ComfyUI 作为可视化工作流引擎，通过节点连接实现 Stable Diffusion 的全链路控制。相比 WebUI，它提供细粒度参数调节与更高资源效率，支持自定义节点扩展。文章涵盖环境搭建、核心节点解析（如 KSampler、CLIP Text Encode）、高级工作流设计（ControlNet、图像修复）及批量生成 API 集成。结合 Prompt 工程与性能优化技巧，帮助用户从基础生成进阶至工业级 AI 绘画创作，掌握文本到图像的完整逻辑链构建方法。
与 WebUI（如 Automatic1111）的'一键生成'不同，ComfyUI 的本质是可视化工作流引擎。其核心优势体现在三个维度：
| 对比维度 | WebUI（Automatic1111） | ComfyUI |
|---|---|---|
| 操作逻辑 | 表单填写式，功能模块化 | 节点连接式，逻辑可视化 |
| 参数控制粒度 | 预设参数为主，高级功能隐藏 | 全链路参数暴露，支持细粒度调节 |
| 扩展能力 | 依赖插件，兼容性受限 | 原生支持自定义节点，生态开放 |
| 资源效率 | 内存占用高，多任务切换卡顿 | 按需加载节点，显存利用更高效 |
| 学习曲线 | 低（1 小时上手） | 中高（需理解 SD 核心原理） |
表 1：ComfyUI 与主流 WebUI 的核心差异
关键突破：ComfyUI 将 SD 的潜在扩散模型（Latent Diffusion）拆解为可干预的中间步骤。例如，你可以在文本编码器（CLIP）生成嵌入向量后手动修改特征，或在采样过程中插入自定义噪声模式，甚至将多个模型的中间结果交叉融合——这些在 WebUI 中几乎不可能实现。
ComfyUI 的最小功能单元是节点，每个节点代表一个独立操作（如加载模型、处理文本、执行采样）。节点之间通过连接传递数据，形成有向无环图（DAG）结构。
节点三要素：
![ComfyUI 节点结构示意图] 图 1：典型节点结构（以'KSampler'采样节点为例，包含模型输入、种子、步数等参数，输出潜空间图像）
以最简单的'文本生成图像'工作流为例，其节点链如下：
graph TD
A[Text Prompt] -->|文本 | B[CLIP Text Encode]
C[Checkpoint Loader] -->|模型权重 | D[KSampler]
B -->|文本嵌入 | D
E[Empty Latent Image] -->|潜空间初始图像 | D
D -->|生成潜空间图像 | F[VAEDecode]
F -->|最终图像 | G[Save Image]
图 2：基础文生图工作流（mermaid 流程图）
数据流向解析：
ComfyUI 的安装本质是 Python 环境配置 + 模型下载，步骤如下：
# 克隆仓库
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate # Linux/macOS
venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
python main.py # 默认端口 8188，浏览器访问 http://localhost:8188
ComfyUI 的节点生态已超过 500 种，按功能可分为基础节点（官方提供）和扩展节点（社区开发）。以下是高频使用的核心节点解析：
| 节点名称 | 功能 | 关键参数 |
|---|---|---|
| Checkpoint Loader | 加载完整 SD 模型（含 UNet/CLIP/VAE） | ckpt_name（模型文件名） |
| VAELoader | 单独加载 VAE 模型（用于解码/编码） | vae_name（VAE 文件名） |
| CLIPLoader | 单独加载 CLIP 文本编码器 | clip_name（CLIP 模型文件名） |
| ControlNetLoader | 加载 ControlNet 模型 | control_net_name（ControlNet 文件名） |
实战技巧：当需要更换风格但保持主体结构时，可组合使用'主模型 + 独立 VAE'（如用 RealVisXL 模型搭配 Anything V3 的 VAE 优化动漫风格）。
SD 的核心扩散过程由 KSampler 节点实现，其参数直接影响图像质量和生成速度：
| 参数 | 作用 | 推荐值 |
|---|---|---|
| model | 扩散模型（通常来自 Checkpoint Loader） | - |
| positive/negative | 正向/负向文本嵌入（来自 CLIP Text Encode） | - |
| latent_image | 初始潜空间图像（来自 Empty Latent Image 或图像编码） | - |
| seed | 随机种子（决定生成内容的随机性，-1 表示随机） | 12345（固定）/ -1（随机） |
| steps | 采样步数（步数越多细节越丰富，但耗时增加） | 20-30（平衡速度与质量） |
| cfg | 分类器自由引导（值越高越贴近 Prompt，但可能过饱和） | 7-12 |
| sampler_name | 采样算法（影响收敛速度和图像风格） | Euler a（艺术化）/ DPM++ 2M Karras（写实） |
