1. 为什么我把 AI 绘画从在线出图搬到了 ComfyUI PS 的组合上先交代一下背景。我接触 AI 绘画的时间不算早最开始和大家一样用的是各种在线出图工具和封装好的网页端。说实话那阵子确实挺兴奋的输入一段提示词就能生成几张像模像样的图出图速度也快足够发朋友圈了。但真正让我转向 ComfyUI 的是一个很现实的问题我在做一个系列海报项目需要保持统一的角色形象、一致的构图风格并且要对其中某几张图的细节做局部修改。在线工具这边生一张、那边修一下风格飘忽不定改一处细节就得把整张图重新生成最后我在 PS 里修补的时间比生成的时间还长。后来我把工作流整体迁移到了 ComfyUI配合 PS 做后处理才真正找到了顺手的节奏。这套组合的实际价值在于:ComfyUI 负责可控生成PS 负责像素级修正两者分工明确中间通过图生图、局部重绘、精细修复这些环节衔接起来。现在我的日常流程是先在 ComfyUI 里把底图、构图、光影、风格全部定死产出后丢进 PS 做精修、排版、调色必要时再把 PS 里修好的图送回 ComfyUI 做二次生成俗称回炉。这套流程跑通之后我的出图效率大概翻了一倍而且最关键的——客户的修改意见我能精准地在对应图层和节点上处理而不是靠运气重新抽卡。这篇文章我不会讲太多玄乎的概念重点就落在四件事上ComfyUI 的节点逻辑到底怎么理解、一个能用于实际项目的文生图工作流怎么搭、PS 在这个流程里的正确打开方式以及从自娱自乐到商业接单怎么把工作流变成生产资料。如果你和我一样已经受够了随机出图的折磨或者正准备把 AI 绘画用在正经项目里这篇应该能给你一些可以直接上手的思路。2. ComfyUI 环境准备从整合包到基础概念少走弯路2.1 环境安装建议直接用整合包但要知道自己装了什么先聊环境。我第一次接触 ComfyUI 的时候头铁去官方仓库手动部署结果在依赖和版本兼容上折腾了两天。后来换了社区常用的整合包十分钟就跑起来了。这里建议新手直接走整合包路线不要在这个阶段浪费时间。市面上常见的整合包比如秋叶整合包、满血版整合包本质上是帮你把 Python 环境、PyTorch、CUDA 依赖、常用节点和模型都封装好了开箱即用。但我要提醒一点用整合包没问题但你必须清楚自己用了什么版本的底层组件。因为后面你装自定义节点的时候大概率会遇到版本冲突。我建议动手前先记住三个东西ComfyUI 的前端版本、PyTorch 版本、你用的显卡驱动版本。整合包的发布页一般会写明这些信息截图存一份就行。另外国内网络环境下载模型可能比较慢整合包一般自带切换国内源的工具或者你直接去国内模型站下载 checkpoint、LoRA 放到对应目录。模型放哪里也是有规矩的checkpoint 大模型放在models/checkpointsLoRA 放在models/lorasVAE 放在models/vaeControlNet 相关的放在models/controlnet——路径放对了加载的时候才找得到。2.2 节点逻辑的本质一张图就是一条流水线ComfyUI 和传统在线工具最大的区别就是它把生成一张图这件事拆成了一串可以自由组装的操作步骤每个步骤是一个节点节点之间有输入输出连接串联起来就是一条工作流。你可以把每个节点想象成一个工位上的工人加载模型的人只管加载模型写提示词的人只管把文字转换成模型能理解的向量采样器负责根据条件去画解码器把潜空间数据还原成像素图。每个工位干好自己的活然后把半成品递给下一个工位。这个逻辑看起来很绕但一旦理解了你就获得了一个核心能力——可复现性。在线出图工具是一次性黑箱而 ComfyUI 里同样的工作流、同样的 seed随机种子、同样的模型和参数产出结果是可以复现的。对商业项目来说这意味着你终于可以对客户说这个方案是基于这套参数生成的我们后续每张图都会在这个基准上迭代。这种可控性是所有严肃创作场景的刚需。新手入门 ComfyUI 的时候我建议你把默认的文生图模板拆开逐节点看一遍跟着连一遍线不要急着装一堆插件。先搞清楚最核心的五类节点加载 checkpoint、CLIP 文本编码正向/负向提示词、采样器KSampler、VAE 解码、保存图像。这五个节点的链路就是一条最基础的文生图流水线之后再往这条主线上加 ControlNet、LoRA、局部重绘之类的分支节点理解起来就快多了。2.3 几个容易卡住新手的点根据我自己的经历和帮朋友排查的经验新手最容易卡住的通常是这几个地方模型加载不出来多半是路径放错了或模型格式不兼容确认是 .safetensors 文件并且放在正确的目录重启 ComfyUI 后刷新节点列表。生成全黑图或彩色噪点图大概率是 VAE 没有正确连接或模型内置 VAE 没启用可以单独下载一个 VAE 文件挂上去。报错提示缺少自定义节点说明工作流里用到了你没装的插件去管理器里一键安装缺失节点。显存不足OOM降低分辨率、把 batch size 调小或者启用低显存模式。如果你还在用 8G 以下显存的卡尽量不要开一堆 ControlNet 和放大模型同时跑。这些坑基本都属于知道原理就能避开的类型。比如全黑图的问题如果你理解 VAE 负责把潜空间数据还原成可见像素你就知道少了这一步输出肯定是坏的。3. 搭一条能用于实战的文生图工作流从模型选择到参数设置3.1 模型的选型逻辑别追新要追稳很多刚接触 ComfyUI 的朋友特别热衷于下载最新的 checkpoint 大模型谁的样图好看就下谁。但真正做项目的时候稳定比惊艳重要得多。