ComfyUI 节点式 AI 绘画工作流实战指南

![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）

2.2 工作流基础：从'文生图'看数据流动

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：

1. 文本编码：Text Prompt 节点输入'a cat wearing a hat'，经 CLIP Text Encode 转换为 768 维嵌入向量；
2. 模型加载：Checkpoint Loader 加载 SD 基础模型（如 v1-5-pruned-emaonly.safetensors）；
3. 潜空间采样：KSampler 接收模型、文本嵌入和初始潜空间图像（Empty Latent Image），通过扩散过程生成新的潜空间特征；
4. 图像解码：VAEDecode 将潜空间特征转换为 RGB 图像；
5. 保存输出：Save Image 节点将结果保存到本地。

三、环境搭建与核心配置

3.1 安装步骤（Windows/macOS/Linux 通用）

ComfyUI 的安装本质是 Python 环境配置 + 模型下载，步骤如下：

1. 基础环境

# 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

2. 模型准备
   将 SD 模型（.safetensors 或.ckpt 格式）放入 ComfyUI/models/checkpoints/，推荐基础模型：
   • Stable Diffusion v1.5（通用）
   • RealVisXL V4.0（写实风格）
   • MeinaMix（动漫风格）
3. 启动程序

python main.py # 默认端口 8188，浏览器访问 http://localhost:8188

3.2 关键配置优化

• 显存管理：若显卡显存＜8GB，在 main.py 中添加--lowvram 参数；
• 多显卡支持：添加--multi-gpu 实现模型拆分加载；
• 自定义节点：将第三方节点（如 ComfyUI-Manager、Impact Pack）放入 ComfyUI/custom_nodes/，重启程序即可加载。

四、核心节点详解：从基础到高级

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：

4.1 模型加载节点

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）。

4.2 采样与生成节点

4.2.1 KSampler（核心采样节点）

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：

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"
      }
    }
  ]
}

4.2.2 Empty Latent Image（潜空间初始化）

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：

• 生成 512x512 图像 → 潜空间尺寸 64x64（512/8=64）；
• 生成 1024x768 图像 → 潜空间尺寸 128x96（1024/8=128，768/8=96）。

4.3 文本处理节点

4.3.1 CLIP Text Encode（文本编码）

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。

4.3.2 Prompt S/R（文本替换）

批量替换 Prompt 中的关键词，适合快速测试不同风格。例如：

• 原 Prompt：a cat wearing a {hat}
• 替换规则：hat → crown, sunglasses, top hat
• 输出：3 个不同 Prompt，分别生成戴皇冠、太阳镜、高礼帽的猫。

4.4 图像操作节点

4.4.1 VAEDecode/VAEncode（图像编解码）

• VAEDecode：将潜空间特征（Latent）转换为 RGB 图像；
• VAEncode：将 RGB 图像压缩为潜空间特征（用于图像修复、风格迁移等）。

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。

4.4.2 ImageScale（图像缩放）

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。

五、高级工作流设计：从基础到工业级

5.1 条件控制：ControlNet 工作流

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：

• Canny Edge Detection：low_threshold=100，high_threshold=200（控制边缘检测敏感度）；
• ControlNetLoader：选择 control_v11p_sd15_canny 模型；
• KSampler：cfg=7，steps=30，确保控制条件权重（通常默认即可）。

5.2 图像修复：人脸优化与背景替换

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：

1. 人脸检测与裁剪：使用 FaceDetector 节点定位人脸区域；
2. 高分辨率修复：将人脸区域送入 KSampler，使用 RealVisXL 等写实模型优化细节；
3. 背景生成：单独生成新背景图像，通过 ImageComposite 节点与修复后的人脸合成。

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
      }
    }
  ]
}

5.3 批量生成与自动化：API 与脚本集成

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)

六、Prompt 工程：从'描述'到'精确控制'

6.1 Prompt 结构优化

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)

6.2 风格迁移 Prompt 模板

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。

6.3 负面提示词（Negative Prompt）清单

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)

七、性能优化与资源管理

7.1 显存占用优化

7.2 生成速度提升

• 选择高效采样器：DPM++ 2M Karras（20 步≈Euler a 30 步质量）；
• 启用 xFormers：安装 xFormers 库（pip install xformers），采样速度提升 30%；
• 批量生成：一次生成 4 张图像比单张生成 4 次快 25%（利用 GPU 并行计算）。

八、实战案例：从概念到落地

8.1 案例 1：游戏角色设计

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：

1. 使用 Prompt S/R 节点批量替换职业关键词；
2. 通过 ControlNet OpenPose 控制角色姿势；
3. 统一使用 MeinaMix 动漫模型+AbyssOrangeMix VAE。

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。

8.2 案例 2：产品广告图生成

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：

1. Empty Latent Image 固定尺寸 1024x768；
2. Checkpoint Loader 加载 RealVisXL 写实模型；
3. Prompt S/R 替换角度关键词（front/side/top/bottom 等）；
4. ImageScale 统一缩放至 2048x1536，保持细节。

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

九、未来展望与总结

随着 AI 绘画技术的发展，ComfyUI 正朝着三个方向进化：

1. 多模态融合：支持文本、图像、3D 模型等多输入模态，如结合 NeRF 生成 360°全景图；
2. 实时交互：通过 WebGPU 加速实现节点调整的实时预览（目前已在测试版支持）；
3. 社区生态：自定义节点市场与工作流共享平台（类似'GitHub for ComfyUI'）。

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。

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？值得深入思考。