了解 ComfyUI：为什么选择它？
对于 AI 绘画新手来说，Stable Diffusion 的生态中，ComfyUI 是一个基于节点（Node）的图形化工作流工具。与 WebUI 的“一键生成”不同，ComfyUI 让你像搭积木一样，直观地连接模型、采样器、提示词等模块。它的优势在于：
- 轻量高效：启动快，内存占用低，适合低配显卡。
- 流程透明：每一步操作都有对应节点，便于调试和复用。
- 可扩展性强：社区贡献了大量自定义节点，支持 ControlNet、LoRA 等高级功能。
本教程将从零开始，用 5 步构建一个基础工作流，生成你的第一张图。
第一步：安装 ComfyUI 并启动
首先，下载 ComfyUI 的整合包（推荐从官方 GitHub 或国内镜像站获取）。解压后，双击 run_nvidia_gpu.bat（Windows）或 run.sh（macOS/Linux）启动。首次运行会下载基础模型，等待完成。
启动后，浏览器自动打开 http://127.0.0.1:8188，你将看到空白的节点画布。这就是工作流编辑器。
提示：如果遇到模型下载慢，可以手动将.safetensors文件放入ComfyUI/models/checkpoints/目录。
第二步：搭建基础节点
工作流的核心是 4 个必备节点：Checkpoint Loader、CLIP Text Encode、KSampler 和 VAE Decode。
- 右键点击画布 → 选择
Add Node→ 搜索Checkpoint Loader，添加节点。 - 同样方法，添加
CLIP Text Encode（用于正向和负向提示词）、KSampler（采样器）和VAE Decode（解码器）。 - 将节点按以下顺序连接（用鼠标从节点输出端口拖到输入端口）：
Checkpoint Loader → model → KSampler
Checkpoint Loader → clip → CLIP Text Encode (positive)
Checkpoint Loader → clip → CLIP Text Encode (negative)
CLIP Text Encode (positive) → conditioning → KSampler
CLIP Text Encode (negative) → conditioning → KSampler
KSampler → latent → VAE Decode
Checkpoint Loader → vae → VAE Decode
完成后，你应看到类似积木的链条。每个节点都有参数设置，我们下一步调整。
第三步：配置关键参数
双击各节点，设置以下参数。这是影响画质的关键：
| 节点 | 参数 | 推荐值 | 说明 |
|---|---|---|---|
| Checkpoint Loader | ckpt_name | 选择已下载的模型（如 sd_xl_base_1.0.safetensors） | 模型决定画风 |
| CLIP Text Encode (positive) | text | a cute cat, sitting on a chair, high quality | 正向提示词 |
| CLIP Text Encode (negative) | text | ugly, blurry, low quality | 负向提示词 |
| KSampler | seed | 42 (可任意) | 随机种子，固定可复现 |
| KSampler | steps | 20 | 采样步数，越高细节越丰富 |
| KSampler | cfg | 7 | 提示词强度，7-9 常用 |
| KSampler | sampler_name | euler | 采样器类型，新手推荐 euler |
| KSampler | scheduler | normal | 调度器，保持默认 |
| VAE Decode | (无需设置) | - | 自动从模型读取 |
第四步：添加输出节点
为了查看结果，需要添加 Preview Image 或 Save Image 节点：
- 右键 →
Add Node→ 搜索Preview Image，添加。 - 将
VAE Decode的image输出端口连接到Preview Image的images输入端口。
现在，你的工作流应该完整了。点击画布右下角的 Queue Prompt 按钮（或按 Ctrl+Enter），等待几秒，就能看到生成的猫咪图片。
第五步：保存与复用工作流
生成成功后，点击画布右上角的 Save 按钮（磁盘图标），将文件保存为 .json 格式。下次启动时，点击 Load 即可加载。
你也可以在社区（如 Civitai）下载别人分享的工作流 .json，拖入画布直接使用。这是 ComfyUI 最强大的功能——工作流即代码。
小结
通过以上 5 步，你已经成功搭建了 ComfyUI 的基础工作流，并生成了第一张 AI 图片。核心要点包括：
- 节点连接顺序：模型 → 提示词 → 采样 → 解码 → 输出。
- 参数调整：steps、cfg 和 seed 是控制生成效果的关键。
- 工作流可保存、加载、分享，极大提升效率。
接下来，你可以尝试更换模型、添加 LoRA 节点或接入 ControlNet，探索更多可能性。ComfyUI 的学习曲线虽陡峭，但一旦掌握，你将获得前所未有的控制力。