我常用的思路是主力大模型固定在 1-2 个经过大量社区验证的模型上比如 SD 系列的经典版本和各种微调版本具体选哪个取决于你的项目风格——画写实人像选写实类模型做二次元风格选动漫类模型。切换大模型会连带着改变画风、光影、人体结构表现力所以同一个系列海报项目里尽量不要中途换模型。LoRA 的作用更微妙。它相当于在模型这个人格之上叠加一些职业特长比如某个角色的长相、某种画风、某种物体质感。商业项目中我强烈建议把客户需求里反复出现的元素做成一两个专用 LoRA能省下大量重复调整提示词的时间。不过 LoRA 的权重不是越大越好我一般先设在 0.7-0.9 之间然后根据效果小范围调。3.2 提示词的写法正负提示词怎么配合出好结果在 ComfyUI 中提示词被拆成正向提示词和负向提示词分别输入两个 CLIP 文本编码节点再汇入采样器。正向提示词负责告诉你想要什么负向提示词负责告诉模型你不想要什么。比如生成人像的时候负向提示词里通常会有bad hands, extra fingers, twisted body, low quality, blurry, watermark, text这些常见问题项。我写正向提示词的套路是四段式主体描述 环境背景 光影风格 质量词。举个例子我要生成一张在黄昏海边奔跑的女孩的图主体a young girl running on the beach环境golden hour, ocean waves, seaside, sand光影风格soft lighting, warm tones, cinematic lighting质量词high quality, masterpiece, highly detailed, sharp focus负向提示词我就干脆粗暴一点把常见崩坏项全堆上去。这里有个小技巧——写负向提示词的时候不要只写词要写短句比如extra fingers比mutated hands更精准因为模型对具体缺陷的描述理解得更好。3.3 采样器关键参数从玄学到科学新人最容易把采样参数当玄学其实核心参数就那么几个理解了就很好调Steps步数采样器迭代的次数。太高不一定更好20-30 步以内是常见区间超过 40 步收益就递减了。CFG提示词引导系数数值越大生成结果越贴近提示词但太大容易色彩过饱和。我一般设在 7 左右特殊情况会在 5-10 之间波动。Sampler采样器不同采样器对画面的细腻度、随机性影响不同。日常用 Euler 或 DPM 系列就足够追求精细可选 UniPC。Seed随机种子固定种子才能复现结果。调构图的时候我会固定 seed只改提示词这样出图风格不会突变方便对比哪个关键词起了作用。推荐一个调参习惯每次改参只动一个变量。比如你想试 CFG7 和 CFG9 的区别就不要同时把 steps 和 sampler 也换了否则你根本不知道画面变化是哪一步引起的。我自己的记录方式是给每张图打标签文件名里带上model-lora-steps-cfg-seed这样回头查图的时候一眼就能看出参数脉络。3.4 基础工作流的节点连接参考基于上面的逻辑一条标准的文生图工作流节点连接顺序如下Load Checkpoint加载大模型同时会输出 MODEL、CLIP、VAE 三个通道CLIP Text Encode正向提示词→ 连接采样器的 positiveCLIP Text Encode负向提示词→ 连接采样器的 negativeEmpty Latent Image设置画布宽高和 batch size→ 连接采样器的 latent_imageKSampler设置 steps、cfg、sampler、seed→ 输出 LATENTVAE Decode把 LATENT 转成像素图像Save Image保存到 output 目录用默认模板搭一遍然后跑一次看能不能出图。这一步过了你的 ComfyUI 基本盘就稳了接下来可以往上面加 ControlNet、放大节点、局部重绘这些进阶功能。4. PS 在 AI 绘画工作流中的真实角色不是替代品是精修台4.1 ComfyUI 完成 80%剩下 20% 为什么必须交给 PS很多人以为 AI 绘画有了 ComfyUI 就不需要 PS 了这种想法是对工具的误解。ComfyUI 擅长从无到有地生成图像但它不擅长从有到精。商业落地的时候客户不会满足于这张图整体还行他们会指着画面说这个手指的弧度不对这个 LOGO 的字母拼错了这里的光影过渡有点脏这个产品的边缘要和背景融合得更自然。这些事情在 ComfyUI 里处理起来往往要反复重新生成但在 PS 里就是几分钟的活。我把 PS 在这个流程中的角色总结为三个字精修台。所有从 ComfyUI 出来的底图先在 PS 里过一遍——修结构、理光影、做排版、加文字、调颜色。PS 里那些年积累的笔刷、蒙版、混合模式这时候全都派上用场这才是 PS 不可替代的地方像素级的控制力。4.2 从 ComfyUI 到 PS 的衔接图像尺寸与格式的讲究工作流衔接的第一个坑就是尺寸。ComfyUI 生成的图默认分辨率不一定符合最终交付要求如果直接拉到 PS 里放大画面会虚。我的做法是在 ComfyUI 里就用足够高的分辨率出图对应地显存不够就分块放大或者用放大模型如 Ultimate SD Upscale做一次高清放大再进 PS。这样到了 PS 里大部分情况下只需要做小范围的修正不用整体重绘。第二个坑是格式。ComfyUI 保存的 PNG 文件是带完整元数据的PS 里打开后可以看到提示词和参数。单张交付用 PNG 没问题但如果要做批量处理建议在 PS 里转成 PSD 保存图层方便后续反复修改。