前言
现在 AI 绘图工具很多，其中 ComfyUI 是比较适合深入学习的一种。
它不像普通生图工具那样只提供一个输入框，而是使用"节点工作流"的方式，把整个图片生成过程拆开。这样虽然刚开始看起来复杂，但理解之后会发现它非常灵活。
这篇文章主要记录我对 ComfyUI 基础知识的学习理解，适合刚接触 AI 绘图的新手阅读。
一、ComfyUI 是什么？
ComfyUI 是一个基于节点的 AI 图像生成工具。
简单来说，它通过一个个节点完成图片生成流程。
比如：
加载模型 → 输入提示词 → 设置参数 → 采样生成 → 解码图片 → 保存图片每一步都对应一个节点。
这种方式的好处是流程清楚，可控性强，适合做复杂的 AI 绘图任务。
二、为什么 ComfyUI 值得学习？
ComfyUI 的优点主要有几个：
1. 流程透明
你可以清楚看到图片是如何一步步生成的。
不像一些一键生图工具，只能输入提示词，然后等待结果。
2. 可控性强
ComfyUI 可以精细控制模型、提示词、采样器、尺寸、种子、LoRA、ControlNet 等参数。
3. 适合进阶
后期想做图生图、局部重绘、高清修复、风格控制、批量生成，ComfyUI 都比较方便。
4. 工作流可以复用
别人分享的工作流可以导入使用，自己做好的工作流也可以保存下来。
三、ComfyUI 常见节点介绍
1. Checkpoint Loader
这个节点用于加载模型。
模型决定了图片的大致风格和生成能力。
常见模型类型：
SD 1.5
SDXL
真实风格模型
动漫风格模型
二次元模型没有模型，就无法生成图片。
2. CLIP Text Encode
这个节点用于输入提示词。
一般分为两类：
正向提示词：想要生成什么
负向提示词：不想出现什么例如正向提示词：
a beautiful girl, anime style, high detail, soft light负向提示词：
low quality, blurry, bad hands, watermark, text提示词写得越清楚，生成结果通常越接近预期。
3. Empty Latent Image
这个节点用于设置图片尺寸。
常见尺寸：
512x512
768x768
1024x1024新手建议先从小尺寸开始，速度更快，也不容易占用太多资源。
4. KSampler
KSampler 是 ComfyUI 里非常重要的节点。
它负责真正的采样生成。
常见参数：
steps：生成步数
cfg：提示词引导强度
seed：随机种子
sampler：采样器
scheduler：调度器新手可以先使用默认参数，不要一次改太多。
5. VAE Decode
模型生成的内容一开始不是普通图片，而是 latent 数据。
VAE Decode 的作用就是把这些数据转换成我们能看到的图片。
6. Save Image
这个节点用于保存最终图片。
生成完成后，结果会通过这个节点输出并保存。
四、新手常用参数建议
Steps
生成步数。
建议范围：
20 ~ 30步数太低，图片可能细节不足。
步数太高，耗时会变长。
CFG
提示词控制强度。
建议范围：
6 ~ 8CFG 太低，模型可能不听提示词。
CFG 太高，画面可能变得僵硬、不自然。
Seed
随机种子。
同样的 seed、模型、提示词和参数，可以生成相近结果。
如果想随机生成，可以使用随机 seed。
如果想复现某张图，就要保存 seed。
图片尺寸
新手建议：
512x512
768x768不要一开始就设置很大，否则容易变慢或报错。
五、提示词怎么写？
提示词可以从几个方面写：
主体 + 风格 + 场景 + 光影 + 细节 + 质量词例如：
a beautiful cyberpunk city, rainy night, neon lights, cinematic lighting, high detail可以拆开理解：
主体：cyberpunk city
场景：rainy night
光影：neon lights, cinematic lighting
质量：high detail负向提示词可以写：
low quality, blurry, bad anatomy, watermark, text, distorted新手不要一开始堆太多词，先用简单提示词测试效果。
六、学习 ComfyUI 的正确顺序
建议按这个路线学习：
1. 跑通默认工作流
2. 学会改提示词
3. 学会调 steps、cfg、seed
4. 学会换模型
5. 学习 LoRA
6. 学习 ControlNet
7. 学习图生图
8. 学习高清修复
9. 学习导入复杂工作流不要一开始就追求复杂节点。
先把基础流程理解清楚，后面学高级功能会轻松很多。
七、常见问题
1. 为什么生成很慢？
可能原因：
图片尺寸太大
steps 设置太高
模型太大
显存或算力不足可以先降低尺寸和 steps。
2. 为什么生成结果很奇怪？
可能原因：
提示词不清楚
负向提示词太少
模型不适合当前风格
CFG 设置不合适建议一次只调整一个参数。
3. 为什么别人工作流导入后不能用？
可能原因：
缺少模型
缺少插件
节点版本不一致
模型路径不正确导入别人的工作流时，要注意依赖是否完整。
八、总结
ComfyUI 看起来复杂，但本质逻辑并不难。
只要理解下面这条流程：
模型 + 提示词 + 参数 + 采样器 = 生成图片就已经掌握了入门核心。
对于新手来说，最重要的是先跑通基础工作流，再一步步学习 LoRA、ControlNet、图生图和高清修复。
ComfyUI 的优势在于可控性强、扩展性好，适合想深入学习 AI 绘图的人长期使用。
推荐标签
ComfyUI, AI绘画, AIGC, Stable Diffusion, 文生图, 图生图, CSDN教程, CloudStudio