AI 入门与 ComfyUI 出图课
TERM MAP · 依赖图

术语依赖图

这套课讲不清楚,往往不是句子难,而是顺序错:前一句用了一个还没拆过的词。这一页把 29 个核心术语拆到最小单位,标清「先讲谁、在哪讲、谁会用」,再把现有 31 课按这个顺序重排成 50 课。

29 个核心术语,拆到最小
5 层从地基到应用,单向依赖
27 张术语卡(三种结构图合一)
5 处断层、倒挂与循环
12 组L3 前置缺口(实证)
01 · LAYERS

五层依赖:只能从下往上讲

规则只有一条:下一层的术语没讲明白,上一层的课不许开。同层之间也有先后,按从左到右排;跨层不允许往回借词。

T0 地基 无前置 节点 NodeL0-01 连线L0-01 端口L0-01 噪声 noiseL1-02 tokenA-02 · L2-02 前置齐了才往下 T1 表示 图和字变成数 VAEL1-01 潜空间 LatentL1-01 CLIP / 文本编码L2-01 · L2-02 种子 seedL1-03 遮罩 maskL3-05 T2 模型与条件 谁在画、听谁的 UNet / DiTL1-02 · L2-01 CheckpointL2-01 条件 conditioningL2-02 子图 subgraphL2-04 T3 写图与控制 一遍遍擦出来 采样器 samplerL1-02 步数 stepsL1-02 CFGL1-03 去噪强度 denoiseL1-02 · L2-03 LoRAL2-01 ControlNetL1-04 T4 应用与后处理 拿它做具体活 Depth / Lineart /CannyL1-04 IPAdapterL1-05 Florence2L2-02 GroundingDINOL3-06 SAML3-06 inpaintL3-05 放大与超分L3-07 青框 = 后续课程频繁回指的两个枢纽术语:潜空间与条件。它们没讲清,L3 全线会卡。
T1 表示 T2 模型与条件 T3 写图与控制 T4 应用与后处理 同层从左到右也有先后;跨层只能向上借,不能向下预支。
L3 前置带(实证):负责 L3-01/02/03/05/06 的那一路把「用了但没讲清」的术语全翻了一遍,汇成 12 组前置需求(A–L)。这 12 组不在上面的五层里,而是夹在 T4 与 L3 之间——L3 开课前必须先补。详见 03B 节;12 组不再单独占课,全部并进 50 课里的对应节。
读图口径:这一层只画「层与层的先后」。同一层内部的具体前置(例如 VAE → 潜空间、噪声 → 种子)写在下面每张术语卡的「前置」一栏,避免箭头画成一团。
02 · CARDS

29 个术语,27 张卡

每张卡只回答四个问题:一句人话、必须先讲什么、在哪节课讲、哪些课会用到。三种结构图(Depth / Lineart / Canny)合成一张卡,所以卡比术语少两张。

T0地基不需要任何前置,第一节课就要用的人话词
节点Node

画布上一个方块,干一件具体的事:读图、编码、采样、存图。

前置
无。这是全课第一个词。
讲在
L0-01
用在
全部 31 课
连线link

上游把产出交给下游的那一下。交接的东西必须是同一种类型。

前置
节点
讲在
L0-01
用在
全部 31 课
端口port / slot

节点两侧的小圆点:左边收,右边发。颜色决定能接什么。

前置
节点
讲在
L0-01
用在
L2-01~L2-04、全部 L3
噪声noise

一张随机雪花点。采样的起点不是白纸,是它。

前置
无
讲在
L1-02
用在
L1-02、L1-03、L2-03、L3-04、L3-07
token词片

文本被切成的小片。模型不读句子,只读片。

前置
无
讲在
A-02(文字侧)、L2-02(图像侧)
用在
A-02、L2-02、L3-02~L3-04
T1表示把图和字变成数;这一步没懂,后面全是黑箱
VAE编解码器