我习惯在 PS 里把AI 底图层和手动修正层分开建组这样客户要改的时候我能清楚地知道哪部分是生成出来的、哪部分是修过的。4.3 PS 里的高频动作清单我每天都会用到的修复操作在长期配合 ComfyUI 使用的过程中我总结了一套 PS 高频动作每条都是针对 AI 出图的常见毛病手指与肢体修复用液化工具Filter Liquify微调手指弯曲方向和关节位置比重新生成快得多。文字修正AI 生成图里的文字经常是乱码。用套索工具圈出文字区域内容识别填充Content-Aware Fill抹掉再手动打上正确的文字。边缘融合AI 合成的素材边缘常有一圈生硬过渡。用橡皮擦配合低流量笔刷或者添加图层蒙版做羽化过渡。光影统一在 PS 里叠加一个柔光图层Soft Light用黑白画笔在蒙版上涂抹压暗过曝区域、提亮欠曝区域让整体光影方向一致。降噪与锐化AI 出图在高频噪点区域会有颗粒感先用 Camera Raw 滤镜做降噪再对主体做局部智能锐化。这些操作看着简单但真正做商业项目的时候它们决定了你交付物的专业度。AI 出一张 80 分的图你花半小时修到 95 分客户会认为你是专业的。而如果你只会出图不会修图交付的永远是AI 味很重的东西。4.4 回炉重绘PS 修完再送回 ComfyUI 的正确姿势PS 和 ComfyUI 的协作还有一层很多人没用到的高级玩法叫回炉重绘。场景是这样的你在 PS 里把一张 AI 图的背景改成了新的颜色、加了一个新元素但改完之后整体画面变得不太协调——AI 原图的光影关系被破坏了。这时候不需要在 PS 里硬拗而是把这张改过的图保存下来重新拖回 ComfyUI用img2img图生图的方式让 AI 基于你改过的构图和色彩重新生成一版保持你想要的改动同时把光影和细节重新统一起来。这个玩法我用得很频繁。操作要点有两个重绘幅度denoise strength控制得低一点一般在 0.3-0.5 之间太高会把你的改动整个冲掉用局部重绘节点Inpaint只把你改动过的区域发给 AI 处理其他部分保持不变。这样就能实现PS 做布局、AI 做融图的协同效果。这个流程熟练之后你会发现自己的创意边界一下子宽了很多——先用 PS 拼接大感觉再让 AI 把细节焊死两边各用各的长处。5. 商业落地从能跑通工作流到能交付客户成果5.1 别把能出图当成能接单我见过不少朋友ComfyUI 能跑通几个工作流就开始觉得自己能接单了结果真拿到需求的时候手忙脚乱。能出图和能交付之间隔着一条巨大的沟这条沟的名字叫需求理解、版本管理、交付规范和修改响应。商业项目的第一课是学会把客户模糊的需求翻译成工作流参数。客户说我想要一张科技感强的 banner这是废话——你需要追问的是:尺寸是多少用在什么平台上画面里是产品实拍还是纯概念图主体是什么风格是冷色调还是暖色调有没有参考图把这些信息全部拿到手再开始动工。我自己有一个需求采集清单每次接单前先对着清单问一遍不满足就不开工。这样做的目的不是为难客户而是避免你连续出十几版废图既浪费时间又影响口碑。5.2 版本管理一个项目一个目录一套参数一套截图商业项目最容易被忽略的是版本管理。在 ComfyUI 里一次生成的图由模型 提示词 参数 seed 节点结构共同决定任何一环变了结果就变了。你必须把这些信息全部固化下来。我的做法是每个商业项目单独建一个目录下面按照v01、v02、v03分文件夹每个文件夹里存三样东西出图 PNG、对应的 ComfyUI 工作流 JSON 文件、一个参数说明截图用 Workflow 的截图功能把节点图截下来。客户说上一版更好的时候你只需要打开上一版的文件夹把 JSON 拖回 ComfyUI一切恢复原样然后在那基础上迭代。没有这套机制的话客户的上一版就是你的噩梦。这里说一个我踩过的坑有一段时间我偷懒觉得工作流 JSON 存不存无所谓结果同一个项目相隔两周要出 v5 版客户说和 v2 的感觉保持一致我对着屏幕回忆了十分钟根本想不起当时具体改了什么参数。后来花了一个小时重试才勉强找回来。从那以后我再也不敢省略版本记录。5.3 商业交付物里常被忽略的三件事高分辨率、图层源文件、授权边界商业交付和自娱自乐还有一个重要区别交付物的完整性。我总结为三件事第一高分辨率。商业用途的图一般要求长边不低于 2048 甚至更高。如果客户要印刷品分辨率要求更苛刻。ComfyUI 默认分辨率经常不够用必须走放大流程。我不会为了省时间跳过这一步。第二图层源文件。专业客户尤其是设计公司和广告代理公司通常要求交付 PSD 源文件因为他们的设计师还要在你这张图的基础上继续加工。所以我在 PS 里修图的时候所有调整动作都会保留在独立图层和蒙版里不会合并图层交付。这也反过来要求你的 PS 修图过程必须规范。第三授权边界。AI 绘画作品的版权和商用授权目前是一个比较模糊的领域但作为交付方我会在合同或沟通记录里写明生成的图片是基于何种模型、使用了哪些素材以及约定好的使用范围比如只能用于线上投放还是可以用于印刷。不是在制造麻烦而是在保护我自己——万一客户拿去商用引发了侵权纠纷至少我有清晰的记录证明来源。这件事一定要做别嫌麻烦。5.4 从单张接单到批量交付怎么把工作流变成小流水线接单到了一定阶段你会发现单张出图已经不够了——客户要的可能是一套 20 张的社交媒体海报统一主题、统一风格、每张构图略有变化。这时候手工一张张调整的效率就太低必须把工作流派上用场。我的做法是先做主视觉模板把构图、配色、字体位置全部定好然后在 ComfyUI 里用批量参数生成功能把变化的部分比如每张图的标题文案、主视觉元素作为变量输入一次性跑一批底图最后在 PS 里用动作和脚本批量套模板、批量导出。