ComfyUI：节点式扩散模型工作流搭建

FreeGuideOnline 最新 2026-06-20

ComfyUI 节点式扩散模型工作流搭建完全指南

ComfyUI 是一款基于节点的 Stable Diffusion 图形界面，通过可视化的方式将扩散模型的各个组件串联成完整的工作流，为 AI 绘画提供极高的灵活性和可复现性。本教程将带你从零开始，理解核心概念并亲手搭建自己的工作流。

认识 ComfyUI：为什么选择节点式界面

传统 AI 绘画工具（如 Automatic1111 WebUI）将所有功能打包在黑盒界面中，参数调整空间有限。ComfyUI 将模型加载、文本编码、采样、解码等每一步都拆解为独立的节点，通过连线传递数据。这让用户能够：

  • 精确控制管线：自由组合模型、LoRA、ControlNet 等模块。
  • 轻松复用实验：工作流可保存为 JSON 文件，分享即复现。
  • 尝试前沿技术：新模型或新方法仅需新增节点，无需等待界面更新。
  • 高效批次处理：利用队列和缓存机制，极大提升生产速度。

即使你没有编程基础，只要理解几个关键节点，就能搭建出专业的生成流程。

环境准备：安装与启动

在开始之前，请确保你的系统满足要求：NVIDIA 显卡（建议 6GB 显存以上），已安装 Git 和 Python 3.10。

  1. 下载 ComfyUI
    打开终端，克隆官方仓库：

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

  2. 安装依赖
    使用 pip 安装所需包（建议创建虚拟环境）：

    pip install -r requirements.txt

  3. 放置模型
    将下载的 Stable Diffusion 检查点文件（.safetensors 或 .ckpt）放入 models/checkpoints/ 文件夹。常见的模型如 SD1.5、SDXL 或 SD3 均可直接使用。

  4. 启动界面
    运行主程序：

    python main.py

    默认会在浏览器中打开 http://127.0.0.1:8188，你将看到画布式的节点编辑区。

核心概念：图与节点

ComfyUI 的工作区本质上是一个有向无环图（DAG），由节点和连线组成。每个节点完成特定计算，输入/输出通过插槽连接。数据从左向右流动：左侧提供条件与噪声，右侧输出图像。

节点类型速览

类别 常见节点 作用
加载器(Loader) Load Checkpoint, Load VAE, Load LoRA 将模型或模块加载到显存
条件(Conditioning) CLIP Text Encode 将提示词转为模型可理解的嵌入向量
潜变量(Latent) Empty Latent Image, VAE Encode 生成或处理潜空间中的图像
采样(Sampling) KSampler, KSampler Advanced 执行扩散去噪过程
解码/图像(Image) VAE Decode, Save Image 将潜变量变回像素并保存

基础连线规则

  • 输出插槽（右侧圆点）必须连接到同类型或兼容类型的输入插槽（左侧圆点）。
  • 鼠标悬停在插槽上会显示数据类型（MODEL、CLIP、VAE、LATENT、CONDITIONING、IMAGE 等）。
  • 错误连接会立即以红色高亮提示。

搭建你的第一个工作流：文生图

我们将从最简单但完整的文生图流程开始，只需要 7 个节点。

步骤一：加载模型

在画布右键选择 Add Node → loaders → Load Checkpoint。
通过下拉菜单选择你放入 checkpoints/ 文件夹的模型。该节点会输出 MODEL、CLIP 和 VAE 三个数据口。

步骤二：编码提示词

添加两个 CLIP Text Encode 节点（在 conditioning 类中）。
将 Load Checkpoint 节点的 CLIP 输出分别连接到两个文本编码节点的 clip 输入。
在第一个节点输入正向提示词（如“一只在月球上奔跑的柴犬，写实风格，高细节”），第二个输入负向提示词（如“模糊，低质量，变形”）。

步骤三：生成初始潜空间噪声

添加 Empty Latent Image 节点（latent 类）。
设置宽度、高度和批次大小（batch_size）。例如 512×512，批次 1。此节点输出一个符合指定尺寸的随机噪声潜变量。

步骤四：配置采样器

添加 KSampler 节点（sampling 类）。
连接输入：

  • model：来自 Load Checkpoint 的 MODEL。
  • positive 和 negative：来自两个文本编码节点的 CONDITIONING。
  • latent_image：来自 Empty Latent Image 的 LATENT。

