从 0 到 1：ComfyUI AI 工作流抠图构建全实践

优质文章学习记录

— 8 min read
从 0 到 1：ComfyUI AI 工作流抠图构建全实践

声明：文章为本人平台测评博客，并没有推广该软件 ，非广告，为用户体验文章

什么是ComfyUI AI 工作流

ComfyUI 是一个基于节点式的可视化 AI 工作流构建工具，它为用户提供了一个直观的界面，让用户可以通过连接不同的节点来创建复杂的 AI 处理流程，而无需编写大量的代码。

为什么选择蓝耘元生代平台

在AI绘画与工作流自动化浪潮席卷全球的当下，ComfyUI以其强大的模块化设计成为无数创作者的心头好。然而，从零开始部署ComfyUI并非易事：本地硬件配置门槛高、云端算力租赁成本昂贵，繁琐的环境搭建与参数调试更是让不少爱好者望而却步。但是随着蓝耘元生代平台的出现——它以低门槛、高效率、低成本的优势，完全打破了本地部署ComfyUI AI 工作流的困境

image.png

如何使用平台搭建ComfyUI AI 工作流

先点击链接进行平台的注册操作
输入你正确的信息就能进行注册的操作

image.png


登录上主界面，我们看到左上方的应用市场进行应用的搜索

image.png


搜索出来的结果存在两个，我们选择左边的这个，因为左边的这个更新时间离我们现在比较近，肯定是效果更好的

image.png


进入到应用的界面他是会有一个详细的界面进行介绍如何进行部署和使用ComfyUI AI 工作流

image.png


我们直接进行部署操作
选择和我一样的配置就行了，在这个平台进行工作流的搭建我们就不需想本地的配置了，本地配置低一样部署ComfyUI AI 工作流

image.png


我们这里配置直接拉满了，4090直接安排上就行了，我们这里是用多少扣多少，完全不担心存在多余的扣费情况，我们放心搭建就行了
如果你有算力券的话是优先进行算力券的抵扣的，这种就很人性化了

image.png


这里我们稍等一会儿就部署好了

image.png


我们这里是有SSH和SSH密码的，说明我们是可以进行云服务器的链接的，直接在服务器上搭建使用这个工作流，
但是我们这里直接点击右上角的快速启动应用就行了
稍等了几秒钟就进入到了主界面了

image.png


首次进入页面后，点击页面右侧的文件夹图标，点击face.json，即可打开Segment Anything的工作流。

image.png


Segment Anything的操作非常简单，点击左下角的图像，上传自己的图像，然后点击页面下方的执行按钮，既可以生产效果（第一次因为要加载模型会慢一些）。
我们在这里进行本地图片的上传

image.png


然后直接点击下方的执行按钮就行了

image.png


然后这个时候工作流就开始进行操作了
他会将图片进行解析的操作

image.png


这个版本就是ComfyUI的基础版。内置一个基本的AI模型，Segment Anything，即抠图。用户可以在此基础上下载自己需要的插件和模型

这就可以让我们平时的剪辑很方便了

如果不想使用了的话我们直接点击关机并且进行销毁操作就行了，但是销毁之前我们需要将我们的信息进行保存操作的。

image.png

对比下本地部署

正常的本地部署，对我们的要求特别的高，电脑的内存、显卡、硬盘、电源、主板、CPU都需要一个很好的状态

image.png


并且我们还需要在本地部署多种环境，git、Python、显卡驱动、CUDA、cuDNN、Pytorch、onnxruntime、xformers
什么版本啥的都要达到最新的，不然本地部署的工作流是会出现兼容性的问题的
并且我们的环境变量还不是那么好进行配置的

image.png


有些插件还不好下载

image.png


正常部署的话我们需要克隆仓库，

git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI

创建并激活虚拟环境

# 创建虚拟环境 python -m venv venv # 在Windows系统上激活虚拟环境 .\venv\Scripts\activate # 在macOS和Linux系统上激活虚拟环境 source venv/bin/activate

输入代码安装依赖

pip install -r requirements.txt

所需要安装的依赖都需要放在requirements.txt这个文本里面
因为ComfyUI 依赖于一些预训练的 AI 模型，所以我们需要下载这些模型文件并将它们放置在合适的位置。以 Stable Diffusion 模型为例，我们可以从 Hugging Face 等平台下载模型文件，并将其放置在models/checkpoints目录下。

但是这些平台都是需要开魔法才能进行访问的

这里就简单的介绍了本地部署的带了，但是实际操作起来远远更加的麻烦了

只要知道本地部署的苦才知道在一个好的云计算平台上部署这个工作流有多香

总结

本地部署 ComfyUI的技术门槛较高、硬件要求限制、成本投入较大
但是我们使用蓝耘元生代平台部署 ComfyUI就不需要考虑这些问题了， 低门槛易上手：平台为用户提供了简洁直观的操作界面，无需复杂的技术配置和安装过程，只需进行简单的操作即可快速开始使用 ComfyUI 的功能。即使是没有技术背景的用户也能轻松上手，大大降低了使用 AI 工作流的门槛。