这套流程跑下来20 张海报的交付时间能压缩到两三天。批量交付的核心思路是把每张图都当新项目变成所有图共享一套核心参数。客户看重的统一感恰恰来自同一套工作流的稳定输出。而你需要应对的变量永远控制在极少数几个节点上——切换关键词、切换 ControlNet 条件图、切换 LoRA。能批量化的东西绝不动手这样才能腾出时间做真正需要审美判断的部分。6. 进阶玩法和三个让我效率翻倍的小习惯6.1 ControlNet 与局部重绘把改图这件事从随机变成精准如果你只掌握了文生图你在商业项目里的战斗力还只有一半。另一半来自两个关键节点ControlNet 和 Inpaint局部重绘。ControlNet 的作用是给 AI 递图纸。你可以把一张线稿、一个姿势骨架图、一张深度图喂给它让 AI 严格按照这个结构去生成画面。比如客户要一个特定构图的场景我先在 PS 里画一个粗略的线稿或摆一个 3D 姿势骨架然后通过 ControlNet 的 Canny 或 OpenPose 模式控制住 AI让它只能在给定的结构范围内发挥风格——这就是可控生成的精髓。Inpaint 的作用是精准做局部手术。只发给你圈定的区域让 AI 只重绘这部分内容。我经常用它来替换画面里的某个元素比如把一张室内设计图里的沙发换成茶几其他地方丝纹不动。这个功能和 PS 的内容识别填充思路类似但效果要强得多——它不只是填补空白而是基于整个画面的语义理解生成新内容。6.2 模型和 LoRA 的管理做一个自己的素材资产库用了一段时间 ComfyUI 之后你手机里的模型和 LoRA 会越来越多如果不好好管理找东西的时间比生成的时间还长。我强烈建议你建一个AI 素材资产库——不仅是模型文件还包括你已经验证过好用的工作流 JSON、提示词模板、参考图分类。我的管理方式很简单按风格 - 用途两层目录分类。大模型放在写实 / 二次元 / 3D渲染这三类下面LoRA 按角色 / 风格 / 物体分类工作流 JSON 按文生图 / 图生图 / 局部重绘 / 视频帧插值分类。每个文件文件名里带上版本号和日期比如realistic_v1.5_20240115.safetensors。这套体系虽然朴素但在项目紧急的时候救过我很多次——翻目录找到正确模型的时间不会超过一分钟。6.3 提示词模板化与批量测试让玄学变成工程学最后分享一个让我效率翻倍的习惯把提示词模板化并且批量测试。不要每次写提示词都从零开始而是根据项目类型维护几套提示词模板。比如我的电商产品主图模板长这样product shot of [产品名], [材质], [颜色], on [场景背景], studio lighting, soft shadows, high detail, 8k, commercial photography style二次元角色立绘模板长这样1girl, [角色特征描述], [服饰], [动作姿势], clean lineart, detailed background, anime style, vibrant colors, high quality模板化之后每次接新项目我只需要填几个变量剩下的部分都是经过验证的稳定描述。配合 ComfyUI 的批量测试功能跑 4-8 张不同布局和参数的图我能在半小时内锁定一个方案的视觉方向。把写提示词从玄学变成工程学是控制生成质量的最关键一步。另外建议你在批量测试时把每张图的 seed 都记录下来因为总有一张图会是差一点就完美你只需要找到它的 seed微调一下重跑就能得到一张接近完美的成图——而不是把整批图推翻重来。6.4 我的三个压箱底小习惯到这里正文快结束了我把压箱底的三条经验再集中倒一次每次出图后第一件事是截图节点图第二件事是存 JSON。这两样东西是你复现和复盘的全部依据。没有它们当时的思路和参数就全丢了。先定结构再调风格——不要一上来就纠结提示词里的措辞先把一个主体构图跑出来再逐步替换风格词。我在做任何新项目时都是先用默认参数跑通结构确认构图没问题再引入 LoRA 和 ControlNet 去逼近具体风格。永远给自己留一个兜底工作流。有一个你反复用过、确信能出高质量图的经典工作流在措手不及的时候直接套用。商业项目里稳定交付一次胜过惊艳但没有后续。7. 个人体会这套组合拳真正改变了我做图的方式写到最后说点掏心窝的话。我最初觉得 ComfyUI 的学习曲线让人头大一堆节点连线远不如在线工具来得简单。但坚持用下来我最大的感受是它改变了我对生成的理解——从抽卡式碰运气变成了搭积木式构建。每一个节点都是一块经过验证的积木我对输出结果有越来越强的预判能力。而 PS 的加入让我在 AI 绘画的随机性面前依然保有设计师的主动性和控制力。现在我的工作流已经稳定成了一套固定的循环需求拆解 → ComfyUI 搭结构 → 批量试探风格 → PS 精修 → 回炉重绘 → 交付归档。每次跑完一圈我都会把工作中踩的新坑和验证过的新参数补充进自己的模板库里。AI 绘画的工具迭代很快但只要这套结构控制 像素修正 工程管理的思路不变换什么模型、换什么版本我都能很快适应。最后再分享一个小技巧如果你刚开始接触 ComfyUI 和 PS 配合的玩法不要急着追求花哨的功能先用一套最简单的工作流走完生成 → 精修 → 交付的完整循环。哪怕只是一张普通的产品图把这个链路走通、走顺你对这套工具组合的信心会立刻建立起来。之后每加一个新节点、一个新技巧都是在给这个基础链路添砖加瓦。这条路我走过收益很大希望你也一样。
