ComfyUI 的节点大致上可以分为基础核心节点和强大的扩展生态两部分。简单来说，基础节点是搭建工作流必须掌握的"骨架"，而扩展节点则是决定工作流上限的"血肉"，可以根据你的需要随时添加。
📊 核心节点分类：搭建工作流的基石
这张表格汇集了最常用的基础核心节点，帮助你快速了解它们的主要作用：
| 节点分类 | 节点名称 | 作用 |
|---|---|---|
| 模型加载类 | Checkpoint Loader (检查点加载器) |
加载SD主模型（如 SD 1.5, SDXL）的"发动机"-5。 |
VAE Loader (VAE加载器) |
单独加载负责细节的VAE模型，用于改善色彩和锐度-5。 | |
LoRA Loader (LoRA加载器) |
加载风格、角色等微调模型，快速赋予特定效果-5。 | |
ControlNet Loader (ControlNet加载器) |
加载ControlNet模型，为生成过程增加精准控制-5。 | |
| 文本编码类 | CLIP Text Encode (CLIP文本编码) |
将提示词转化为模型能理解的向量，是工作流的"指挥中心"-5。 |
Text Multiline (多行文本输入) |
提供一个方便编辑和预览长提示词的输入框-5。 | |
| 图像创建/处理 | Empty Latent Image (空Latent) |
创建一张充满随机噪点的画布，作为生成的起点-5。 |
Load Image (加载图像) |
从本地加载图片，用于图生图等需要输入图像的场景-5。 | |
VAE Encode (VAE编码) |
将像素图像编码为Latent格式，以便在潜在空间中进行处理-5。 | |
Image Scale (图像缩放) |
调整图片尺寸以适应模型需求-5。 | |
| 核心采样器 | KSampler (采样器) |
生成的"车间"，通过去噪过程最终生成图像，是工作流的心脏-5。 |
| 图像输出 | VAE Decode (VAE解码) |
将生成完成后的Latent图像解码回人类可见的像素图像-5。 |
Save Image (保存图像) |
将最终图像保存到本地硬盘-5。 |
🔧 扩展节点生态：解锁进阶功能
除了核心节点，ComfyUI的魅力在于其庞大的扩展生态。这些扩展包（Custom Nodes）极大地拓展了工作流的可能性。
-
🎬 视频生成扩展 ：安装相关扩展节点后，ComfyUI就能实现从图像到视频的进阶。像LTX Video这样大火的视频模型，官方或社区都会发布专属节点包。工作流通常涵盖文本到视频 和图像到视频 两条路径-32，并可能包含
文本编码、运动控制、帧插值等多个子模块-12-32。 -
⚙️ 高级控制扩展 ：以AnimateDiff 节点为例，它能在生成动画时确保画面在不同时间点上保持连贯、不跳帧-11，非常适合制作动态效果-11。
-
🎨 风格化与高级渲染扩展 ：你可能会遇到像 SDXL Prompt Styler -28这样的节点，它内置了数十种艺术风格模板，可以一键套用。此外，许多专用的渲染节点能实现3D、光影等特殊效果，让你的作品更具艺术感。
🧠 节点如何连接与工作？
理解了这些节点后，它们是如何通过"连线"协同工作的呢？可以把这个过程理解为数据流：
文本输入 ➡️ 文本编码 ➡️ 采样生成 ➡️ 图像解码 ➡️ 图像保存
-
输入的提示词会被
CLIP Text Encode节点编码。 -
编码后的结果会作为"工作指令"，输入到
KSampler采样器节点中。 -
Empty Latent Image节点为KSampler提供一张空白的画布。 -
KSampler在"条件"（提示词）和"画布"（Latent）的共同作用下开始处理，最终输出一副处理好的"数字画布"（Latent图像）。 -
最后，这个"数字画布"通过
VAE Decode节点转换成可看的图片，并由Save Image节点保存下来-1。
需要注意的是，每个节点的输入输出端口都有其指定的数据类型 ，只有类型匹配时才能成功连接。比如 模型类型(Model) 的端口，只能接收加载SD模型后输出的数据，不能直接连接一张图片-2。
💡 实用操作技巧
为了让你使用起来更顺手，还有两个非常实用的操作技巧：