无需用户担心硬件性能问题，平台会提供稳定且高性能的计算资源。无论是运行小型任务还是大型复杂的 AI 工作流，都能获得流畅的运行体验，并且不用担心硬件升级和维护的问题。

总的来说，蓝耘元生代平台在降低技术门槛、提供稳定的硬件资源、节省成本、方便协作等方面具有明显的优势，对于大多数用户来说，是一个更便捷、高效的选择来体验 ComfyUI 的强大功能。

我先替兄弟们种草了
注册链接：https://cloud.lanyun.net//#/registerPage?promoterCode=0131

Read more

Clawdbot整合Qwen3:32B的低代码工作流：拖拽式Agent编排与条件分支

Clawdbot整合Qwen3:32B的低代码工作流：拖拽式Agent编排与条件分支 1. 为什么需要这个工作流：从“写代码”到“搭积木” 你有没有遇到过这样的情况：想让大模型帮自己自动处理一批客户咨询，但每次都要改Python脚本、调API参数、写if-else逻辑，改完还要测试、部署、查日志？或者想让AI根据用户提问类型自动走不同流程——比如问价格走报价分支，问售后走工单分支，问教程走知识库分支——可一想到要写状态机、维护路由表、处理异常跳转，就直接放弃了？ Clawdbot + Qwen3:32B 的这套低代码工作流，就是为解决这类问题而生的。它不让你写一行后端逻辑，也不要求你懂FastAPI或LangChain内部机制。你只需要在界面上拖拽几个模块，连几条线，设几个判断条件，就能把一个320亿参数的大模型变成真正能干活的智能体（Agent）。 这不是概念演示，而是已经跑在生产环境里的真实配置：Qwen3:32B 模型私有部署在本地服务器，通过 Ollama 统一提供 API；Clawdbot 作为前端编排层，不碰模型推理，只负责“

一、FPGA到底是什么？？？（一篇文章让你明明白白）

一句话概括 FPGA（现场可编程门阵列） 是一块可以通过编程来“变成”特定功能数字电路的芯片。它不像CPU或GPU那样有固定的硬件结构，而是可以根据你的需求，被配置成处理器、通信接口、控制器，甚至是整个片上系统。 一个生动的比喻：乐高积木 vs. 成品玩具 * CPU（中央处理器）：就像一个工厂里生产好的玩具机器人。它的功能是固定的，你只能通过软件（比如按不同的按钮）来指挥它做预设好的动作（走路、跳舞），但你无法改变它的机械结构。 * ASIC（专用集成电路）：就像一个为某个特定任务（比如只会翻跟头）而专门设计和铸造的金属模型。性能极好，成本低（量产时），但一旦制造出来，功能就永远无法改变。 * FPGA：就像一盒万能乐高积木。它提供了大量基本的逻辑单元（逻辑门、触发器）、连线和接口模块。你可以通过“编程”（相当于按照图纸搭建乐高）将这些基本模块连接起来，构建出你想要的任何数字系统——可以今天搭成一个CPU，明天拆了重新搭成一个音乐播放器。 “现场可编程”
AI绘画电商产品提示词撰写指南

AI绘画电商产品提示词撰写指南

在电商领域，利用 AI 绘画生成产品图片正逐渐成为提升商品视觉吸引力、提高运营效率的重要手段。而撰写精准有效的提示词，是让 AI 理解并生成符合预期产品图片的关键。 一、明确产品关键信息 产品基础描述 产品类型与用途：清晰界定产品所属类别，无论是服装、电子产品、家居用品还是美妆产品等，这是 AI理解产品的基础。同时，简要说明产品的核心用途或目标受众，可分为3层结构（按优先级排序） * 基础层：明确产品核心属性(避免 AI 生成偏差)，包括「产品类别 + 规格 + 材质 / 工艺」，例： “女士夏季短袖连衣裙（长度到膝盖），雪纺面料，蕾丝领口” * 场景层：搭建使用场景（增强代入感），包括「使用环境 + 搭配元素 + 人群画像」，例： “在海边沙滩场景，搭配草编帽和珍珠凉鞋，适合 25-35
AI绘画建筑设计提示词：从基础到高级的完整创作指南

AI绘画建筑设计提示词：从基础到高级的完整创作指南

一、核心逻辑：高质量建筑提示词的 7 大组成部分 AI 对建筑的理解需要 “分层引导”，一个完整的提示词通常包含 7 个关键模块，你可根据需求灵活组合或删减，基础逻辑为：先明确 “画什么”，再定义 “怎么画”，最后优化 “画得好”。具体结构如下： [主体/建筑类型] + [风格/建筑师参考] + [环境/场景设定] + [细节与材质] + [构图与视角] + [灯光与氛围] + [画质/技术参数] 这一结构能让 AI 清晰捕捉设计核心，避免因信息模糊导致的 “偏离预期”，是高效创作的基础框架。 二、分模块详解：建筑提示词词汇库与应用技巧 1. 主体 / 建筑类型：明确 “画什么” 的核心 这是提示词的 “根基”，需精准定义建筑的功能与形态，避免笼统表述。