下载课：weiranit.fun/16976/

ComfyUI 系统实战教程：从零搭建完整工作流

ComfyUI 是目前最强大的 Stable Diffusion 图形用户界面，它通过节点式连接的方式，让用户能够精确控制 AI 绘图的每一个环节。本教程将带你从零开始，一步步搭建起一个功能完备的文生图工作流。

第一步：认识核心节点与基础连接

工作流的搭建始于基础节点的连接。首先，我们需要一个加载检查点节点，这是整个流程的起点，负责载入 AI 模型。模型加载后，会输出三路关键数据：模型、CLIP 和 VAE。

接下来处理提示词。我们需要添加CLIP 文本编码器节点来处理正向提示词，以及另一个CLIP 文本编码器节点来处理反向提示词。这两个节点的 CLIP 输入端都连接到加载检查点节点输出的 CLIP 端口。

随后是核心的生成环节。添加一个K 采样器节点，将加载检查点输出的模型、正向文本编码器输出的条件以及反向文本编码器输出的条件，分别连接到 K 采样器对应的输入端口。

最后是图像输出。添加一个VAE 解码节点，将 K 采样器输出的潜在图像连接到 VAE 解码器的输入，并将加载检查点输出的 VAE 也连接到 VAE 解码器。最后，添加一个保存图像节点，将 VAE 解码器输出的图像连接进去。至此，一条最基础的文生图链路就打通了。

第二步：引入高清修复与放大流程

基础流程生成的图像分辨率通常较低，细节不足。为了获得高质量的大图，我们需要引入高清修复流程。

在 K 采样器之后，不要直接连接 VAE 解码，而是先连接一个潜在放大节点。将 K 采样器输出的潜在图像接入此处，设置放大倍率。

放大后的潜在图像数据量变大，如果直接解码可能会导致显存溢出或画面崩坏，因此需要进行二次降噪。我们需要添加第二个K 采样器节点。将潜在放大节点的输出连接到第二个 K 采样器的潜在图像输入，同时再次接入模型和提示词条件。在这里，我们将去噪强度设置得较低，以便在保留原图构图的基础上增加细节。

完成二次采样后，再将结果连接到 VAE 解码器和保存图像节点。这样就完成了一个标准的高清修复工作流。

第三步：搭建图生图与局部重绘功能

为了实现对现有图片的修改，我们需要搭建图生图流程。这需要添加一个加载图像节点，将本地图片载入系统。

载入的图像是像素数据，不能直接进入采样器，因此需要添加一个VAE 编码节点。将加载图像节点的输出连接到 VAE 编码器的像素输入，并将加载检查点节点的 VAE 输出连接到 VAE 编码器的 VAE 输入。

VAE 编码器输出的潜在图像，就可以连接到 K 采样器的潜在图像输入端，替代原本的空潜在图像。此时，配合正向和反向提示词，AI 就会根据你上传的图片进行重绘。

若要实现局部重绘，只需在加载图像节点后增加一个遮罩节点，或者直接使用支持遮罩的加载图像节点，定义好需要修改的区域，再进入 VAE 编码和采样流程即可。

第四步：利用 ControlNet 实现精准控制

为了让 AI 严格遵循特定的构图或姿态，ControlNet 是必不可少的组件。

首先，添加一个加载 ControlNet 模型节点，选择需要的控制模型。然后添加一个应用 ControlNet节点。

将加载 ControlNet 模型输出的模型连接到应用 ControlNet 的模型输入，将正向提示词的条件连接到应用 ControlNet 的条件输入。同时，将加载图像节点（用于提供骨架、深度图等控制图）的输出连接到应用 ControlNet 的图像输入。

最后，将应用 ControlNet 节点输出的条件，连接到 K 采样器的正向条件输入。通过这种方式，AI 在生成图像时就会受到 ControlNet 的强力约束，实现精准的姿态模仿或边缘控制。

第五步：工作流的保存与复用

当整个工作流搭建完毕后，ComfyUI 允许你将当前的节点布局保存为一个工作流文件。这不仅保存了节点的连接关系，还保存了所有的参数设置。下次需要使用时，只需将该文件拖入界面，即可瞬间还原整个复杂的系统，极大地提高了重复生产的效率。