前言
ComfyUI作为最灵活的Stable Diffusion前端，深受专业用户喜爱。本教程将带你从零开始搭建一个完整的AI绘画工作流。
环境准备
硬件要求
- GPU：NVIDIA RTX 3060 12GB以上（推荐RTX 4090）
- 内存：32GB RAM
- 存储：50GB空闲空间
软件安装
- 安装Python 3.10：从官网下载并配置环境变量
- 安装Git：用于克隆仓库
- 克隆ComfyUI：
git clone https://github.com/comfyanonymous/ComfyUI.git cd ComfyUI - 安装依赖：
pip install -r requirements.txt
基础工作流
1. 加载模型
- 下载Stable Diffusion 3 checkpoint（如sd3_medium.safetensors）
- 放入
models/checkpoints目录 - 添加
Load Checkpoint节点，选择模型
2. 正向提示词
- 使用
CLIP Text Encode (Prompt)节点 - 示例：
masterpiece, best quality, 1girl, detailed face, intricate armor, dynamic pose, epic lighting - 权重语法：(keyword:1.2) 或 [keyword:0.8]
3. 负向提示词
- 同样使用
CLIP Text Encode (Prompt)节点 - 示例：
nsfw, lowres, bad anatomy, bad hands, text, error, extra digit
4. 采样器设置
- 节点：
KSampler - 参数：
- seed：随机种子，固定值可复现
- steps：20-30步（质量与速度平衡）
- cfg：7-12（数值越高越遵循提示词）
- sampler_name：
euler或dpmpp_2m - scheduler：
karras或normal
5. 图像解码
- 连接
VAEDecode节点 - 输出到
Save Image节点保存
进阶技巧
LoRA模型融合
- 添加
Load LoRA节点，连接在Checkpoint之后 - 调整LoRA权重（0.5-1.0）
ControlNet应用
- 使用
Load ControlNet节点 - 结合
ControlNetApply节点控制姿势、深度等
批量生成
- 使用
Batch Prompt Schedule节点实现不同提示词 - 设置
KSampler的batch_size参数
总结
通过本教程，你已掌握ComfyUI的基础工作流搭建。实际使用中多尝试不同节点组合，能挖掘出更多创意可能。