1. 为什么我把 AI 绘画从在线出图搬到了 ComfyUI PS 的组合上先交代一下背景。我接触 AI 绘画的时间不算早最开始和大家一样用的是各种在线出图工具和封装好的网页端。说实话那阵子确实挺兴奋的输入一段提示词就能生成几张像模像样的图出图速度也快足够发朋友圈了。但真正让我转向 ComfyUI 的是一个很现实的问题我在做一个系列海报项目需要保持统一的角色形象、一致的构图风格并且要对其中某几张图的细节做局部修改。在线工具这边生一张、那边修一下风格飘忽不定改一处细节就得把整张图重新生成最后我在 PS 里修补的时间比生成的时间还长。后来我把工作流整体迁移到了 ComfyUI配合 PS 做后处理才真正找到了顺手的节奏。这套组合的实际价值在于:ComfyUI 负责可控生成PS 负责像素级修正两者分工明确中间通过图生图、局部重绘、精细修复这些环节衔接起来。现在我的日常流程是先在 ComfyUI 里把底图、构图、光影、风格全部定死产出后丢进 PS 做精修、排版、调色必要时再把 PS 里修好的图送回 ComfyUI 做二次生成俗称回炉。这套流程跑通之后我的出图效率大概翻了一倍而且最关键的——客户的修改意见我能精准地在对应图层和节点上处理而不是靠运气重新抽卡。这篇文章我不会讲太多玄乎的概念重点就落在四件事上ComfyUI 的节点逻辑到底怎么理解、一个能用于实际项目的文生图工作流怎么搭、PS 在这个流程里的正确打开方式以及从自娱自乐到商业接单怎么把工作流变成生产资料。如果你和我一样已经受够了随机出图的折磨或者正准备把 AI 绘画用在正经项目里这篇应该能给你一些可以直接上手的思路。2. ComfyUI 环境准备从整合包到基础概念少走弯路2.1 环境安装建议直接用整合包但要知道自己装了什么先聊环境。我第一次接触 ComfyUI 的时候头铁去官方仓库手动部署结果在依赖和版本兼容上折腾了两天。后来换了社区常用的整合包十分钟就跑起来了。这里建议新手直接走整合包路线不要在这个阶段浪费时间。市面上常见的整合包比如秋叶整合包、满血版整合包本质上是帮你把 Python 环境、PyTorch、CUDA 依赖、常用节点和模型都封装好了开箱即用。但我要提醒一点用整合包没问题但你必须清楚自己用了什么版本的底层组件。因为后面你装自定义节点的时候大概率会遇到版本冲突。我建议动手前先记住三个东西ComfyUI 的前端版本、PyTorch 版本、你用的显卡驱动版本。整合包的发布页一般会写明这些信息截图存一份就行。另外国内网络环境下载模型可能比较慢整合包一般自带切换国内源的工具或者你直接去国内模型站下载 checkpoint、LoRA 放到对应目录。模型放哪里也是有规矩的checkpoint 大模型放在models/checkpointsLoRA 放在models/lorasVAE 放在models/vaeControlNet 相关的放在models/controlnet——路径放对了加载的时候才找得到。2.2 节点逻辑的本质一张图就是一条流水线ComfyUI 和传统在线工具最大的区别就是它把生成一张图这件事拆成了一串可以自由组装的操作步骤每个步骤是一个节点节点之间有输入输出连接串联起来就是一条工作流。你可以把每个节点想象成一个工位上的工人加载模型的人只管加载模型写提示词的人只管把文字转换成模型能理解的向量采样器负责根据条件去画解码器把潜空间数据还原成像素图。每个工位干好自己的活然后把半成品递给下一个工位。这个逻辑看起来很绕但一旦理解了你就获得了一个核心能力——可复现性。在线出图工具是一次性黑箱而 ComfyUI 里同样的工作流、同样的 seed随机种子、同样的模型和参数产出结果是可以复现的。对商业项目来说这意味着你终于可以对客户说这个方案是基于这套参数生成的我们后续每张图都会在这个基准上迭代。这种可控性是所有严肃创作场景的刚需。新手入门 ComfyUI 的时候我建议你把默认的文生图模板拆开逐节点看一遍跟着连一遍线不要急着装一堆插件。先搞清楚最核心的五类节点加载 checkpoint、CLIP 文本编码正向/负向提示词、采样器KSampler、VAE 解码、保存图像。这五个节点的链路就是一条最基础的文生图流水线之后再往这条主线上加 ControlNet、LoRA、局部重绘之类的分支节点理解起来就快多了。2.3 几个容易卡住新手的点根据我自己的经历和帮朋友排查的经验新手最容易卡住的通常是这几个地方模型加载不出来多半是路径放错了或模型格式不兼容确认是 .safetensors 文件并且放在正确的目录重启 ComfyUI 后刷新节点列表。生成全黑图或彩色噪点图大概率是 VAE 没有正确连接或模型内置 VAE 没启用可以单独下载一个 VAE 文件挂上去。报错提示缺少自定义节点说明工作流里用到了你没装的插件去管理器里一键安装缺失节点。显存不足OOM降低分辨率、把 batch size 调小或者启用低显存模式。如果你还在用 8G 以下显存的卡尽量不要开一堆 ControlNet 和放大模型同时跑。这些坑基本都属于知道原理就能避开的类型。比如全黑图的问题如果你理解 VAE 负责把潜空间数据还原成可见像素你就知道少了这一步输出肯定是坏的。3. 搭一条能用于实战的文生图工作流从模型选择到参数设置3.1 模型的选型逻辑别追新要追稳很多刚接触 ComfyUI 的朋友特别热衷于下载最新的 checkpoint 大模型谁的样图好看就下谁。但真正做项目的时候稳定比惊艳重要得多。