资源描述
ComfyUI 是一款基于节点图的 Stable Diffusion 开源工作流工具，支持通过可视化连线实现从提示词、参考图到最终成片的精细化控制。内置对 ControlNet、IP-Adapter、LoRA 等主流插件的原生兼容，可自由组合采样器、VAE 解码与后处理模块。适用于 AI 绘画创作者、技术开发者及企业级图像流水线搭建，提供高效、稳定且高度可扩展的自动化生图方案。
详细内容
# ComfyUI Image Pipeline 工作流指南
## 工作流概述
ComfyUI 采用模块化节点架构，将 Stable Diffusion 的推理过程拆解为可自由编排的计算管线。本工作流以“基础生成 → 条件控制 → 风格迁移 → 后处理输出”为核心逻辑，深度集成 ControlNet 空间约束与 IP-Adapter 图像特征融合能力。相比传统 WebUI，该管线在显存调度、批次并发及自定义算法接入方面具备显著优势，适合追求高精度控制与自动化迭代的 AI 绘画场景。
## 分步骤操作说明
### 步骤 1：环境部署与依赖初始化
1. 确保系统已安装 Python 3.10+ 与 Git，并通过 `git clone https://github.com/comfyanonymous/ComfyUI.git` 克隆官方仓库。
2. 进入目录执行 `pip install -r requirements.txt` 安装核心依赖。
3. 运行 `python main.py --listen` 启动服务，浏览器访问 `http://localhost:8188` 即可进入节点编辑器。
### 步骤 2：模型文件标准化放置
1. 将预训练 Checkpoint（如 SDXL 或 SD1.5）放入 `models/checkpoints/` 目录。
2. 对应 VAE 文件置于 `models/vae/`，CLIP 文本编码器由 ComfyUI 自动调用或通过 `models/clip/` 手动加载。
3. 启动后点击右键菜单 `Refresh`，在节点下拉列表中确认模型路径已正确识别。
### 步骤 3：搭建基础扩散管线
1. 拖入 `Load Checkpoint` 节点，连接至 `CLIP Text Encode`（正向/反向提示词）与 `Empty Latent Image`。
2. 添加 `KSampler` 节点，输入端依次接入 `model`、`positive`、`negative`、`latent_image` 与 `seed`。
3. 将 `KSampler` 输出的 `latent` 连接至 `VAE Decode`，再对接 `Save Image` 完成首张出图验证。
### 步骤 4：注入 ControlNet 与 IP-Adapter 控制
1. 加载 Canny/Depth/Pose 等 Preprocessor 节点，连接参考图像并输出控制图。
2. 添加对应 `ControlNet Apply` 节点，将预处理结果接入 `conditioning` 分支，调整 strength 参数（推荐 0.6~0.8）。
3. 插入 `IP-Adapter FaceID` 或 `Plus` 节点，导入目标风格参考图，权重设为 0.8~1.0，实现构图约束与视觉风格的双向融合。
### 步骤 5：参数优化与管线导出
1. 切换 Sampler（推荐 Euler a / DPM++ 2M Karras），Steps 设为 20~30，CFG Scale 控制在 5~7 避免过饱和。
2. 启用 `Queue Prompt` 实现多尺寸/多种子并行渲染，利用 `Batch Size` 提升吞吐效率。
3. 点击右上角保存图标导出 `.json` 工作流文件，便于版本管理或在团队内复用。
## 注意事项与最佳实践
- **显存优化**：开启 `--lowvram` 或 `--normalvram` 启动参数，复杂管线建议拆分加载节点避免 OOM。
- **结构规范**：使用 `Group Nodes` 对功能模块（如控制层、解码层）进行物理分组，命名保持语义化以提升可读性。
- **生态扩展**：优先使用 `ComfyUI Manager` 一键安装社区插件，定期更新核心版本以获取最新模型兼容性。
- **数据备份**：所有关键参数与随机种子需固化在工作流中，生产环境建议使用固定 Seed 保证结果可复现。
## 常见问题提示
- **生成全黑/纯白图片**：检查 VAE 是否匹配当前 Checkpoint，或尝试在 `VAE Decode` 前添加 `Latent Upscale` 节点恢复细节。
- **节点报错 Missing Module**：多数为插件未完整安装，通过 Manager 重新同步依赖，或手动将第三方节点移至 `custom_nodes/` 目录。
- **推理速度缓慢**：关闭实时预览（Preview Image），改用 `Save Image` 缓存；若使用 RTX 30/40 系显卡，确保 CUDA 版本与 PyTorch 匹配。
- **ControlNet 失效**：确认控制图分辨率与 Latent 尺寸对齐，Strength 过高易导致画面崩坏，建议配合 Mask 局部应用。