfyUI 正是以其高度模块化的设计理念，推动 AI 图像生成从“艺术实验”走向“工业化生产”。

当你能够精准控制每一帧的生成逻辑，当你能把一套成熟流程打包分享给团队成员，你就不再只是一个使用者，而是一名AI 视觉系统的架构师。

下一步建议：
- 深入研究采样器与调度器组合对画风的影响
- 探索视频生成工作流（配合 AnimateDiff）
- 尝试开发自己的自定义节点（Python 编写）

Happy Comfying! 🧩