资源描述
ComfyUI Master Workflow 是一款高度模块化的 AI 图像生成解决方案，专为 Stable Diffusion XL 与 Flux 模型深度优化。通过可视化节点连接，实现从提示词解析、潜空间采样到高清超分（Hires. Fix）、LoRA 权重融合及局部重绘的全流程精准控制。适用于专业数字艺术家、AIGC 开发者及创意工作室，可大幅提升出图效率与画质细节，满足商业级内容生产需求。
详细内容
# ComfyUI Master Workflow 完整操作指南
## 工作流概述
本工作流基于 ComfyUI 强大的模块化节点架构设计，原生支持 Stable Diffusion XL 与 Flux 等前沿扩散模型。相较于传统一键生成工具，该工作流将图像生成的各个环节解耦为独立节点，提供对采样过程、潜空间噪声注入、高清放大（Hires. Fix）及 LoRA 融合的精细化控制。内置高级上采样与噪声增强模块，能够显著减少伪影、提升纹理细节，非常适合需要高可控性、批量生产或追求极致画质的专业创作者。
## 分步骤操作说明
### 步骤 1：环境初始化与自定义节点安装
1. 确保已安装 Python 3.10+ 及对应版本的 PyTorch（CUDA 12.1+ 推荐）。
2. 克隆官方仓库并启动 ComfyUI：执行 `git clone https://github.com/comfyanonymous/ComfyUI.git` 后运行 `python main.py`。
3. 进入 `custom_nodes` 目录，安装核心扩展（如 `ComfyUI-Manager`、`Impact Pack`、`WAS Node Suite`），以解锁 FLUX/SDXL 专属节点与高级图像处理功能。
4. 重启服务，在界面右下角确认所有插件加载成功且无红色报错。
### 步骤 2：加载基础模型与检查点
1. 将 `.safetensors` 格式的 Checkpoint 文件放入 `models/checkpoints` 目录。
2. 拖入 `Load Checkpoint` 节点，选择目标模型（如 `sd_xl_base_1.0.safetensors` 或 `flux1-dev.safetensors`）。
3. 节点会自动输出 `MODEL`、`CLIP` 和 `VAE` 三个端口。若使用 SDXL，建议单独加载 `xl_vae.safetensors` 以提升色彩还原度；FLUX 模型则直接使用内置 VAE 端口即可。
### 步骤 3：配置提示词与条件控制
1. 添加两个 `CLIP Text Encode` 节点，分别连接至正负向提示词接口。
2. 在正向框输入详细画面描述（例：`masterpiece, best quality, cinematic lighting, detailed eyes...`），负向框输入常规劣质项（例：`lowres, bad anatomy, worst quality...`）。
3. 将两个节点的 `CONDITIONING` 输出端分别连接至后续采样器的 `positive` 和 `negative` 输入端，完成文本到潜空间的语义映射。
### 步骤 4：核心采样与参数调优
1. 拖入 `KSampler` 节点，将 `MODEL` 与双路 `CONDITIONING` 接入。
2. 设置关键参数：`steps` 建议 30-50，`cfg` 设为 5.0-7.0（FLUX 通常 3.5-5.0），`sampler_name` 推荐 `euler_ancestral` 或 `dpmpp_2m`，`scheduler` 选 `normal` 或 `karras`。
3. 调整 `seed` 固定随机种子，开启 `add_noise`（默认 True）。若需进行局部重绘或迭代优化，可在后续步骤衔接 `Noise Injection` 节点动态修改初始 Latent 分布。
### 步骤 5：高清重构与最终输出
1. 将 `KSampler` 的 `LATENT` 输出接入 `VAE Decode`，得到初步像素图像。
2. 串联 `Image Scale` 或 `Ultimate SD Upscale` 节点，采用 `2x` 或 `4x` 因子进行高分辨率放大。
3. 启用工作流内置的 `Advanced Upscale` 流程：将放大后的图像再次转为 Latent，注入少量噪声，重新经过 KSampler 进行“二次采样（Refine Pass）”，有效修复放大产生的模糊与结构畸变。
4. 最后接入 `Save Image` 节点，选择 PNG/JPG 格式导出，完成全流程。
## 注意事项与最佳实践
- **显存管理**：SDXL/FLUX 对 VRAM 要求较高。建议在低显存环境下使用 `--lowvram` 或 `--normalvram` 启动参数，并优先启用 `Model Optimization` 类节点。
- **节点组织**：善用 ComfyUI 的 `Group` 与 `Comment` 功能对复杂连线进行分区标注，便于后期维护与逻辑调试。
- **权重平滑**：多 LoRA 融合时，避免简单叠加。建议使用 `Dual CLIP Loader` 或权重插值节点进行渐进式混合，防止语义冲突。
- **版本兼容**：FLUX 与 SDXL 的潜在空间（Latent Space）通道数与缩放逻辑存在差异，切换模型时务必核对 VAE 与采样器兼容性，避免维度报错。
## 常见问题提示
- **Q: 出现 `Shape Mismatch` 错误怎么办？**
A: 通常因 Checkpoint、CLIP 或 LoRA 版本不匹配导致。请确保三者来自同一架构系列，或使用 `Load CLIP` 与 `Load Model` 分离模式手动对齐。
- **Q: 放大后图像出现重复纹理或噪点？**
A: 这是过度放大的典型现象。请降低 `CFG` 值至 4.0 左右，增加 `steps` 至 40+，并在 Refine Pass 阶段适当提高 `denoise` 强度（0.4-0.6）。
- **Q: 如何快速复用此工作流？**
A: 点击顶部菜单栏 `Workflow` -> `Save (API Format)` 可导出 JSON 模板。下次只需替换 `Load Checkpoint` 中的模型路径或直接拖入新图片即可一键迁移。
- **Q: 提示词英文效果远优于中文？**
A: 当前主流扩散模型的训练语料以英文为主。建议保留核心英文 Prompt 框架，仅将修饰性词汇替换为中文描述，或使用专用翻译节点预处理。