我常用的思路是主力大模型固定在 1-2 个经过大量社区验证的模型上比如 SD 系列的经典版本和各种微调版本具体选哪个取决于你的项目风格——画写实人像选写实类模型做二次元风格选动漫类模型。切换大模型会连带着改变画风、光影、人体结构表现力所以同一个系列海报项目里尽量不要中途换模型。LoRA 的作用更微妙。它相当于在模型这个人格之上叠加一些职业特长比如某个角色的长相、某种画风、某种物体质感。商业项目中我强烈建议把客户需求里反复出现的元素做成一两个专用 LoRA能省下大量重复调整提示词的时间。不过 LoRA 的权重不是越大越好我一般先设在 0.7-0.9 之间然后根据效果小范围调。3.2 提示词的写法正负提示词怎么配合出好结果在 ComfyUI 中提示词被拆成正向提示词和负向提示词分别输入两个 CLIP 文本编码节点再汇入采样器。正向提示词负责告诉你想要什么负向提示词负责告诉模型你不想要什么。比如生成人像的时候负向提示词里通常会有bad hands, extra fingers, twisted body, low quality, blurry, watermark, text这些常见问题项。我写正向提示词的套路是四段式主体描述 环境背景 光影风格 质量词。举个例子我要生成一张在黄昏海边奔跑的女孩的图主体a young girl running on the beach环境golden hour, ocean waves, seaside, sand光影风格soft lighting, warm tones, cinematic lighting质量词high quality, masterpiece, highly detailed, sharp focus负向提示词我就干脆粗暴一点把常见崩坏项全堆上去。这里有个小技巧——写负向提示词的时候不要只写词要写短句比如extra fingers比mutated hands更精准因为模型对具体缺陷的描述理解得更好。3.3 采样器关键参数从玄学到科学新人最容易把采样参数当玄学其实核心参数就那么几个理解了就很好调Steps步数采样器迭代的次数。太高不一定更好20-30 步以内是常见区间超过 40 步收益就递减了。CFG提示词引导系数数值越大生成结果越贴近提示词但太大容易色彩过饱和。我一般设在 7 左右特殊情况会在 5-10 之间波动。Sampler采样器不同采样器对画面的细腻度、随机性影响不同。日常用 Euler 或 DPM 系列就足够追求精细可选 UniPC。Seed随机种子固定种子才能复现结果。调构图的时候我会固定 seed只改提示词这样出图风格不会突变方便对比哪个关键词起了作用。推荐一个调参习惯每次改参只动一个变量。比如你想试 CFG7 和 CFG9 的区别就不要同时把 steps 和 sampler 也换了否则你根本不知道画面变化是哪一步引起的。我自己的记录方式是给每张图打标签文件名里带上model-lora-steps-cfg-seed这样回头查图的时候一眼就能看出参数脉络。3.4 基础工作流的节点连接参考基于上面的逻辑一条标准的文生图工作流节点连接顺序如下Load Checkpoint加载大模型同时会输出 MODEL、CLIP、VAE 三个通道CLIP Text Encode正向提示词→ 连接采样器的 positiveCLIP Text Encode负向提示词→ 连接采样器的 negativeEmpty Latent Image设置画布宽高和 batch size→ 连接采样器的 latent_imageKSampler设置 steps、cfg、sampler、seed→ 输出 LATENTVAE Decode把 LATENT 转成像素图像Save Image保存到 output 目录用默认模板搭一遍然后跑一次看能不能出图。这一步过了你的 ComfyUI 基本盘就稳了接下来可以往上面加 ControlNet、放大节点、局部重绘这些进阶功能。4. PS 在 AI 绘画工作流中的真实角色不是替代品是精修台4.1 ComfyUI 完成 80%剩下 20% 为什么必须交给 PS很多人以为 AI 绘画有了 ComfyUI 就不需要 PS 了这种想法是对工具的误解。ComfyUI 擅长从无到有地生成图像但它不擅长从有到精。商业落地的时候客户不会满足于这张图整体还行他们会指着画面说这个手指的弧度不对这个 LOGO 的字母拼错了这里的光影过渡有点脏这个产品的边缘要和背景融合得更自然。这些事情在 ComfyUI 里处理起来往往要反复重新生成但在 PS 里就是几分钟的活。我把 PS 在这个流程中的角色总结为三个字精修台。所有从 ComfyUI 出来的底图先在 PS 里过一遍——修结构、理光影、做排版、加文字、调颜色。PS 里那些年积累的笔刷、蒙版、混合模式这时候全都派上用场这才是 PS 不可替代的地方像素级的控制力。4.2 从 ComfyUI 到 PS 的衔接图像尺寸与格式的讲究工作流衔接的第一个坑就是尺寸。ComfyUI 生成的图默认分辨率不一定符合最终交付要求如果直接拉到 PS 里放大画面会虚。我的做法是在 ComfyUI 里就用足够高的分辨率出图对应地显存不够就分块放大或者用放大模型如 Ultimate SD Upscale做一次高清放大再进 PS。这样到了 PS 里大部分情况下只需要做小范围的修正不用整体重绘。第二个坑是格式。ComfyUI 保存的 PNG 文件是带完整元数据的PS 里打开后可以看到提示词和参数。单张交付用 PNG 没问题但如果要做批量处理建议在 PS 里转成 PSD 保存图层方便后续反复修改。