ComfyUI新手入门下篇

基于上篇的环境搭建和中篇的核心节点知识，重点讲解文生图工作流搭建、实战操作步骤，搭配效果优化技巧和常见问题解决，帮你快速上手AI生成操作，独立完成属于自己的AI作品。\r\n\r\n一、新手实战：搭建第一个文生图工作流\r\n\r\n本次实战将搭建一个简单的“文生图”工作流，生成一张可爱的小猫图像，步骤清晰，新手可直接跟着操作，全程无需复杂设置，重点巩固节点连接和参数调节技巧。\r\n\r\n1.1 步骤1：清空默认工作流，添加核心节点\r\n\r\n打开ComfyUI后，默认会加载一个现成的工作流，新手可先点击工作区空白处，按“Delete”键删除所有节点，从零开始搭建，避免干扰；然后从左侧节点库中，依次拖拽以下6个核心节点到工作区（拖拽时避免节点重叠，摆放整齐，方便后续连接）：\r\n\r\n1. Checkpoint Loader（模型加载节点）\r\n\r\n2. CLIP Text Encode（正向提示词节点）\r\n\r\n3. CLIP Text Encode（负向提示词节点，若节点合并，可切换为负向）\r\n\r\n4. Empty Latent Image（潜空间图像节点）\r\n\r\n5. KSampler（采样节点）\r\n\r\n6. VAE Decode（图像解码节点）\r\n\r\n7. Save Image（图像输出节点）\r\n\r\n1.2 步骤2：连接节点，构建工作流\r\n\r\n节点拖拽完成后，按照“数据流向”连接节点（节点之间的端口颜色一致即可连接，鼠标点击端口，拖拽到目标端口即可完成连接，连接时注意线路不要交叉，方便后续修改），连接顺序如下：\r\n\r\n1. Checkpoint Loader → CLIP Text Encode（正向+负向）：将“Checkpoint Loader”的“clip”输出端口，分别连接两个“CLIP Text Encode”的“clip”输入端口。\r\n\r\n2. Checkpoint Loader → KSampler：将“Checkpoint Loader”的“model”输出端口，连接“KSampler”的“model”输入端口。\r\n\r\n3. CLIP Text Encode → KSampler：将正向提示词节点的“conditioning”输出端口，连接“KSampler”的“positive”输入端口；负向提示词节点的“conditioning”输出端口，连接“KSampler”的“negative”输入端口。\r\n\r\n4. Empty Latent Image → KSampler：将“Empty Latent Image”的“latent”输出端口，连接“KSampler”的“latent_image”输入端口。\r\n\r\n5. KSampler → VAE Decode：将“KSampler”的“samples”输出端口，连接“VAE Decode”的“samples”输入端口。\r\n\r\n6. Checkpoint Loader → VAE Decode：将“Checkpoint Loader”的“vae”输出端口，连接“VAE Decode”的“vae”输入端口。\r\n\r\n7. VAE Decode → Save Image：将“VAE Decode”的“images”输出端口，连接“Save Image”的“images”输入端口。\r\n\r\n连接完成后，一个完整的文生图工作流就搭建好了，此时工作区的节点会通过线路形成一个闭环，数据能正常流转，若某条线路未连接或连接错误，节点会显示红色提示。\r\n\r\n1.3 步骤3：调节参数，执行生成\r\n\r\n参数调节是生成满意图像的关键，新手按以下参数设置，可快速生成一张合格的图像，无需自行修改，熟悉后再逐步调整：\r\n\r\n1. Checkpoint Loader：下拉选择“Stable Diffusion v1.5”（或你下载的其他模型）。\r\n\r\n2. 正向提示词节点：输入“a cute cat, white fur, blue eyes, healing style, high definition, soft light, simple background”（中文也可，如“一只可爱的小猫，白色毛发，蓝色眼睛，治愈系，高清，柔和光线，简单背景”）。