ComfyUI 入门指南：基于节点的 AI 绘画工作流引擎详解
一、什么是 ComfyUI？
ComfyUI 是一款基于节点的 AI 图像生成图形界面（GUI）和推理引擎，专为 Stable Diffusion 等生成式 AI 模型设计。与传统的 WebUI 不同，ComfyUI 采用流程图式的节点编辑方式，让用户可以直观地组合各种模型、采样器、图像处理模块，构建高度定制化的图像生成工作流。
ComfyUI 完全开源，支持本地部署，由 comfyanonymous 开发维护，社区生态非常活跃。
二、ComfyUI 核心优势
轻量高效：启动速度快，内存占用低，低配显卡也能流畅运行。
精准控制：每个节点都可以独立调节参数，对生成过程实现精细化控制。
可复用性强：工作流可以保存为 JSON 文件，一键导入复用，方便分享和协作。
扩展丰富：拥有大量自定义节点和插件，支持 ControlNet、IP-Adapter、AnimateDiff 等高级功能。
版本迭代快：紧跟 AI 模型发展，第一时间支持 Flux、SD3、Stable Audio 等新模型。
三、基础使用技巧
1. 安装与启动
从 GitHub 仓库（comfyanonymous/ComfyUI）下载最新版，确保已安装 Python 3.10+ 和 Git。运行 main.py 即可启动，默认访问 http://127.0.0.1:8188。
2. 核心节点介绍
Checkpoint Loader（模型加载器）：加载基础模型和 VAE。
CLIP Text Encoder（文本编码器）：将提示词转换为模型可理解的语义向量。
KSampler（采样器）：核心生成节点，控制采样步数、CFG 缩放、种子等关键参数。
VAE Decode（VAE解码器）：将隐空间表示还原为可视图像。
Save Image（保存图像）：输出最终生成的图片文件。
3. 搭建第一个文生图工作流
最基础的文生图工作流只需 5 个节点串联：
Load Checkpoint → CLIP Text Encoder (正面提示词) → CLIP Text Encoder (负面提示词) → KSampler → VAE Decode → Save Image
将节点用鼠标拖拽连线，点击 "Queue Prompt" 即可生成第一张图。
4. 实用技巧
使用双提示词：正面描述期望内容，负面描述不希望出现的内容，显著提升出图质量。
固定种子复现效果：在 KSampler 中设置固定的 seed 值，可以精确复现之前的生成效果。
调整 CFG Scale：通常 7-12 为合理范围，值越高越贴近提示词，但过高会导致过饱和。
体验工作流模板：点击菜单 Workflow → Browse Workflow Templates，可直接使用内置模板快速上手。