学习系列课M4 · 第 12 讲
本节目录

M4 · 第 12 讲

ComfyUI 工作流入门

看懂节点图,跑通第一条流水线

  • 阅读约 35 分钟
  • 练习约 30 分钟
  • 产出:一条可复用工作流

开场:为什么高手都在用节点图

在线生成器给你一个输入框;ComfyUI 给你一张可以拆开看的地图。你可以看到模型怎么加载、提示词怎么编码、采样怎么发生、图片怎么保存。

看懂这张图,你才能复用、修改、批量生产,而不是每次重新抽卡。

本课目标

  • 看懂一条最小出图链路;
  • 分清 checkpoint、VAE、LoRA、ControlNet 的作用;
  • 跑通第一个工作流并改一个参数;
  • 知道出问题时先查哪里。

一、最小链路:五个节点

一条能出图的工作流,核心是五步:

  1. 加载模型(Checkpoint Loader):决定画风与能力;
  2. 写提示词(CLIP Text Encode):正向、负向各一个;
  3. 设定画布(Empty Latent Image):宽高与批量;
  4. 采样(KSampler):步数、CFG、采样器、种子;
  5. 解码并保存(VAE Decode → Save Image)。

连线的方向就是数据流:模型 → 条件 → 潜空间 → 图像。

二、四类模型,各管什么

本讲第 1 张表:二、四类模型,各管什么
类型 作用 放在哪
Checkpoint 主模型,决定整体风格 models/checkpoints
VAE 潜空间与像素的转换 models/vae
LoRA 给主模型加一种风格/角色 models/loras
ControlNet 用线稿、姿态、深度控制构图 models/controlnet

初学者只需要一个 checkpoint。先跑通,再考虑叠加。

三、采样参数怎么调

本讲第 2 张表:三、采样参数怎么调
参数 常用范围 说明
Steps 20–30 太低糊,太高慢且收益小
CFG 5–8 太高颜色发焦,太低不听话
Sampler euler / dpmpp_2m 先固定一个,别频繁换
Scheduler normal / karras karras 细节多一些
Seed 固定或随机 复现靠它

一次只改一个参数。改两个,你不知道是谁起的作用。

四、安装与模型

  • 桌面版或整合包都可以,先确保能启动;
  • 模型按目录放,放错目录等于没装;
  • 首次加载慢是正常的,第二次会快很多;
  • 显存不足时,降低分辨率或开启低显存模式。

不要一上来装十个模型。一个主模型 + 一个 VAE,足够跑完本课。

ComfyUI 本体免费;显存需求与云端 GPU 租用费因模型和平台而异(2026-11-20 查询)。4GB 显存是最低门槛,不是舒适配置;云端 GPU 多按小时/秒计费。

五、第一个工作流

  1. 加载默认工作流;
  2. 选一个 checkpoint;
  3. 正向提示词写主体 + 风格,负向写“模糊、畸形、多余手指”;
  4. 画布设 1024×1024;
  5. Steps 24,CFG 7,采样器 euler;
  6. 点运行,等待出图;
  7. 固定种子,只改提示词里的一个词,再跑一次。

对比两张图,你就理解“参数与提示词各自管什么”。

六、出问题先查哪里

本讲第 3 张表:六、出问题先查哪里
现象 先查
节点红框 缺模型或连线类型不对
全黑/全噪 VAE 不匹配、步数过低
画面糊 分辨率太小、步数太低
不听提示词 CFG 太低、提示词冲突
显存爆 分辨率、批量、模型太大
结果每次不同 种子没固定

七、把工作流变成资产

  • 保存工作流 JSON,按“用途_版本”命名;
  • 出图时保留参数截图或元数据;
  • 常用链路做成模板:文生图、图生图、局部重绘;
  • 每改一次,记一行变更说明。

三个月后,你积累的是一套流水线,而不是一堆散图。

八、30 分钟练习

  1. 启动 ComfyUI,加载默认工作流(5 分钟);
  2. 换一个 checkpoint,跑出第一张图(10 分钟);
  3. 固定种子,只改 CFG 从 7 到 4,对比差异(10 分钟);
  4. 保存工作流并命名(5 分钟)。

九、检查清单

  • [ ] 能说出五个核心节点;
  • [ ] 知道四类模型各自的目录;
  • [ ] 能固定种子复现一张图;
  • [ ] 出问题时先看节点与模型,而不是乱改提示词;
  • [ ] 工作流已保存并可再次打开。

十、延伸阅读

  • 知识库 1.9 ComfyUI 工作流
  • 知识库 1.4 AI 绘画
  • 知识库 2.0 AI 编程

下一讲:从一句话到分镜。你会把一个想法拆成六个能拍的镜头。