\r\n\r\n3. 负向提示词节点：输入“blurry, malformed, low quality, watermark, ugly, dark”（中文如“模糊，畸形，低画质，水印，丑陋，黑暗”）。\r\n\r\n4. Empty Latent Image：width=512，height=512，batch_size=1。\r\n\r\n5. KSampler：steps=25，cfg=7，sampler_name=euler，其他参数默认即可。\r\n\r\n6. Save Image：filename_prefix=“cat”，output_path默认（可手动修改为自己方便查找的路径）。\r\n\r\n参数设置完成后，点击工作区右上角的“Queue Prompt”（执行按钮），即可开始生成图像，生成时间根据电脑配置而定（一般10-30秒），生成过程中，输出区会逐步显示图像进度，耐心等待即可。\r\n\r\n1.4 步骤4：查看与优化结果\r\n\r\n生成完成后，输出区会显示最终图像，若对效果不满意，可通过以下方式优化（新手重点尝试前2种，操作简单，效果明显）：\r\n\r\n- 优化提示词：补充细节（如“小猫趴在草地上，尾巴翘起，眼神灵动”），删除无关词汇，调整负向提示词，增加“高清、细腻、4k”等关键词，让AI生成更精准。\r\n\r\n- 调节参数：适当提高采样步数（如30步），调整cfg值（如6-8），更换采样器（如“dpm++ 2m karras”），平衡效果和生成速度。\r\n\r\n- 更换模型：若生成效果不符合预期，可切换其他模型（如动漫风格换MeinaMix，写实风格换RealVisXL V4.0）。\r\n\r\n- 调整图像尺寸：适当提高宽度和高度（如768×768），但需注意显存占用，避免卡顿。\r\n\r\n二、新手进阶小技巧\r\n\r\n- 保存工作流：搭建好的工作流可点击右上角“Save”，保存为.json文件，后续可直接加载，无需重复搭建；也可分享给他人，实现效果复现（ComfyUI的核心优势之一）。\r\n\r\n- 安装扩展节点：新手熟悉基础操作后，可安装扩展节点丰富功能（如IP-Adapter实现风格迁移、AnimateDiff生成动画），将扩展节点文件夹放入“custom_nodes”目录，重启ComfyUI即可加载。\r\n\r\n- 批量生成：修改“Empty Latent Image”的“batch_size”（如3、5），即可一次生成多张图像，提高效率，适合对比不同效果。\r\n\r\n三、常见问题解决（新手必看）\r\n\r\n- 生成图像模糊、细节差：提高采样步数（≥25），优化提示词（补充细节），调整cfg值（5-8），更换高清模型，避免使用低显存模式。\r\n\r\n- 生成速度慢：降低采样步数（20-25），减小图像尺寸（512×512），关闭其他占用显存的软件，若显卡显存较小，可添加“--lowvram”参数优化显存占用。\r\n\r\n- 节点无法连接：检查端口颜色是否一致，若颜色不同，说明数据类型不匹配，需更换节点或调整连接方式；若节点显示红色，说明参数设置错误，检查参数是否填写完整。\r\n\r\n- 生成图像出现畸形、怪诞：降低cfg值（避免过高），优化负向提示词（添加“畸形、怪诞、扭曲”等），更换采样器或模型，检查提示词是否有矛盾内容。\r\n\r\n四、总结与后续学习方向\r\n\r\n通过上中下三篇教程，新手已完整掌握ComfyUI的基础认知、环境搭建、核心节点用法和实战操作，能够独立完成文生图任务，实现从“新手”到“入门”的跨越。ComfyUI的核心是“灵活可控”，后续可逐步深入学习：\r\n\r\n1. 扩展节点学习：探索IP-Adapter、ControlNet等热门扩展节点，实现风格迁移、姿态控制等更精细的效果。\r\n\r\n2. 高级工作流搭建：学习多路并行工作流（如同时测试多种提示词/参数效果）、潜空间操作（如局部修图、图像融合）等高级技巧。\r\n\r\n3. 模型优化：学习模型微调、LoRA模型使用，生成更具个性化的图像。\r\n\r\n4. API集成：尝试通过API调用ComfyUI，实现批量生成、自动化创作等工业级应用场景。\r\n\r\n新手学习过程中，建议多动手尝试，逐步熟悉节点逻辑和参数调节，遇到问题多排查，慢慢就能掌握ComfyUI的核心用法，解锁更多AI创作的可能性。