我习惯在 PS 里把AI 底图层和手动修正层分开建组这样客户要改的时候我能清楚地知道哪部分是生成出来的、哪部分是修过的。4.3 PS 里的高频动作清单我每天都会用到的修复操作在长期配合 ComfyUI 使用的过程中我总结了一套 PS 高频动作每条都是针对 AI 出图的常见毛病手指与肢体修复用液化工具Filter Liquify微调手指弯曲方向和关节位置比重新生成快得多。文字修正AI 生成图里的文字经常是乱码。用套索工具圈出文字区域内容识别填充Content-Aware Fill抹掉再手动打上正确的文字。边缘融合AI 合成的素材边缘常有一圈生硬过渡。用橡皮擦配合低流量笔刷或者添加图层蒙版做羽化过渡。光影统一在 PS 里叠加一个柔光图层Soft Light用黑白画笔在蒙版上涂抹压暗过曝区域、提亮欠曝区域让整体光影方向一致。降噪与锐化AI 出图在高频噪点区域会有颗粒感先用 Camera Raw 滤镜做降噪再对主体做局部智能锐化。这些操作看着简单但真正做商业项目的时候它们决定了你交付物的专业度。AI 出一张 80 分的图你花半小时修到 95 分客户会认为你是专业的。而如果你只会出图不会修图交付的永远是AI 味很重的东西。4.4 回炉重绘PS 修完再送回 ComfyUI 的正确姿势PS 和 ComfyUI 的协作还有一层很多人没用到的高级玩法叫回炉重绘。场景是这样的你在 PS 里把一张 AI 图的背景改成了新的颜色、加了一个新元素但改完之后整体画面变得不太协调——AI 原图的光影关系被破坏了。这时候不需要在 PS 里硬拗而是把这张改过的图保存下来重新拖回 ComfyUI用img2img图生图的方式让 AI 基于你改过的构图和色彩重新生成一版保持你想要的改动同时把光影和细节重新统一起来。这个玩法我用得很频繁。操作要点有两个重绘幅度denoise strength控制得低一点一般在 0.3-0.5 之间太高会把你的改动整个冲掉用局部重绘节点Inpaint只把你改动过的区域发给 AI 处理其他部分保持不变。这样就能实现PS 做布局、AI 做融图的协同效果。这个流程熟练之后你会发现自己的创意边界一下子宽了很多——先用 PS 拼接大感觉再让 AI 把细节焊死两边各用各的长处。5. 商业落地从能跑通工作流到能交付客户成果5.1 别把能出图当成能接单我见过不少朋友ComfyUI 能跑通几个工作流就开始觉得自己能接单了结果真拿到需求的时候手忙脚乱。能出图和能交付之间隔着一条巨大的沟这条沟的名字叫需求理解、版本管理、交付规范和修改响应。商业项目的第一课是学会把客户模糊的需求翻译成工作流参数。客户说我想要一张科技感强的 banner这是废话——你需要追问的是:尺寸是多少用在什么平台上画面里是产品实拍还是纯概念图主体是什么风格是冷色调还是暖色调有没有参考图把这些信息全部拿到手再开始动工。我自己有一个需求采集清单每次接单前先对着清单问一遍不满足就不开工。这样做的目的不是为难客户而是避免你连续出十几版废图既浪费时间又影响口碑。5.2 版本管理一个项目一个目录一套参数一套截图商业项目最容易被忽略的是版本管理。在 ComfyUI 里一次生成的图由模型 提示词 参数 seed 节点结构共同决定任何一环变了结果就变了。你必须把这些信息全部固化下来。我的做法是每个商业项目单独建一个目录下面按照v01、v02、v03分文件夹每个文件夹里存三样东西出图 PNG、对应的 ComfyUI 工作流 JSON 文件、一个参数说明截图用 Workflow 的截图功能把节点图截下来。客户说上一版更好的时候你只需要打开上一版的文件夹把 JSON 拖回 ComfyUI一切恢复原样然后在那基础上迭代。没有这套机制的话客户的上一版就是你的噩梦。这里说一个我踩过的坑有一段时间我偷懒觉得工作流 JSON 存不存无所谓结果同一个项目相隔两周要出 v5 版客户说和 v2 的感觉保持一致我对着屏幕回忆了十分钟根本想不起当时具体改了什么参数。后来花了一个小时重试才勉强找回来。从那以后我再也不敢省略版本记录。5.3 商业交付物里常被忽略的三件事高分辨率、图层源文件、授权边界商业交付和自娱自乐还有一个重要区别交付物的完整性。我总结为三件事第一高分辨率。商业用途的图一般要求长边不低于 2048 甚至更高。如果客户要印刷品分辨率要求更苛刻。ComfyUI 默认分辨率经常不够用必须走放大流程。我不会为了省时间跳过这一步。第二图层源文件。专业客户尤其是设计公司和广告代理公司通常要求交付 PSD 源文件因为他们的设计师还要在你这张图的基础上继续加工。所以我在 PS 里修图的时候所有调整动作都会保留在独立图层和蒙版里不会合并图层交付。这也反过来要求你的 PS 修图过程必须规范。第三授权边界。AI 绘画作品的版权和商用授权目前是一个比较模糊的领域但作为交付方我会在合同或沟通记录里写明生成的图片是基于何种模型、使用了哪些素材以及约定好的使用范围比如只能用于线上投放还是可以用于印刷。不是在制造麻烦而是在保护我自己——万一客户拿去商用引发了侵权纠纷至少我有清晰的记录证明来源。这件事一定要做别嫌麻烦。5.4 从单张接单到批量交付怎么把工作流变成小流水线接单到了一定阶段你会发现单张出图已经不够了——客户要的可能是一套 20 张的社交媒体海报统一主题、统一风格、每张构图略有变化。这时候手工一张张调整的效率就太低必须把工作流派上用场。我的做法是先做主视觉模板把构图、配色、字体位置全部定好然后在 ComfyUI 里用批量参数生成功能把变化的部分比如每张图的标题文案、主视觉元素作为变量输入一次性跑一批底图最后在 PS 里用动作和脚本批量套模板、批量导出。