ComfyUI 工作流搭建：AIGC 设计的高效引擎

上周在火星人教育的一次线下工作坊中，一位学员带着他的作品来找我。他花了整整两天时间，用 Midjourney 生成了近千张图，只为找到一张“模特手拿产品且背景符合品牌调性”的图。结果呢？手不是畸形就是背景穿帮，最后不得不花半天在 Photoshop 里修补。他问我：“有没有办法让 AI 一次性就生成我要的精确构图？”

答案是：有。而且你不需要依赖任何黑箱工具。这就是 ComfyUI 的价值——它把 AIGC 的生成过程变成可控制、可复用的工作流。今天，我们就从零搭建一个能解决上述问题的核心工作流。

为什么是 ComfyUI？

Stable Diffusion 生态中，WebUI 是大众化的选择，但 ComfyUI 是专业设计师的“瑞士军刀”。它的核心优势在于：

• 节点化逻辑：每个步骤（文生图、图生图、ControlNet、LoRA、放大）都是一个独立节点，你可以像搭积木一样组合它们。

下面，我们直接进入实操。

核心工作流一：从文字到精准构图的“可控生成”

场景：你需要生成一张“一位穿白色衬衫的女性，坐在咖啡馆窗边，手拿一杯带有品牌 Logo 的咖啡，背景是雨天的街道”。

传统做法：反复抽卡，然后手动修图。
ComfyUI 做法：用 ControlNet + LoRA + 区域控制，一次生成符合要求的图。

步骤 1：搭建基础文生图节点

启动 ComfyUI（当前推荐版本：v0.2.7+），你会看到一个空白画布。右键点击空白处，搜索并添加以下节点：

1. Load Checkpoint：选择基础模型，比如 `SDXL 1.0` 或 `Realistic Vision v6.0`。参数：`ckpt_name` 选择你的模型文件路径。
2. CLIP Text Encode (Prompt)：输入正向提示词。例如：`(masterpiece, best quality), 1girl, white shirt, sitting at cafe window, holding coffee cup with logo, rainy street background, cinematic lighting`
3. CLIP Text Encode (Prompt)：输入反向提示词。例如：`(worst quality, low quality:1.4), deformed hands, extra fingers, blurry, watermark`
4. KSampler：关键参数设置：
– `seed`：固定为某个值（如 12345），方便复现
– `steps`：建议 25-30（SDXL 用 20-25）
– `cfg`：7-9（推荐 7.5）
– `sampler_name`：`Euler a` 或 `DPM++ 2M Karras`
– `scheduler`：`normal` 或 `karras`
5. VAE Decode：连接 KSampler 的输出，将潜空间图像解码为像素图。
6. Save Image：输出最终结果。

连接方式：从 Load Checkpoint 的 `model` 输出连接到 KSampler 的 `model`，从 CLIP 节点的 `conditioning` 连接到 KSampler 的 `positive` 和 `negative`。

步骤 2：加入 ControlNet 进行姿态控制

为了让模特的手部姿势和咖啡杯位置精确，我们需要 ControlNet。

1. 添加 Load ControlNet Model：选择 `control_v11p_sd15_openpose`（适用于 SD 1.5）或 `controlnet-sdxl-1.0-openpose`（适用于 SDXL）。参数：`control_net_name` 选择对应模型。
2. 添加 ControlNet Apply：将 Load Checkpoint 的 `model` 连接到这里，再连接回 KSampler。同时把 ControlNet 模型的输出连接到 `control_net` 输入。
3. 准备一张参考图：在 Photoshop 中简单画一个“人坐姿、手举杯”的骨架图，或者用 OpenPose 编辑器生成。保存为 PNG。
4. 添加 Load Image：加载这张骨架图。
5. 添加 Preprocess Image (OpenPose)：将 Load Image 的输出��接到这里，参数 `preprocessor` 选择 `openpose`，`resolution` 设为 512（与模型匹配）。

现在，你的 ControlNet 会强制模型按照骨架图生成人物姿态。运行工作流，你会发现手部畸形问题大幅减少。

步骤 3：用 LoRA 控制品牌元素

假设咖啡杯上的 Logo 是某个特定图案，我们可以训练一个 LoRA 来植入。

1. 添加 Load LoRA：选择训练好的 LoRA 文件（比如 `brand_logo_v1.safetensors`）。参数：`strength_model` 设为 0.6-0.8（太高会覆盖原图风格）。
2. 将 Load Checkpoint 的 `model` 先连接到 Load LoRA，再连接到 KSampler。
3. 在正向提示词中加入触发词，比如 `brand_logo_on_cup`。

这样，生成图里的咖啡杯上就会出现 Logo。如果位置不对，可以调整 ControlNet 的权重（`strength` 参数，建议 0.5-0.7）或修改提示词。

配图 1：展示上述节点连接图，标注 ControlNet 和 LoRA 的位置。

核心工作流二：从粗糙草图到高清成品的“放大与修复”

