从零跑通一个「文生图」工作流：6 个核心节点逐步拆解

2026-09-09 · comfyui AI 绘图自动化

上一篇（ComfyUI 系列第 2 篇）我们把 SDXL 环境在 ComfyUI Desktop 上彻底搭好：模型就位、显存确认、首次启动成功。但环境只是舞台，真正的主角是「工作流」。这一篇，我们把 ComfyUI 默认的文生图工作流逐节点、逐参数拆开讲透，让你不只是「点一下 Queue 蹦出一张图」，而是明白每个节点在数据流中的位置、每个参数背后的原理。读懂这一篇，你就掌握了 ComfyUI 的思维模型，后面学图生图、局部重绘、放大，都只是在这张图上加节点。

实测环境：Mac mini M4（32G 统一内存）+ ComfyUI Desktop + SDXL 基础模型，以下所有参数均在此环境下验证。

一、先建立核心概念：工作流是一张数据流图

ComfyUI 的本质是一张有向无环图（DAG）。每个节点（Node）封装一个独立功能——加载模型、编码文字、采样、解码；每个节点有输入端口和输出端口；节点之间用**连线（Wire）**连接，连线就是数据流动的管道。你按下 Queue Prompt 后，ComfyUI 从终点节点（Save Image）反向追溯依赖，确定执行顺序，依次运行每个节点，把上游输出作为下游输入，最终产出图像。

理解了「数据从左往右流」，看懂任何工作流都不难：左侧是原料（模型、文字、空白画布），中间是加工（采样），右侧是成品（解码、保存）。

打开方式：ComfyUI Desktop 启动后，默认会加载内置的文生图工作流（Workflow 模板里的 "Text to Image"）。若是空白画布，点菜单 Sidebar → Templates，选择文生图模板即可。此时画布上应该正好出现我们接下来要拆解的六个节点。

二、六个核心节点逐个拆解

1. Load Checkpoint：一切从模型开始

这个节点负责把 SDXL 的 checkpoint 文件（.safetensors，通常 6.5GB 左右）从硬盘加载进内存。它有三个输出端口，对应 Stable Diffusion 架构的三个组件：

MODEL：U-Net 扩散模型本体，负责在潜空间里一步步去噪生成图像，连接到 KSampler 的 model 端口。
CLIP：文本编码器，把你的提示词翻译成模型能理解的向量，连接到 CLIP Text Encode 节点。
VAE：变分自编码器，负责图像与潜空间之间的双向转换，连接到 VAE Decode。

一个 checkpoint 内部打包了这三样东西，所以一个模型节点就能喂饱整条工作流。参数只有 ckpt_name 一个，选择你的 SDXL 模型文件（如 sd_xl_base_1.0.safetensors）。注意：若列表为空，说明模型没放进 models/checkpoints 目录，或放错了子目录。

2. CLIP Text Encode（正向与负向两个实例）：告诉模型你要什么

工作流里有两个一模一样的节点，一个接正向提示词（positive），一个接负向提示词（negative）。它们做的事相同：把文本经 CLIP 编码成条件向量，交给采样器——正向是「我要什么」，负向是「我不要什么」。

SDXL 与 SD1.5 的一个重要区别：SDXL 训练时使用了大量自然语言描述（类似 LAION 的图文对），因此短标签堆砌（1girl, masterpiece, ultra detailed）不再是唯一解，写成完整的自然语句往往效果更好。要点：

描述主体、环境、光线、风格、镜头，一个维度一句话即可，不必堆砌几十个词。
SDXL 对词序敏感，越靠前的内容权重越高，把最重要的主体放最前面。
负向提示词 SDXL 需求比 SD1.5 低，通常写画质通病即可，不必塞一大串。

示例（正向）：a young woman in a light summer dress standing on a sunny beach, gentle ocean waves in the background, golden hour lighting, soft bokeh, shot on 85mm lens, photorealistic。

示例（负向）：blurry, lowres, bad anatomy, extra fingers, watermark, text。

3. Empty Latent Image：生成前先铺一张「空画布」

扩散模型不是直接画图，而是在潜空间（Latent Space）里从一团随机噪声开始逐步去噪。这个节点生成那团初始噪声，参数三个：

width / height：SDXL 原生训练分辨率为 1024×1024，就设 1024。这不是随意数字——SDXL 在约 100 万像素总量（如 1024×1024、896×1152）下表现最佳；设成 SD1.5 时代的 512×512，反而会出现构图怪异、重复肢体等问题。
batch_size：一次生成几张，设 1。32G 内存的 M4 跑 batch 2-4 也没问题，抽卡时可调大。

4. KSampler：整个工作流的心脏

采样器接收模型、正负向条件、初始噪声，执行去噪循环。参数最多，逐个说：

seed（种子）：随机数种子，决定初始噪声的形态。同 seed + 同参数 + 同提示词 = 完全相同的图，这是复现实验的关键。想抽卡就点旁边的 dice 图标改成 randomize。新手建议先固定 seed，改提示词看效果，否则每次变量太多，无法判断是哪个改动起了作用。
steps（步数）：去噪迭代次数。SDXL 用 25-35 步即可收敛，30 是稳妥默认值。步数太少（<15）细节潦草；超过 40 收益极小，纯浪费 M4 的时间。
cfg（CFG Scale，引导强度）：控制生成结果对提示词的「服从程度」。SDXL 推荐 6-8，取 7 最常用。设太低（<4），模型自由发挥，画面可能和提示词貌合神离；设太高（>10），画面会过饱和、僵硬，人物皮肤像塑料，还容易出噪点。
sampler_name / scheduler：去噪算法与步长调度策略。社区结论是 dpmpp_2m + karras 为 SDXL 的甜点组合：dpmpp_2m 每步质量高、步数需求低；karras 调度在接近收尾时自动缩小步长，让细节过渡更平滑。用默认的 euler + normal 也能出图，但同参数下细节和肤质通常略逊一筹。
denoise（降噪强度）：从噪声中「重建」的比例。文生图必须设 1.0——整张图都从纯噪声画起。这个参数在图生图（下篇主角）才是主角：0.5 左右表示保留原图一半结构再重绘。