像素和潜空间之间的有损翻译机,来回都翻,翻完有损耗。

前置
无。先知道「有损翻译」就够。
讲在
L1-01
用在
L1-01、L2-01、L2-03、L3-04~L3-07
潜空间Latent

把像素按 1/8 缩小后的草稿画布。采样器只在这张草稿上动笔。

前置
VAE
讲在
L1-01
用在
L1-01、L1-02、L2-03、全部 L3
枢纽词:L3 每节课都会回头用它。
CLIP / 文本编码text encode

把一句人话翻成模型能吃的向量。

前置
token
讲在
L2-01(装)、L2-02(用)
用在
L2-02、L3-01~L3-10
种子seed

噪声的起点编号。号码一样,雪花一样;号码一变,全图重来。

前置
噪声
讲在
L1-03
用在
L1-03、L2-03、L3-01、L3-04、L3-07
遮罩mask

一张黑白图。白的地方改,黑的地方一个像素都不动。

前置
无
讲在
L3-05
用在
L3-05、L3-06、L3-07
T2模型与条件谁在画、听谁的;模型文件与提示词的交接点
UNet / DiT去噪网络

真正会画画的网络。每一步只干一件事:猜这张草稿上该擦掉多少噪声。

前置
潜空间、噪声
讲在
L1-02、L2-01
用在
L1-02、L2-01、全部 L3
Checkpoint主模型包

把 UNet、CLIP、VAE 打成一个包的大文件。所谓「换主模型」,换的就是它。

前置
UNet / DiT、CLIP、VAE
讲在
L2-01
用在
L2-01、L3-01、L3-04、L3-05、L3-06
条件conditioning

打包好的「我要什么」:一句话经 CLIP 编码后的结果。

前置
CLIP / 文本编码
讲在
L2-02
用在
L2-02、L1-04、L3-01~L3-10
枢纽词:L1-04 会提前用到它,需要在那一课当场解释。
子图subgraph

把一组节点收进一个盒子,双击才展开。盒子里还能再套盒子。

前置
节点、连线
讲在
L2-04
用在
L2-04、L3-03、L3-04、L3-06、L3-07
T3写图与控制采样五件套,加两个「往模型里塞东西」的办法
采样器sampler

按草稿擦噪声的那套算法。换它,等于换一支笔。

前置
UNet / DiT、条件、噪声
讲在
L1-02
用在
L1-02、L1-03、L2-03、全部 L3
步数steps

擦几遍。遍数越多越细,也越慢。

前置
采样器
讲在
L1-02
用在
L1-02、L2-03、L3-01、L3-04
CFG听话程度

模型有多听提示词的话。调高更听话,也更容易发硬、过饱和。

前置
条件、采样器
讲在
L1-03
用在
L1-03、L2-03、L3-01、L3-04
去噪强度denoise

这一步把原图擦掉多少。1.0 等于全擦,只借尺寸。

前置
采样器、噪声
讲在
L1-02、L2-03
用在
L1-02、L2-03、L3-04、L3-05、L3-07
LoRA风格补丁

不动主模型,只叠一层风格偏移。两个强度:一个管画面,一个管提示词。

前置
Checkpoint
讲在
L2-01
用在
L2-01、L3-01、L3-02、L3-04、L3-10
ControlNet结构控制

另开一条小模型,把结构图塞进采样,让画面照着结构走。

前置
条件、采样器
讲在
L1-04
用在
L1-04、L2-02、L3-02~L3-04、L3-08、L3-09
T4应用与后处理拿前面的砖去干具体活;这一层全是「组合」
Depth / Lineart / Canny三种结构图

三种把照片压成结构图的方式:深度管前后,线稿管轮廓,Canny 管边缘。

前置
ControlNet
讲在
L1-04
用在
L1-04、L3-02、L3-03、L3-04、L3-08
IPAdapter风格注入

把参考图的「气质」灌进模型,不给复印件。

前置
条件、CLIP
讲在
L1-05
用在
L1-05、L2-02、L3-04、L3-10
Florence2看图说话

看图说人话的多模态模型。把参考图读成一段英文描述。

前置
无(它直接看图出文字,输出再进文本编码)
讲在
L2-02
用在
L2-02、L3-02、L3-03、L3-04、L3-10
GroundingDINO开放词表检测

