资源描述
ComfyUI Node Master 是一款基于节点架构的高级 Stable Diffusion 工作流管理工具。相比传统 WebUI，它通过可视化连线实现模型、采样器、控制网与后处理模块的精准调度，支持 SD1.5、SDXL 及 Flux 等主流架构。本资源专为 AI 绘画进阶用户、工作流开发者及批量生产团队设计，提供低显存占用、高并发处理与无限扩展能力。内置标准模板与自定义节点生态，助您快速搭建从文生图、图生图到视频生成的复杂 AI 图像管线，显著提升创作效率与输出可控性。
详细内容
# ComfyUI Node Master 工作流指南
## 工作流概述
ComfyUI 采用纯节点式（Node-based）架构，将 AI 图像生成过程拆解为独立的数据处理模块。通过拖拽与连线，用户可精确控制张量（Tensor）流向，实现比传统 WebUI 更底层的参数调度与显存优化。本工作流指南基于官方核心逻辑，带您从零搭建一套高效、可复用且易于扩展的标准生成管线，适用于高精度商业出图、批量自动化生产及复杂多条件控制场景。
## 分步骤操作说明
### 步骤 1：环境部署与服务启动
- 克隆官方仓库并创建 Python 3.10+ 虚拟环境，执行 `pip install -r requirements.txt` 安装核心依赖。
- 运行 `python main.py` 启动本地服务，浏览器访问 `http://127.0.0.1:8188`。
- 显存低于 8GB 建议启动时追加 `--lowvram` 参数；需局域网访问可添加 `--listen 0.0.0.0`。
### 步骤 2：加载与解析基础工作流
- 在画布空白处右键选择 “Load Default” 或直接将官方示例 `.json` / `.png` 文件拖入界面。
- 系统自动渲染核心节点链：`Load Checkpoint` → `CLIP Text Encode (Prompt)` → `KSampler` → `VAE Decode` → `Save Image`。
- 使用鼠标滚轮缩放画布，按住中键平移，熟悉节点输入（左侧）与输出（右侧）端口颜色标识（模型/条件/潜空间/图像）。
### 步骤 3：配置核心生成参数
- 双击 `Load Checkpoint` 节点，下拉选择已放入 `models/checkpoints/` 目录的基础大模型。
- 在正/负向 Prompt 节点输入标准化提示词，注意使用英文逗号分隔及权重语法 `(keyword:1.2)`。
- 调整 `KSampler` 参数：steps 设为 20-30，cfg 设为 7.0-8.0，sampler_name 推荐 `euler_ancestral` 或 `dpmpp_2m`，scheduler 匹配 `karras`。
- 在 `Empty Latent Image` 节点设置分辨率（SD1.5 推荐 512x768，SDXL 推荐 1024x1024）。
### 步骤 4：接入 LoRA 与 ControlNet 控制
- 右键添加 `Load LoRA` 节点，将其串联在 Checkpoint 与 CLIP/Model 链路之间，权重建议 0.6-0.8 避免风格过拟合。
- 添加 `Apply ControlNet` 节点，上传预处理图（如 OpenPose 或 Depth），连接至 KSampler 的 positive 条件输入端。
- 若需多条件融合，使用 `Conditioning Combine` 节点合并多个 ControlNet 或 Prompt 分支，实现构图与细节的精准干预。
### 步骤 5：执行推理与后处理放大
- 点击右侧面板 “Queue Prompt” 开始生成，观察控制台日志与节点高亮进度。
- 生成结束后，右键 `Save Image` 节点查看结果。如需高清化，串联 `Upscale Model Loader` 与 `Image Upscale with Model` 节点。
- 使用 `Preview Image` 节点替换 Save 节点进行快速测试，确认无误后再切换回保存模式，有效节省 I/O 时间。
## 注意事项与最佳实践
- **显存管理**：优先使用 `--normalvram` 或 `--lowvram` 启动参数；复杂工作流建议启用 Tiled VAE 解码防止 OOM。
- **节点规范**：使用 `Ctrl+G` 对功能模块进行分组命名；定期点击 “Save” 导出 JSON/PNG 工作流备份。
- **插件生态**：通过 ComfyUI-Manager 安装第三方 Custom Nodes，安装后务必重启服务；注意依赖版本冲突，建议定期 `git pull` 更新核心库。
- **性能调优**：批量生成时调整 `Batch Size` 而非单纯拉高分辨率；利用 “Reroute” 节点整理连线，提升工作流可读性与维护效率。
## 常见问题提示
- **节点显示红色/报错 Missing Nodes**：通常因工作流依赖未安装的自定义节点。打开 Manager 点击 “Install Missing Custom Nodes” 一键修复。
- **CUDA Out of Memory**：降低 Latent 分辨率或 Batch Size；关闭不必要的 Preview 节点；在设置中启用 `FP8` 权重加载（需较新 GPU 架构）。
- **输出全黑或严重噪点**：检查 VAE 是否正确连接至 Decode 节点；确认 CLIP Skip 层数（动漫模型常设为 2，写实模型设为 1）。
- **拖入 PNG 无法加载工作流**：部分看图软件会剥离元数据。确保使用原生导出图片，或直接在界面使用 “Load” 按钮选择 JSON 文件。
- **生成速度异常缓慢**：检查是否误触 CPU 推理模式；确认 xformers 或 PyTorch 2.0+ 加速已正确安装；关闭浏览器硬件加速冲突插件。