| scheduler | 调度器（控制噪声消除节奏） | Automatic |
代码示例（KSampler 节点的 JSON 表示，可直接导入 ComfyUI）：
{
"nodes": [
{
"id": 4,
"type": "KSampler",
"pos": [600, 300],
"inputs": {
"model": [3, 0],
"positive": [2, 0],
"negative": [2, 1],
"latent_image": [5, 0],
"seed": 12345,
"steps": 25,
"cfg": 8.0,
"sampler_name": "euler_a",
"scheduler": "normal"
}
}
]
}
生成指定尺寸的空白潜空间图像，参数 width 和 height 需为 64 的倍数（SD 潜空间默认下采样 8 倍）。例如：
将自然语言转换为模型可理解的嵌入向量，支持权重调整（通过 (word:weight) 语法）和区域提示（通过 [word:start:end] 控制时间步影响）。
Prompt 示例：
(masterpiece:1.2), (photorealistic:1.1), a girl with (blonde hair:1.3), wearing a red dress, detailed face, soft lighting, (depth of field:0.8) Negative prompt: (low quality:1.4), (blurry:1.2), extra fingers, missing fingers
*注：权重＞1 增强特征，＜1 减弱特征，负向提示词（Negative prompt）需通过 CLIP Text Encode 的第二个输出端口连接到 KSampler。
批量替换 Prompt 中的关键词，适合快速测试不同风格。例如：
应用场景：修改生成图像的局部区域后，通过 VAEncode 重新编码为潜空间特征，再送入 KSampler 进行二次扩散优化。
支持多种缩放算法（如 Lanczos、Nearest），用于调整输入图像尺寸。注意：缩放后需通过 VAEncode 转换为潜空间特征才能进入采样流程。
ControlNet 通过额外的条件输入（如边缘检测、深度图）约束生成结果，是实现'精准构图'的核心工具。以下是'边缘检测控制角色姿势'的工作流：
graph TD
A[Input Image] -->|原始图像 | B[Canny Edge Detection]
// 边缘检测
C[ControlNetLoader] -->|ControlNet 模型 | D[ControlNetApply]
// 加载并应用 ControlNet
B -->|边缘图 | D
E[CLIP Text Encode] -->|文本嵌入 | F[KSampler]
G[Checkpoint Loader] -->|主模型 | F
D -->|控制条件 | F
H[Empty Latent Image] -->|潜空间图像 | F
F -->|生成潜空间图像 | I[VAEDecode]
I -->|最终图像 | J[Save Image]
图 3：ControlNet 边缘控制工作流
关键节点配置：
针对生成图像中的人脸模糊问题，可设计'人脸修复 + 背景替换'流水线：
工作流代码片段（JSON）：
{
"nodes": [
{
"id": 10,
"type": "FaceDetector",
"inputs": {"image": [9, 0]}, // 输入原始图像
"outputs": {"face": [11, 0]} // 输出裁剪后的人脸区域
},
{
"id": 11,
"type": "KSampler",
"inputs": {
"model": [12, 0], // 高分辨率人脸模型
"positive": [13, 0], // 人脸优化 Prompt："detailed eyes, sharp focus, 8k"
"latent_image": [14, 0], // 人脸区域的潜空间编码
"steps": 40,
"cfg": 6.5
}
}
]
}
ComfyUI 支持通过 Python API 或命令行调用工作流，实现批量生成。例如，批量生成 100 张不同姿势的产品图：
import requests
import json
# 加载工作流 JSON
with open("product_workflow.json", "r") as f:
workflow = json.load(f)
# 修改 Prompt 和种子，批量生成
for i in range(100):
workflow["nodes"][0]["inputs"]["text"] = f"product photo, angle {i%8}, white background"
workflow["nodes"][4]["inputs"]["seed"] = 12345 + i # 不同种子
# 发送请求到 ComfyUI 后端
response = requests.post(