场景：你用手绘板画了一张粗糙的草图，想用 AI 生成细节丰富的高清图，同时保留原始构图。

步骤 1：图生图基础

1. 添加 Load Image：加载你的草图。
2. 添加 VAE Encode：将图像编码为潜空间。参数：`VAE` 选择与模型匹配的 VAE（如 `sdxl_vae.safetensors`）。
3. 添加 KSampler：设置 `denoise` 参数为 0.6-0.8（值越大越偏离原图，0.6 通常能保留构图但增加细节）。
4. 连接方式：Load Image → VAE Encode → KSampler（`latent_image` 输入）。

步骤 2：使用 Tile ControlNet 进行细节增强

直接图生图容易产生模糊或伪影，用 Tile ControlNet 可以局部修复。

1. 添加 Load ControlNet Model：选择 `control_v11f1e_sd15_tile`。
2. 添加 ControlNet Apply：连接方式同上，但这次将 Load Image 直接连接到 ControlNet 的 `image` 输入（不需要预处理）。
3. 在 KSampler 中设置 `steps` 为 30-40，`denoise` 为 0.5-0.6，`cfg` 为 6。
4. 运行后，你会看到草图被填充了纹理、光影和细节，但整体构图不变。

步骤 3：用 Ultimate SD Upscale 进行高清放大

生成的图通常是 512×512 或 1024×1024，我们需要放大到 4K。

1. 添加 Ultimate SD Upscale 节点（需要安装 `ComfyUI-UltimateSDUpscale` 插件）。
2. 参数设置：
– `target_size`：选择 `4x` 或手动输入宽度（如 4096）
– `upscale_model`：选择 `4x-UltraSharp` 或 `4x_NMKD-Superscale-SP_178000_G`
– `seamless`：开启（避免分块接缝）
– `overlap`：64（分块重叠像素）
3. 输入：将 KSampler 的输出连接到 `image`。
4. 输出：直接获得高清大图。如果显存不足（比如 8GB），可以分两次放大：先 2x，再 2x。

配图 2：展示草图与最终高清图的对比，标注细节修复区域。

进阶技巧：将工作流打包成“一键生成”模板

当你完成了上述工作流后，可以将其保存为 `.json` 文件。下次只需要替换输入图或修改提示词，就能批量生成。

操作：
1. 点击 ComfyUI 界面右上角的“Save”按钮，选择“Save as Template”。
2. 为模板命名，比如“品牌产品图生成_标准版”。
3. 下次打开时，点击“Load”，选择模板，然后替换 Load Image 或 CLIP Text 节点中的内容即可。

批量处理：在 Load Image 节点中，可以加载一个文件夹，ComfyUI 会自动遍历所有图片。配合 KSampler 的 `batch_size` 参数（建议 1-2，取决于显存），可以实现批量生成。

总结与进阶建议

通过上述两个工作流，你已经掌握了 ComfyUI 的核心用法：可控生成 + 高清修复。这不仅是技术技巧，更是设计流程的优化——从“碰运气��到“确定性”。

进阶学习建议：
1. 学习节点开发：ComfyUI 支持自定义节点，你可以用 Python 编写自己的功能节点。先学 `ComfyUI-Manager` 插件，它能一键安装社区节点。
2. 掌握区域控制：研究 `Attention Couple` 或 `Regional Prompting` 节点，实现“画面左侧是森林，右侧是海洋”这样的分区控制。
3. 视频生成：ComfyUI 支持 AnimateDiff 插件，可以生成可控动画。从单帧工作流扩展到多帧，是下一个突破口。
4. 模型微调：用 LoRA 或 DreamBooth 训练自己的风格模型，与 ComfyUI 工作流结合，形成专属设计引擎。

最后，记住：AIGC 工具是杠杆，但设计思维才是支点。花时间理解每个参数的意义，比盲目追求“一键生成”更重要。

—

常见问题 FAQ

Q1：ComfyUI 对硬件要求高吗？
A：最低 4GB 显存可运行 SD 1.5 模型，8GB 显存可流畅运行 SDXL。推荐使用 NVIDIA RTX 3060 12GB 或更高。CPU 内存建议 16GB+，固态硬盘必备。

Q2：为什么我的 ControlNet 不起作用？
A：常见原因：1）模型版本不匹配（SD 1.5 的 ControlNet 不能用于 SDXL）；2）预处理参数错误，比如 OpenPose 需要 `resolution` 匹配生成图尺寸；3）ControlNet 权重太低，建议从 0.7 开始调整。

Q3：如何解决生成图的手部畸形？
A：1）使用 OpenPose ControlNet 强制姿态；2）在反向提示词中加入 `bad hands, extra fingers`；3）降低 CFG 值到 6-7；4）尝试 `DPM++ 2M Karras` 采样器，它对细节更友好。

Q4：工作流保存后无法加载怎么办？
A：检查节点是否依赖特定插件。保存前，确保所有节点都是 ComfyUI 原生或已安装的插件。建议在保存时勾选“Include missing node types”选项。

Q5：如何提升生成速度？
A：1）降低 steps 到 20-25；2）使用 `LCM LoRA` 或 `Turbo` 模型（如 SDXL Turbo），steps 可降至 4-8；3）开启 `–highvram` 启动参数（显存足够时）；4）使用 `TensorRT` 加速（需安装对应插件）。