开场:为什么高手都在用节点图
网页版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:
- 加载模型(Checkpoint Loader):决定画风与能力;
- 写提示词(CLIP Text Encode):正向、负向各一个;
- 设定画布(Empty Latent Image):宽高与批量;
- 采样(KSampler):步数、CFG、采样器、种子;
- 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
| 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
| 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
- 加载默认工作流;
- 选一个 checkpoint;
- 正向提示词写主体 + 风格,负向写“模糊、畸形、多余手指”;
- 画布设 1024×1024;
- Steps 24,CFG 7,采样器 euler;
- 点运行,等待出图;
- 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
| 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
- 启动 ComfyUI,加载默认工作流(5 分钟);
- 换一个 checkpoint,跑出第一张图(10 分钟);
- 固定种子,只改 CFG 从 7 到 4,对比差异(10 分钟);
- 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。