"http://localhost:8188/prompt", json={"prompt": workflow}
)
# 保存结果
with open(f"output/product_{i}.png", "wb") as f:
f.write(response.content)
高效 Prompt 遵循'权重金字塔'结构：核心主体（高权重）→ 细节特征（中权重）→ 风格与氛围（低权重）。
示例（写实人像）：
(masterpiece:1.3), (photorealistic:1.2), (ultra-detailed:1.1), a 25-year-old woman, (asian:0.9), (long black hair:1.2), (wearing a white shirt:1.0), (smile:0.8), (soft lighting:0.9), (depth of field:0.7), (8k resolution:1.0) Negative prompt: (low quality:1.4), (blurry:1.2), (distorted face:1.3), (extra limbs:1.2)
| 风格类型 | 核心关键词 |
|---|---|
| 写实摄影 | photorealistic, 8k, DSLR, soft lighting, depth of field, Sony A7 III |
| 赛博朋克 | cyberpunk, neon lights, rain, dystopian city, (glowing:1.2), futuristic |
| 水墨国画 | ink painting, Chinese traditional, wash painting, minimalist, black and white |
| 像素艺术 | pixel art, 8-bit, retro game, (vibrant colors:1.1), isometric |
跨风格混合：通过 (style1:weight)+(style2:weight) 实现融合，如 (cyberpunk:0.7)+(ink painting:0.3) 生成'水墨赛博'风格。
负面提示词用于抑制不想要的特征，以下是通用负面清单（可直接复制使用）：
(low quality, worst quality:1.4), (bad anatomy), (inaccurate limb:1.2), bad composition, inaccurate eyes, extra digit, fewer digits, (extra arms:1.2), (blurry:1.3), (watermark:1.2), (text:1.2), (signature:1.2)
| 技巧 | 效果 | 适用场景 |
|---|---|---|
| 使用--lowvram 启动参数 | 显存占用降低 40%，速度略降 10% | 4-8GB 显存显卡 |
| 拆分模型到 CPU 和 GPU | 仅 UNet 在 GPU，其他组件在 CPU，显存降 30% | 8-12GB 显存，需快速切换模型 |
| 降低图像分辨率 | 从 1024x1024 降为 768x768，显存降 50% | 非细节要求场景 |
目标：生成 3 种不同职业的游戏角色（战士/法师/刺客），保持统一艺术风格。
工作流设计：
Prompt 模板：
(masterpiece:1.3), anime style, {warrior/mage/assassin}, full body, detailed armor/robe/cloak, dynamic pose, fantasy world background Negative prompt: (low quality:1.4), (blurry:1.2)
生成结果：3 个角色均保持一致的动漫风格，职业特征（如战士的重型盔甲、法师的法杖）清晰区分。
目标：生成 10 张不同角度的蓝牙耳机广告图，白底背景，突出产品细节。
工作流设计：
核心 Prompt：
product photo, wireless headphone, {front view/side view/top view}, white background, studio lighting, (highly detailed:1.2), (reflective surface:1.1), 8k resolution
随着 AI 绘画技术的发展，ComfyUI 正朝着三个方向进化：
结语：ComfyUI 的真正价值，在于它将 AI 绘画从'随机生成'变为'可控创作'。当你能用节点连接起文本、图像、模型和算法时，你不再是工具的使用者——你是 AI 创造力的导演。下一次启动 ComfyUI 时，不妨问自己：这个节点还能怎么连？这个参数背后的数学原理是什么？或许，下一个 AI 绘画的突破性工作流，就藏在你的节点图里。
思考问题：如果将 ComfyUI 的节点逻辑与传统 3D 建模软件（如 Blender）结合，能否构建'文本→3D 模型→渲染'的全流程自动化管线？这会如何改变游戏开发和影视制作的工作方式？
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online