在 KSampler 的参数中设置：

  • seed：固定或随机（设为 -1 即为随机）。
  • control_after_generate：生成后种子的变化方式，建议 increment。
  • steps：采样步数，SD1.5 推荐 20~30 步。
  • cfg：提示词引导系数，一般 7 左右。
  • sampler_name：如 euler 或 dpmpp_2m。
  • scheduler：如 normal 或 karras。
  • denoise：文生图保持 1.0。

步骤五：解码并保存图像

添加 VAE Decode（latent 类）和 Save Image（image 类）。
将 KSampler 输出的 LATENT 连接到 VAE Decode 的 samples，再将 Load Checkpoint 的 VAE 连接到 VAE Decode 的 vae。
最后将 VAE Decode 输出的 IMAGE 连入 Save Image 的 images，可设置输出前缀名。

点击侧边栏的“Queue Prompt”按钮，几秒后你的第一张 AI 图像即会出现在输出面板中。

进阶工作流：图生图与 ControlNet 引入

实际创作中，我们常常对已有图像进行变化或控制构图。ComfyUI 替换几个节点即可实现。

图生图（Image to Image）

将 Empty Latent Image 替换为以下流程：

  1. 用 Load Image 节点加载一幅参考图。
  2. 用 VAE Encode 节点（使用与主模型相同的 VAE）把像素图像编码到潜空间。
  3. 将 VAE Encode 输出的 LATENT 连接到 KSampler 的 latent_image 输入。
  4. 在 KSampler 中降低 denoise 值（例如 0.6~0.8），数值越小保留原图信息越多。

这样就实现了以原图为基础的重绘或风格化。

加入 ControlNet 精准控制

ControlNet 通过边缘、深度、姿态等条件引导生成。加入步骤如下：

  • 下载 ControlNet 模型并放入 models/controlnet/ 文件夹。
  • 添加 Load ControlNet Model 节点，选择对应模型（如 canny 控制网）。
  • 添加 Apply ControlNet 节点，连接：
    • conditioning：来自正向提示词编码后的 CONDITIONING。
    • control_net：来自 Load ControlNet Model 的 CONTROL_NET。
    • image：经过预处理的图像（如 canny 边缘提取的图像）。可使用 Canny Edge 节点处理输入图像。
  • 将 Apply ControlNet 输出的新 CONDITIONING 替换掉原来直接连入 KSampler 的正向条件。

这样，生成结果会严格遵循边缘图的线条结构。

LoRA 与多重模型混合

LoRA 是一种轻量级微调模型，可以快速切换风格或角色。

  • 将 Load LoRA 节点插入到 Load Checkpoint 之后。
  • Load Checkpoint 的 MODEL 和 CLIP 分别连接 Load LoRA 的 model 和 clip 输入。
  • Load LoRA 再输出新的 MODEL 和 CLIP，传给后续节点。
  • 可在参数中调整 LoRA 强度（如 0.8）。堆叠多个 LoRA 节点可以实现风格混合。

工作流保存与加载

完成一个复杂的工作流后，务必保存以复用：

  • 点击菜单中的 Workflow → Save 或 Save As，将生成 JSON 文件。
  • 支持拖拽 JSON 文件到画布直接加载，或通过 Load 按钮选择。
  • 如果你生成了一张图像，ComfyUI 自动将生成该图像的工作流嵌入到 PNG 文件的元数据中。把图片拖入画布即可还原整个工作流（甚至包括当时使用的模型名称和种子）。这一特性对于回溯实验极为有用。

常用技巧与排错

  • 节点对齐与整理：使用右键菜单 Align 或快捷键 Ctrl+G 分组，保持画布清晰。
  • 队列与批次：通过 Extra Options 可以设置批次数量, 一次生成多张图。
  • 显存优化：当显存不足时，启用 --lowvram 或 --novram 启动参数（在启动命令后添加）。ComfyUI 会自动将部分模型卸载以节省显存，代价是生成速度略降。
  • 自定义节点：社区提供了大量自定义节点（如效率节点包 Efficiency Nodes、ControlNet 辅助预处理器等），使用 ComfyUI Manager 可以方便地安装和管理。
  • 错误排查：如果节点变红，鼠标悬停会显示错误原因。最常见的是数据类型不匹配或缺少模型，检查连接线或模型路径。

结语

ComfyUI 打破了传统 UI 的限制，将扩散模型的生成过程拆解为可组合的“乐高积木”。一旦你习惯了节点式思维，任何新的 AI 绘画技术都能迅速融入自己的工作流。从最简单的文生图到复杂的 ControlNet + IP-Adapter + 多重采样回路，你的创意可以天马行空且精确复现。立即打开画布，用节点搭建属于你的创作管线吧。