5. VAE Decode：从潜空间到肉眼可见

KSampler 输出的仍是一组 128×128 的潜空间张量（四通道的压缩数学表示），人眼看不了，也没法存成 PNG。VAE Decode 用 VAE 的解码器把潜数据还原回 1024×1024 的 RGB 图像。这就是为什么 Load Checkpoint 的 VAE 输出要单独拉一根线到这个节点。没有它，工作流跑不通「保存」这一步。

6. Save Image：落盘

接收解码后的图像并写入硬盘。filename_prefix 是文件名前缀，默认 ComfyUI，生成的文件形如 ComfyUI_00001_.png，序号自动递增。保存目录在 ComfyUI Desktop 的 output 文件夹内，建议按主题改前缀（如 sdxl_beach）方便日后翻找。值得强调：PNG 里内嵌了完整的工作流与参数元数据，把图拖回 ComfyUI 画布即可还原整张工作流——这是排查「这张图当时怎么生成的」的利器。

三、连线实战：按数据流顺序接六根线

默认模板已连好，但请务必亲手从空白重建一次。推荐按数据流顺序连线：

Load Checkpoint 的 MODEL → KSampler 的 model
Load Checkpoint 的 CLIP → 正向 CLIP Text Encode 的 clip；同一 CLIP 再拉一根 → 负向 CLIP Text Encode 的 clip（一个输出可以连多个下游）
正向 CLIP Text Encode 的 CONDITIONING → KSampler 的 positive；负向的 → negative
Empty Latent Image 的 LATENT → KSampler 的 latent_image
KSampler 的 LATENT → VAE Decode 的 samples
Load Checkpoint 的 VAE → VAE Decode 的 vae；VAE Decode 的 IMAGE → Save Image 的 images

新手最常见的三类连线错误：一是把 CLIP 输出直接连到 KSampler——端口类型不匹配，ComfyUI 会拒绝或转接，出图常常完全不像提示词；二是把 VAE Decode 的 IMAGE 又接回 KSampler——数据流倒灌，逻辑混乱；三是漏掉 Load Checkpoint 到 VAE Decode 的 VAE 线，导致解码失败或报错。连完之后检查一遍：所有节点的输入端口是否都有对应的线，有没有悬空的端口（灰点或红框）。

四、参数与提示词实战：一个完整的例子

我们用一个「夏日海边女孩」的完整例子把上面所有参数串起来。正向提示词用自然语言描述：

a young woman in a light summer dress standing on a sunny beach, gentle ocean waves in the background, golden hour lighting, soft bokeh, shot on 85mm lens, photorealistic

负向提示词：

blurry, lowres, bad anatomy, extra fingers, watermark, text

参数设置：seed 固定（比如 12345）、steps 30、cfg 7、sampler dpmpp_2m、scheduler karras、denoise 1.0、尺寸 1024×1024、batch 1。点 Queue 生成。

这里的关键是学会「单变量实验」：只改一个参数，观察效果。比如：

把 cfg 从 7 提到 12，画面会明显更「死板」、过饱和，人物皮肤发硬——你就直观理解了 cfg 过高的后果。
把 steps 从 30 降到 10，细节会粗糙、光影生硬，但构图主体仍在——看到步数太少的下限。
把正向提示词里的 golden hour lighting 删掉换成 overcast sky，整体色调立刻改变——体会到词序和主体词对画面的支配力。

一次只动一个变量，你才能真正建立「哪个参数控制什么」的手感，而不是盲目乱调。

五、保存与复用工作流

工作流本身就是可保存、可复用的资产，这是 ComfyUI 相对其它工具最实用的地方之一。

保存：菜单 Workflow → Save，会存成一个 .json 文件，包含画布上所有节点的位置、参数和连线关系。

导出/分享：Workflow → Export，导出 json 给别人；别人用 Import 导入即可还原。很多社区分享的「工作流文件」就是这么来的。

为什么重要：一套调好的参数组合，改一个提示词就能批量产出不同内容。这也是后续做批量出图、固定风格交付的基础——把工作流存好，等于把你验证过的方法固化下来，随时复用。

六、避坑指南

节点红框 / 报错：某个节点变红框通常是该节点的代码或配置出错。悬停看错误信息，最常见的两类：一是端口类型不匹配（如把 IMAGE 连到 MODEL 口），删掉重连；二是缺依赖节点或模型文件路径错误。

生成全黑图：多半是 VAE 没接对，或 VAE 缺失。检查 Load Checkpoint 的 VAE 是否正确连到 VAE Decode；若用的模型版本裁掉了 VAE，需要单独加载 sdxl_vae.safetensors。

画面与提示词完全不符：先检查 CLIP 那根线是不是接到了正确的正向/负向节点，再确认 conditioning 端口连对了；其次看是否误用了 SD1.5 的提示词写法（标签堆砌）导致 SDXL 理解偏差。

尺寸异常 / 重复肢体：Empty Latent 尺寸设回 512 会出现 SD1.5 时代的畸形；设到 1536 以上则可能重复人物。SDXL 就坚持 1024 附近（或 896×1152 等总量接近 100 万像素的尺寸）。

内存不足被 killed：生成前关掉大应用，batch 保持 1，必要时开低显存模式（--lowvram）。