一、介绍

ComfyUI是一款免费开源的节点式AI工作流引擎，专注于Stable Diffusion等扩散模型的可视化操作。该工具将模型加载、提示词配置、采样计算和ControlNet调用等功能模块化为独立节点，用户通过简单的拖拽连线即可构建个性化生成流程，无需编程基础即可实现高度自由的参数精细调节。系统支持Python自定义节点开发、第三方插件扩展及多模型兼容，提供工作流保存复用功能，并支持本地化部署与API对接。凭借出色的资源优化和扩展灵活性，ComfyUI已成为AI绘画创作、创意内容生成及技术流程可视化领域的专业解决方案。

本文章旨在通过“接水管”式的逻辑拆解，帮小白读者彻底搞懂 ComfyUI 节点布局，实现从漫画角色到写实照片的一键高质量转化。

---

二、 核心概念讲解：像生活一样理解 AI

在动手连接你的第一个工作流之前，我们先通过三个生活化的类比，搞定 ComfyUI 的“三大支柱”。

1. K 采样器 (KSampler) —— “追求细节的雕刻师”

• 生活化类比： 想象一位雕刻师面对一整块粗糙的原始大理石（噪点），根据你的描述，一刀一刀地剔除多余的石屑，最终露出藏在里面的精美雕像 。

• 一句话定义： 它是 AI 绘画的核心引擎，负责通过多次迭代（Steps）将杂乱的随机噪点转化为清晰的图像 。

• 在工作流中的作用： 控制生成图片的画质、创意程度以及最终形态，是你所有参数调整的主战场。

2. VAE 编码/解码 —— “跨次元的翻译官”

• 生活化类比： 就像将一本厚重的纸质书压缩成一个极小的电子文档方便携带（编码），等到要看时再解压恢复成精美的排版（解码）。

• 一句话定义： 负责在“人类看得懂的像素图片”与“AI 看得懂的潜空间数据”之间进行转换的桥梁。

• 在工作流中的作用： 确保你能把自己的照片“喂”给 AI，并让 AI 把画好的结果“翻译”回你能保存的图片文件 。

3. 正反向提示词 (Prompts) —— “导演的拍摄指令”

• 生活化类比： 就像在咖啡店下单，“我要一杯拿铁，加冰、加全脂奶（正向）”，同时强调“不要糖、不要奶泡（反向）”。

• 一句话定义： 通过文字描述告诉 AI 画面中必须有什么以及绝对不能出现什么 6。

• 在工作流中的作用： 决定了角色的发色、服装、背景质感，以及排除掉“多出的手指”或“模糊的阴影”等瑕疵 。

---

三、 实战拆解：精细化搭建“漫画转真人”生产线

我们将按照数据流动的顺序，逐一放置并讲解8 个核心节点 。

先看整个工作流：

1. Load Checkpoint (加载大模型)

• 作用：选择你的“画家”。

• 操作：选择一个写实类的大模型（如 majicmixRealistic）。

• 输出：它会流出三根线：MODEL模型（给采样器）、CLIP（给提示词）、VAE（给编解码器）。

2. CLIP Text Encode (正向提示词)

• 作用：告诉 AI 你要画什么，比如 1girl, masterpiece, photorealistic, realistic skin texture 。

• 输入：连接来自大模型的 CLIP 信号。

• 输出：输出 CONDITIONING（条件信号）给采样器的 positive 接口。

3. CLIP Text Encode (反向提示词)

• 作用：告诉 AI 你不要什么，比如 (worst quality, low quality:1.4), cartoon, anime, sketch 。

• 操作：同样的节点，但输出要连到采样器的 negative 接口，用来排除漫画感。

4. Load Image (加载图像)

• 作用：放入你的漫画原图。

• 操作：点击上传你的二次元角色图片 。

5. VAE Encode (VAE 编码)

• 作用：将“像素图”压缩成“潜空间草稿”。

• 输入：一头接 Load Image 的图像，一头接大模型的 VAE 信号。

• 输出：输出 LATENT（潜空间数据）给采样器。

6. KSampler (K 采样器) —— 核心枢纽

• 作用：这是魔法发生的地方，负责把漫画草稿“洗”成真人照片 8。

  关键参数设置：

  • Steps (步数)：20-30 步，给 AI 足够的雕刻时间 。

  • Denoise (降噪)：关键！设在 0.65-0.75。太低还是漫画，太高就认不出原图了 。

  • Sampler (采样器)：推荐 dpmpp_2m，调度器选 karras 

核心参数详析

1. 种子与控制 (Seed & Control)

• seed (种子)：图像的随机初始状态（随机噪声基因）。完全相同的种子配合相同参数会生成完全一样的图。

• control_after_generation (生成后控制)：决定下次运行后种子的变化。

  • randomize: 每次随机变，适合找灵感。

  • fixed: 保持不变，适合微调提示词或参数。

2. 步数 (Steps)

• 定义：AI 进行去噪迭代的次数。

• 作用：步数越多，细节通常越丰富，但超过一定数值（如 50 步以上）收益递减，且耗时成倍增加。

• 推荐：常规模型建议 20-30 步。

3. CFG (引导系数)

• 定义：AI 对提示词的遵循程度。

• 作用：

  • 数值低 (1-4)：AI 更有创意，画风柔和，但可能不听指令。

  • 数值高 (7-12)：AI 死磕指令，但数值过高（>15）会导致色彩烧焦、出现高对比度怪影。

• 推荐：5.0 - 8.0 之间最稳健。

4. 采样器与调度器 (Sampler & Scheduler)

• sampler_name (采样器名称)：决定抹除噪点的方法（算法）。

  • dpmpp_2m: 平衡性极佳，出图快且质量稳。

  • euler_a: 适合二次元皮肤，画风平滑。

• scheduler (调度器)：控制每一阶段抹除噪点的多少（步长）。

  • karras: 让画面细节在最后几步更平滑，是目前的“黄金搭档”。

5. 降噪幅度 (Denoise)

• 定义：对潜空间初始数据的“破坏重造”比例。

• 文生图：必须设为 1.0（从纯随机噪点开始画）。

• 图生图 / 局部重绘：

  • 0.4-0.6：保留原图构图，改变画风。

  • 0.7-0.85：大幅改变内容，仅保留原图的大致色调和位置。

---

7. VAE Decode (VAE 解码)

• 作用：将 AI 画好的潜空间草稿还原成我们能看懂的像素图片 。

• 输入：接收采样器的 LATENT 和大模型的 VAE。

8. Save Image (保存图像)

• 作用：最终成品展示 13。

• 操作：点击“运行”，你就能在右侧看到你的漫画角色“活”了过来 。

  

  ---

  四、 注意事项

  • 连接法则：颜色对颜色，名字对名字。比如蓝色的 IMAGE 永远不要连到绿色的 MASK。

  • 排雷技巧：如果生成的真人脸部扭曲，尝试稍微降低 CFG（设为 6.5-7.5）或者换一个更精准的写实 LoRA 15。