1.1界面介绍
ComfyUI 是 节点式图形界面（Node-based GUI） 工具，核心通过 “节点连接” 构建 AI 绘图工作流。
左侧是队列（生成过得图像）/节点库/模型/工作流，中间是工作流画布，底部有执行按钮，右下角是调节试图组件/运行管理。
图1-1
1.2节点清单及参数说明
1.2.1加载器节点（loads）
（1） CheckpointLoader
l 关键参数：ckpt_name
l 说明： 加载基础模型（.safetensors/.ckpt）
l 输出：MODEL（去噪模型）、CLIP（文本编码器）、VAE（图像编解码）
（2） LoraLoader
l 关键参数：strength_model, strength_clip
l 说明：加载 LoRA 模型，增强风格 / 角色
l 输入：连接大模型的 MODEL 和 CLIP 输出
（3） VAELoader
l 关键参数：vae_name
l 说明：加载自定义VAE模型
（4） DiffusersLoader
l 关键参数：model_path
l 说明：加载HuggingFace Diffusers模型
1.2.2采样（sampling）
（1） KSampler（采样器）
l 关键参数：seed（随机种子，固定 / 随机控制多样性）
control after generate（允许链接的小部件执行以下操作：会自动更改例如，将其随机化、噪声种子）
steps（采样步数，20-50 平衡速度与质量）
cfg（用于平衡随机性和提示词服从性。提高该值会使结果更加符合提示词，但过高会导致图像质量下降。）
sampler_name（采样算法，会影响结果质量、生成速度、风格样式）
scheduler（控制逐渐移除噪波的方法。）
denoise（降噪的强度，降低该值会保留原图的大部分内容）
1.2.3条件（Conditioning）
（1） CLIPTextEncode（CLIP文本编码）
l 关键参数：text（将文本提示词编码为模型可理解的向量）
1.2.4潜空间操作（Latent）
（1） EmptyLatentImage（生成空白潜图像）
l 关键参数：width/height（尺寸）
batch_size（批量生成）
（2） VAEDecode（潜图像解码为像素图像IMAGE）
1.2.5保存图像（Save images）
l 关键参数：images（图像输出）
filename_prefix（文件名前缀）
1.3 模型安装步骤
1.3.1模型来源：civitai、魔搭社区
1.3.2安装步骤：下载到本地后通过scp命令移到机器内，用docker cp命令转移到容器内部models文件，文件包括checkpoints、loras、vae、unet…..（不同模型类型需要到对应的文件内）
运行checkpoints（基础模型）+loras（微调模型）最小节点配置
图1-2
图1-3
运行checkpoints（基础模型）+loras（微调模型）最小节点配置需要8个，包括
Checkpoint 加载器+lora加载器+CLIP文本编码*2（正向/反向）+latent+采样器+vae解码+保存图像
PS：1.Checkpoint 和 LoRA 需同体系，lora需适配基础模型架构
（如：如 SDXL 的 LoRA 不能用于 SD1.5）
2.优先选择与基础模型训练风格一致 的 lora
（如写实基础模型搭配写实风格 LoRA，避免风格冲突）。
3.模型路径要放对，路径错误会导致节点下拉时不存在
（如：checkpoint模型放在ComfyUI/models/checkpoint）
4.有些checkpoint模型自带vae解码器和CLIP文本编码器，除非明需说替换Vae模型
5.要仔细看模型详情，有些参数超过限制或过低会导致图片崩坏
（如图分辨率过高）
评论区