comfyui 工作流教程

接入与开发

面向 AI 绘画新手,讲清 ComfyUI 工作流的搭建顺序、常用节点该怎么连、以及改图时从哪个节点下手排查。

你可能已经装好 ComfyUI,也拿到别人给的 JSON 工作流,但一打开就是满屏连线和红框节点,不知道从哪儿动手。或者照着视频拖了几个节点,出图却报错、出怪图,也说不清是哪一步接错了。这篇按新手的实际卡点走一遍:从打开一份工作流开始认结构,到搭一条最小可跑链路,再讲几个高频节点的作用和对不上时怎么查。不保证你一次就顺手,但至少知道每一步在干什么。

你可能已经装好 ComfyUI,也拿到别人给的 JSON 工作流,但一打开就是满屏连线和红框节点,不知道从哪儿动手。或者照着视频拖了几个节点,出图却报错、出怪图,也说不清是哪一步接错了。这篇按新手的实际卡点走一遍:从打开一份工作流开始认结构,到搭一条最小可跑链路,再讲几个高频节点的作用和对不上时怎么查。不保证你一次就顺手,但至少知道每一步在干什么。

先说个前提:下面讲的是「能跑通一条链路」的思路,不是「一次调出好看图」的方法。出图质量跟模型、提示词、采样设置都有关,那部分不在这篇的范围里。如果你连 ComfyUI 界面都没打开过,先去把基础的安装和启动走完,回来再看这一篇。

先读懂一份现成工作流,别急着从零搭

新人最容易走的弯路,是打开空画布就开始拖节点。更省事的顺序是:找一份别人分享的、能出图的工作流 JSON,导入进来先跑通一次,再在这个基础上改。跑通意味着你有了一个「已知能干活的参照物」,后面改坏了还能退回去对比。空画布从零搭,等于同时面对「节点怎么连」和「我搭得对不对」两个问题,出错了很难定位。

导入之后别急着一层层研究,先做一件事:把整张图按三类功能分区看。第一类是模型加载类节点,它们通常没有上游输入,是链路的起点;第二类是条件与采样类节点,负责把提示词和模型拼成出图过程;第三类是输出保存类节点,是链路的终点。你先找到保存节点,顺着线往回捋,就能看出主线是哪一条,旁边那些孤立的、没连到保存节点的分支,暂时可以不管。

  • 模型加载类:一般没有输入接口,只有输出,它决定这条链路用哪个底模;
  • 条件与采样类:有多个输入,接收模型、提示词和尺寸,输出给下一环;
  • 输出保存类:通常只有一个输入,接到它上面的那条线就是主干;
  • 红框或红字节点:多数是模型文件没放对目录或文件名对不上,先去补文件再谈连线;
  • 孤立的节点分支:暂时折叠或忽略,等主线跑通再回头看它们的作用。

搭一条最小可跑的链路:从加载到出图

如果你非要从零搭一条链路,那就搭最小的那条,别一上来就加一堆花哨节点。一条能出图的基本顺序是:加载底模,把模型接到文本编码节点,正向提示词和负向提示词分别编码,采样器接收模型和编码结果,再根据潜空间尺寸算出结果,解码成图像,最后保存。这里面每一步的输出类型都对得上,链路才成立。

  1. 先放保存节点从输出端往回接,先摆好保存节点,这样你知道链路要往哪儿走,不容易漏掉最后一环。
  2. 往回收解码节点解码节点的作用是把潜空间结果变成能看的图,它接保存节点,说明它的输出就是最终图像。
  3. 再接采样节点采样节点接解码节点,它的输入来自模型和文本编码,这里要确认模型和提示词都接到了它身上。
  4. 往回补编码和加载文本编码节点接收提示词和模型,加载节点提供模型,把这条线补齐,链路就闭环了。
  5. 连不上时看接口类型鼠标停在节点接口上会显示类型,类型对不上一般连不上,不要硬拉线,先确认两个节点的类型是否匹配。

搭好之后第一次跑,把尺寸和步数都放在保守区间,先把流程走通。走通了再去调质量参数。别一上来就追求出图效果,流程没通的时候调参数只会让你更乱。各种参数的具体取值范围,这篇不写死,你可以到 提示与调参术语速查(/ai-dict/category/tips) 对照概念理解,实际数字以站内页面当时的说明为准。