这套流程跑下来20 张海报的交付时间能压缩到两三天。批量交付的核心思路是把每张图都当新项目变成所有图共享一套核心参数。客户看重的统一感恰恰来自同一套工作流的稳定输出。而你需要应对的变量永远控制在极少数几个节点上——切换关键词、切换 ControlNet 条件图、切换 LoRA。能批量化的东西绝不动手这样才能腾出时间做真正需要审美判断的部分。6. 进阶玩法和三个让我效率翻倍的小习惯6.1 ControlNet 与局部重绘把改图这件事从随机变成精准如果你只掌握了文生图你在商业项目里的战斗力还只有一半。另一半来自两个关键节点ControlNet 和 Inpaint局部重绘。ControlNet 的作用是给 AI 递图纸。你可以把一张线稿、一个姿势骨架图、一张深度图喂给它让 AI 严格按照这个结构去生成画面。比如客户要一个特定构图的场景我先在 PS 里画一个粗略的线稿或摆一个 3D 姿势骨架然后通过 ControlNet 的 Canny 或 OpenPose 模式控制住 AI让它只能在给定的结构范围内发挥风格——这就是可控生成的精髓。Inpaint 的作用是精准做局部手术。只发给你圈定的区域让 AI 只重绘这部分内容。我经常用它来替换画面里的某个元素比如把一张室内设计图里的沙发换成茶几其他地方丝纹不动。这个功能和 PS 的内容识别填充思路类似但效果要强得多——它不只是填补空白而是基于整个画面的语义理解生成新内容。6.2 模型和 LoRA 的管理做一个自己的素材资产库用了一段时间 ComfyUI 之后你手机里的模型和 LoRA 会越来越多如果不好好管理找东西的时间比生成的时间还长。我强烈建议你建一个AI 素材资产库——不仅是模型文件还包括你已经验证过好用的工作流 JSON、提示词模板、参考图分类。我的管理方式很简单按风格 - 用途两层目录分类。大模型放在写实 / 二次元 / 3D渲染这三类下面LoRA 按角色 / 风格 / 物体分类工作流 JSON 按文生图 / 图生图 / 局部重绘 / 视频帧插值分类。每个文件文件名里带上版本号和日期比如realistic_v1.5_20240115.safetensors。这套体系虽然朴素但在项目紧急的时候救过我很多次——翻目录找到正确模型的时间不会超过一分钟。6.3 提示词模板化与批量测试让玄学变成工程学最后分享一个让我效率翻倍的习惯把提示词模板化并且批量测试。不要每次写提示词都从零开始而是根据项目类型维护几套提示词模板。比如我的电商产品主图模板长这样product shot of [产品名], [材质], [颜色], on [场景背景], studio lighting, soft shadows, high detail, 8k, commercial photography style二次元角色立绘模板长这样1girl, [角色特征描述], [服饰], [动作姿势], clean lineart, detailed background, anime style, vibrant colors, high quality模板化之后每次接新项目我只需要填几个变量剩下的部分都是经过验证的稳定描述。配合 ComfyUI 的批量测试功能跑 4-8 张不同布局和参数的图我能在半小时内锁定一个方案的视觉方向。把写提示词从玄学变成工程学是控制生成质量的最关键一步。另外建议你在批量测试时把每张图的 seed 都记录下来因为总有一张图会是差一点就完美你只需要找到它的 seed微调一下重跑就能得到一张接近完美的成图——而不是把整批图推翻重来。6.4 我的三个压箱底小习惯到这里正文快结束了我把压箱底的三条经验再集中倒一次每次出图后第一件事是截图节点图第二件事是存 JSON。这两样东西是你复现和复盘的全部依据。没有它们当时的思路和参数就全丢了。先定结构再调风格——不要一上来就纠结提示词里的措辞先把一个主体构图跑出来再逐步替换风格词。我在做任何新项目时都是先用默认参数跑通结构确认构图没问题再引入 LoRA 和 ControlNet 去逼近具体风格。永远给自己留一个兜底工作流。有一个你反复用过、确信能出高质量图的经典工作流在措手不及的时候直接套用。商业项目里稳定交付一次胜过惊艳但没有后续。7. 个人体会这套组合拳真正改变了我做图的方式写到最后说点掏心窝的话。我最初觉得 ComfyUI 的学习曲线让人头大一堆节点连线远不如在线工具来得简单。但坚持用下来我最大的感受是它改变了我对生成的理解——从抽卡式碰运气变成了搭积木式构建。每一个节点都是一块经过验证的积木我对输出结果有越来越强的预判能力。而 PS 的加入让我在 AI 绘画的随机性面前依然保有设计师的主动性和控制力。现在我的工作流已经稳定成了一套固定的循环需求拆解 → ComfyUI 搭结构 → 批量试探风格 → PS 精修 → 回炉重绘 → 交付归档。每次跑完一圈我都会把工作中踩的新坑和验证过的新参数补充进自己的模板库里。AI 绘画的工具迭代很快但只要这套结构控制 像素修正 工程管理的思路不变换什么模型、换什么版本我都能很快适应。最后再分享一个小技巧如果你刚开始接触 ComfyUI 和 PS 配合的玩法不要急着追求花哨的功能先用一套最简单的工作流走完生成 → 精修 → 交付的完整循环。哪怕只是一张普通的产品图把这个链路走通、走顺你对这套工具组合的信心会立刻建立起来。之后每加一个新节点、一个新技巧都是在给这个基础链路添砖加瓦。这条路我走过收益很大希望你也一样。
