ComfyUI 怎么用：默认工作流与核心节点功能入门教程
ComfyUI 是 Stable Diffusion 的节点式操作界面，它把一次出图拆成加载模型、编码提示词、采样、解码、保存等多个独立步骤，再用连线把它们串成工作流。相比表单式的 Stable Diffusion WebUI，它的上手门槛更高，需要对 SD 模型和各类扩展的原理有一定理解，但工作流可复用、可批处理，在自动化与批量生产上更占优势。
下面从界面、管理菜单和默认工作流入手，把 ComfyUI 的基本功能讲清楚。安装部署此前已有专文，这里不再重复（链接发布前需核验）。
ComfyUI 和 Stable Diffusion WebUI 有什么区别
| 对比项 | Stable Diffusion WebUI | ComfyUI |
|---|---|---|
| 操作方式 | 表单式界面，填参数后直接生成 | 节点画布，手动连线搭建工作流 |
| 上手门槛 | 较低，流程相对固定 | 偏高，要理解 SD 模型与扩展原理，动手能力要求高 |
| 可定制性 | 以插件扩展为主 | 节点自由组合，能搭出各种新奇玩法 |
| 自动化与批量 | 有限 | 工作流可保存复用，自动化和批量出图能力更强 |
两者可以并行使用。如果目的是解放生产力、做工业化批量生产，ComfyUI 的应用前景更广。
界面与管理菜单：三个最常用的操作
ComfyUI 的主界面就是一张工作流配置面板，左侧有一个浮动的管理菜单，负责日常工作流管理。最常打交道的三项是：
- Queue Prompt：把当前工作流加入队列并执行，开始生成图片或视频。
- Save：把当前工作流以 JSON 格式保存到本地，方便以后调用或分享给别人。
- Load：从本地加载 JSON 工作流文件，或加载带有工作流信息的图片，直接还原成当前工作流。
默认工作流的六个节点分别做什么
ComfyUI 启动后会自带一个最基础的文生图工作流。它把一次生成拆成了六个节点，按从左到右的顺序理解即可。
Load Checkpoint：加载基础模型
出图必须依赖 SD 基础模型，不同模型擅长的题材和风格不一样，比如 realisticVisionV51_v51VAE 偏向真实视觉风格。国内用户可以在 liblib.art 下载自己需要的模型。
这个节点有三个输出：
- MODEL：从硬盘加载的 SD 基础模型，供后续采样使用。
- CLIP：文本到图像的映射模型，用来编码提示词。
- VAE：图像数据解码器，用于最终生成可见的画面。
CLIP Text Encode：把提示词编码成向量
AI 运算的本质是大量向量计算，文本编码器的作用就是把文字转成向量。默认工作流里有两个编码器，分别对应正向提示词和反向提示词，它们的 clip 输入都来自 Load Checkpoint 提取出的 CLIP 模型，编码结果则作为采样条件传给采样器。
需要注意的是，同一个词在不同的 SD 基础模型中可能对应不同的向量，所以 CLIP 必须从当前使用的基础模型里提取。
Empty Latent Image：提供空的潜空间画布
它给出指定宽高和数量的空白图像空间。之所以叫 latent（潜空间），是因为采样产生的是图片数据的压缩格式，还不是真正的图像。
KSampler：出图的核心
K 采样器负责 SD 模型的反向扩散过程：从一张完全噪音图开始，逐步去除噪音，最终得到画面。它的输入很多，理解这些参数是调好图的关键。
| 参数 | 含义与常用取值 |
|---|---|
| model | 来自 Load Checkpoint 的 MODEL，采样在这个基础模型上进行 |
| positive / negative | 正、反向提示词编码后的向量条件，采样时保留或去除接近该向量的噪音 |
| latent_image | 来自 Empty Latent Image 的空画布，用来存放生成的数据 |
| seed | 随机种子。每次换种子就引入不同随机特征；参数与种子完全相同，出图也完全相同 |
| steps | 采样步数，一般 20-30；LCM、Turbo、Lightning 等快速模型只需 1-8 步 |
| cfg | 控制提示词对画面的影响力，越大越贴合提示词，常用 6-8，最优值取决于模型和个人偏好 |
| sampler_name | 去噪方法，默认 euler，兼顾速度与质量；对质量要求高可选 dpmpp 系列 |
| scheduler | 控制采样时间线上每一步的降噪幅度，不满意默认值可试 karras |
| denoise | 去噪幅度，最大 1.0。越高图像特征越清晰，越低越抽象或带艺术效果 |
调参时要一起考虑提示词、图像尺寸和采样策略，单独改某一个值往往达不到预期。
VAE Decode：把潜空间数据还原成图片
采样器输出的是压缩格式的潜空间数据，需要 VAE 解码才能变成真正的图片。这个节点的 vae 输入接 VAE 模型（通常已包含在 SD 基础模型里，也可以单独指定），samples 输入接 KSampler 输出的 LATENT。
Save Image：保存并展示结果
默认保存路径是 ComfyUI/output。节点上的 filename_prefix 参数决定文件名前缀，还可以带目录，比如填 simple/test，图片就会存到 simple 目录下，并以 test 作为文件名前缀。
添加节点与连线：两步完成
默认工作流只覆盖文生图。要做图生图或接入 ControlNet，就得往画布里加节点。
- 添加节点：在画布空白处点右键，选择 Add Node，在采样、加载器、潜空间、图片等内置分类里逐层查找；节点名称熟悉的话，直接双击画布空白处，输入关键词搜索并点选结果即可。
- 连接节点：节点的输入项一般在左侧，输出项一般在右侧。按住输出项拖动到目标节点的输入项上即可完成连接。例如 VAE Decode 的 samples 接入 KSampler 的 LATENT 输出，IMAGE 输出再接 Save Image 的 Images。
连接的前提是数据格式匹配，格式对不上无法连。
参数想被其它节点驱动？转成外部输入
有些节点的参数默认只能手动填写。如果希望它由其它节点自动填入，或与别的节点共享同一个值，可以在该节点上点右键，选择 Convert input to...，把指定参数转成外部输入项，再把上游节点的输出连过来。
用好 ComfyUI 的两个前提
- 对 Stable Diffusion 的基本概念有清晰理解，并熟悉 ComfyUI 的基本操作方式。
- 在动手实践中反复尝试，逐步摸清各类节点的能力，积累组合运用工作流的经验。
如果不想折腾安装，作者在 AutoDL 云平台发布了一个 ComfyUI 镜像，内置常用工作流和基础模型，可直接调用平台显卡，镜像地址为 https://www.codewithgpu.com/i/comfyanonymous/ComfyUI/yinghuoai-ComfyUI ，进入页面后点击右下角「AutoDL 创建实例」即可使用。
网盘资源下载
以下资料与本文标签匹配，已整理在网盘，按需自取。
展开全部 2 个资源
b4jh网盘链接可能失效或变更，若无法打开请在评论区留言。
相关推荐