节点类别典型作用出问题时先看什么
加载类提供底模或附加模型模型文件是否放对目录、名字是否一致
文本编码类把提示词转成模型能读的形式正负两路有没有接反、输入是否连上
采样类按模型和条件算出潜空间结果上游模型和编码是否都到位、参数是否在合理区间
解码类把潜空间结果转成图像上一环有没有输出,类型是否匹配
保存类把图像写到你指定的位置路径是否存在、有没有被别的分支覆盖

这张表不是让你背,是给你排查时一个方向。比如报错信息里点名某个节点,你就先对照它的类别,看看是文件问题、连线问题还是参数问题,别一上来就重装软件。

几个高频节点先认脸,改动优先动它们

工作流里节点很多,但你日常真正会动的就那么几类。加载类节点决定用哪个底模或附加模型,换模型基本就是换这里。文本编码节点分正面和负面两个方向,接反了会出现「怎么调都没效果」的情况,这是新手很常见的坑。采样类节点管出图过程和随机性,你改了它却没反应,先别怀疑节点坏了,很可能你改的那条分支根本没连到保存节点上。

  • 改风格、换模型:优先动加载类节点,而不是去改采样参数;
  • 改提示词没效果:检查正负两路编码是不是接反或接错;
  • 改采样没反应:顺着线确认这条链路最终连到了保存节点;
  • 图能出但结构怪:先看解码节点上游是不是接到了别的分支;
  • 节点太多看不清:把与当前链路无关的分支临时折叠,排查范围能小一半。

如果节点名字或概念看着陌生,不要靠猜。先去 AI 术语词典(/ai-dict) 把名词的意思对一遍,再回来改。术语没搞清就凭感觉调,很容易把一条好链路改坏,而且你还说不清是哪一步开始坏的。

跑不通时的排查顺序

报错不可怕,可怕的是东改一下西改一下。下面这个顺序是经过验证的排查路径:先查文件,再查连线,然后查依赖,最后查硬件。这个顺序的道理是,越靠前的问题越常见、越好确认,越靠后的越费时间。按顺序来,不会在错误方向上浪费精力。

第一查文件:模型、VAE、附加网络有没有放到对应目录,文件名有没有差一个大小写或后缀。第二查连线:报错点名哪个节点,就从那个节点的输入往回看,缺输入通常是上游断了。第三查依赖:导入别人工作流后提示缺节点,多半是缺了对应的自定义节点包,先把包补齐再跑。

第四查硬件与显存:跑到一半崩、进度卡死,可能是尺寸或批量开太大,先把数值降下来跑一次,排除环境原因,再怀疑工作流本身。如果你在排查过程中拿不准是不是自己机器的问题,可以用站内的 速度测试(/tools/speed-test) 先跑一次,看看基础环境是否正常,别把环境问题当成工作流问题来回改。

排查的顺序,比排查的耐心更重要:先排除最常见的,再去啃最麻烦的。

这套顺序也不是万能的。如果你用的是别人魔改过的工作流,节点来源不明、依赖包版本混乱,那么按上面四步可能都排不掉,这时候更实际的做法是回到一份干净的、来源清楚的工作流重新开始,而不是继续在烂摊子里打补丁。哪种工作流更值得信任、分享来源怎么判断,可以到 中转站与工具导航(/sites) 看看站内整理的入口和说明。

下一步跑通第一条链路之后,你会想找更多现成工作流来练手。站内整理了可以直接拿来对照的工作流和相关工具入口,先看哪些来源清楚、哪些坑已经被标注过。

常见问题

新手要不要先学节点原理,还是直接套现成工作流?

建议先套一份别人的工作流跑通一次,有了「输入进去、图出来」的实感,再回头认识节点。一上来啃原理,很容易在几十个节点面前劝退。套用的前提是你能说清每个节点的输入从哪来,说不清就先沿着连线走一遍。

工作流导入后报缺少节点怎么办?

这类提示一般是缺了自定义节点包,不是工作流本身坏了。先按提示里的名字去找对应的节点包装上、重启,再打开工作流。装完还是缺,多半是版本对不上,换一份和你环境更接近的工作流文件往往比自己修更快。

出图质量和预期差很多,是工作流的问题吗?

不一定。模型不同、提示词写法不同、采样参数不同都会影响结果,工作流只是把这几样串起来的管道。先固定其他变量,只改一样再看变化,比一次换一堆更好判断。想横向比出图差异,可以到站内 同一提示词比多家模型出图质量(/tools/pelican-bench) 用统一条件对照。

本文依据各平台公开文档与官方公告整理,只做中文归纳;具体做法、参数与限制以官方文档为准。