ComfyUI 零基础实操示例｜标准化AI绘画工作流搭建 #
一、项目概述 #
ComfyUI 是基于节点式的 Stable Diffusion 生成框架，区别于传统一键式绘图工具，它通过模块化节点拖拽、自由串联组合的方式，精准控制AI绘图全流程。具备高可控、高可定制、低显存占用、可复用工作流的特点，是AIGC创意设计、批量出图、精细化画面调试的核心工具。
本文从零搭建一套标准文生图基础工作流，完整覆盖节点逻辑、参数配置、连线规则、出图调试，适合新手入门，同时可作为AIGC作品集标准化实操案例，可直接复用、二次改造为图生图、高清修复、风格迁移等进阶工作流。
二、核心工作原理 #
ComfyUI 所有绘图流程遵循统一逻辑链路，所有节点各司其职、顺序执行，无冗余操作，核心链路如下：
加载模型 → 输入正负提示词 → 初始化潜空间 → 采样生成潜数据 → VAE解码成像 → 预览/保存图片
节点式设计的核心优势：可单独修改任意环节参数、可自由增删功能模块、可保存复用整套工作流，完美适配精细化AI创作与批量生产场景。
三、完整基础工作流搭建（手把手实操） #
本次搭建通用文生图工作流，无需复杂插件，原生节点即可运行，兼容绝大多数SD1.5、SDXL基础模型。
1. 所需核心节点（6个必备原生节点） #
右键画布搜索添加以下节点，按功能分区摆放，方便管理和调试：
-
Load Checkpoint：大模型加载节点，加载SD基础模型、VAE、模型配置
-
CLIP Text Encode \(Positive\)：正向提示词编码，描述想要生成的画面内容、风格、细节
-
CLIP Text Encode \(Negative\)：反向提示词编码，屏蔽畸形、模糊、瑕疵画面
-
Empty Latent Image：空白潜空间初始化，定义生成图片尺寸、画幅比例
-
KSampler：核心采样节点，AI降噪、画面生成计算核心
-
VAE Decode：潜空间解码，将AI生成的抽象潜数据转为可视像素图像
-
Preview Image：实时预览生成图片，直观查看出图效果
2. 标准连线规则（核心关键） #
严格按照以下链路连线，端口颜色、类型一一对应，避免报错空图：
-
Load Checkpoint → MODEL 连接 KSampler → model
-
Load Checkpoint → CLIP 连接 正负CLIP Text Encode节点 → clip
-
正负CLIP Text Encode → CONDITION 分别连接 KSampler 的 positive、negative
-
Empty Latent Image → LATENT 连接 KSampler → latent_image
-
KSampler → LATENT 连接 VAE Decode → samples
-
Load Checkpoint → VAE 连接 VAE Decode → vae
-
VAE Decode → IMAGE 连接 Preview Image → image
💡 小技巧：蓝色端口为图像/潜数据、紫色为条件编码、绿色为模型参数，同色端口可直接对接，快速排查连线错误。
3. 精细化参数配置（新手最优参数） #
（1）Load Checkpoint 模型加载 #
选择通用基础模型：v1-5-pruned-emaonly-fp16.safetensors，轻量化、兼容性强、出图稳定，适合新手练习。
（2）Empty Latent Image 画幅设置 #
-
Width：512
-
Height：768
-
Batch Size：1（单次生成1张图，可按需调大批量出图）
适配主流人像、风景创作比例，显存占用低，出图效率高。
（3）提示词配置（通用高质量模板） #
正向提示词（Positive）：
masterpiece, best quality, ultra detailed, 8k, soft light, clean background, realistic texture, delicate features, cinematic composition
反向提示词（Negative）：
lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, ugly, blurry
（4）KSampler 核心采样参数（最优新手配置） #
-
Seed：随机（可固定种子复现同款画面）
-
Steps：28（兼顾细节与速度，20-30步为最优区间）
-
CFG Scale：7.5（AI跟随提示词的贴合度，7-8为通用阈值）
-
Sampler name：dpmpp_2m（稳定高效，适配绝大多数场景）
-
Scheduler：normal
四、运行出图与工作流保存 #
1. 执行生成 #
点击页面顶部 Queue Prompt（或快捷键 Ctrl+Enter），等待3-10秒（取决于显卡性能），预览节点即可生成成品图片。
2. 工作流保存复用 #
搭建完成后，按 Ctrl+S 保存工作流为 JSON 文件，后续可直接拖拽导入ComfyUI，无需重复搭建，实现一键复用、批量创作。同时支持分享、二次迭代改造。
五、常见问题排查（新手高频踩坑） #
-
空白无图：检查VAE是否正常加载、连线是否错位、提示词节点是否接入正确
-
画面模糊低质：采样步数低于20、CFG值过低、未添加高质量正向提示词
-
畸形画面、手部出错：反向提示词不完整、种子随机波动，可固定优质种子复用
-
显存溢出报错：降低图片分辨率、减小Batch批量数、关闭多余插件节点
六、进阶拓展方向（作品集升级亮点） #
基于本基础工作流，可快速迭代出高阶AIGC创作方案，丰富作品集深度：
-
高清修复工作流：新增Upscale超分节点，实现512→2K高清无损放大
-
图生图重绘工作流：替换空潜空间为图片加载节点，实现画面风格迁移、局部重绘
-
局部inpainting修复：添加蒙版节点，精准修改画面瑕疵、替换局部元素
-
批量出图自动化：修改Batch参数+随机种子脚本，实现批量风格化出图
七、项目总结 #
本案例完整落地了ComfyUI节点式AI绘图的核心逻辑，摆脱传统AI绘画“一键盲盒”模式，实现对生成流程、画面细节、参数逻辑的全可控。相较于WebUI，ComfyUI的模块化工作流更适合标准化、精细化、可复用的AIGC创作，也是AIGC设计、AI应用开发岗位的核心实操能力。
该基础工作流可作为所有AIGC视觉项目的底层框架，支撑日常创作、商业案例制作、个性化工作流定制，具备极强的实用性和拓展性。