给它一个名词,它在图里画出框。不用事先训练这一类。

前置
token(它直接吃文字,不吃编码后的条件)
讲在
L3-06
用在
L3-06
断线:前面没有任何一课解释「检测」,只能在这一课当场拆。
SAM分割

给它一个框,它贴着真实边缘抠出像素级遮罩。

前置
遮罩
讲在
L3-06
用在
L3-06
断线:同上,需要一篇前置课补「检测 → 分割」的分工。
inpaint局部重绘

只在遮罩里重画,遮罩外一个像素都不动。

前置
遮罩、采样器、去噪强度
讲在
L3-05
用在
L3-05、L3-06
放大与超分upscale

先把成品放大,再用很低的去噪补一遍细节。

前置
潜空间、采样器、去噪强度
讲在
L3-07(像素级放大见 L2-04)
用在
L2-04、L3-04(精修子图)、L3-07
03 · GAPS

现有 31 课的五处顺序问题

按上面的依赖图层对照现有课程,问题集中在五处:两处倒挂、一处提前使用、一处断线、一处循环。每一处都给出具体修法,不改事实、不改文件名。

GAP 01 · 倒挂

L1-04 讲 ControlNet,却要先用「条件」

ControlNet 的作用对象是条件(CONDITIONING),可「条件」要到 L2-02 才系统讲。现在 L1-04 直接用了这个词。

修法:L1-04 开头加三句话卡——「条件就是编码后的提示词,L2-02 专门讲,这里知道它干嘛就行」。不新增课程。

GAP 02 · 倒挂

L1-05 讲 IPAdapter,却要先用 CLIP 编码

IPAdapter 靠 CLIP 视觉塔把参考图读成向量,而 CLIP 在 L2-01 才讲。L1-05 现在提到了视觉编码,但没有铺垫。

修法:同样在 L1-05 开头补一张三句话卡,标注「CLIP 在 L2-01 专门讲」。

GAP 03 · 提前使用

L0-03 用到采样器、步数、CFG、种子、去噪,而它们都在 L1

L0-03 是「完整出一次图」,必然要碰 quant 参数。问题不在用,而在用了不解释。

修法:按两条硬规矩处理——每处要么当场一句人话,要么明确写「L1-02 / L1-03 专门讲,这里知道它干嘛就行」。已在 L0-03 重写中落地。

GAP 04 · 断线

GroundingDINO 与 SAM 没有前置课

「检测」和「分割」这两个概念只出现在 L3-06,前面 30 课一次都没拆过。学员在这一课要同时接住开放词表检测、像素级分割、局部重绘三件事。

修法:新增 L2-05《检测与分割》——GroundingDINO 开放词表给框、SAM 提示式分割给遮罩,排在 L3-06 之前;语义分割另立 L2-05b《语义分割》——ADE20K 固定约 150 类、OneFormer 的 512 预处理、白模为何整片归一类。两者不是一件事,不能塞进一节。文件 l2-05-detect-segment.html、l2-05b-semantic-seg.html,均已交付。

GAP 05 · 循环

潜空间和采样器互相引用

L1-01 讲潜空间时要提「采样在草稿上擦」,L1-02 讲采样时又要回头提「草稿」。两课互相当前置,读者两头都悬着。

修法:把边界切开——L1-01 只讲「1/8 草稿画布 + VAE 怎么来回翻」;「擦噪声」整段推给 L1-02。L1-01 里出现采样器时,统一写「L1-02 专门讲」。

03B · L3 PREREQS

L3 前置带:12 组实证缺口

来源不是推测,是 L3-01/02/03/05/06 改写时逐节翻出来的「用了但没讲清」。这 12 组全部必须在 L3 开课前补掉。编号规则统一后,12 组已全部落位:9 组并进对应的拆分节,另 3 组(D / F / I)也分别并进了 L2-01b、L2-02b、L2-06,不再需要独立编号。

组缺口(原话要点)卡住哪些 L3拟处理
A扩散 / UNet:每步预测什么、噪声怎么擦掉L3 全线并进 L1-06 UNet 与 DiT(已交付)
BCLIP / token:tokenizer、上下文窗口、中英文 token 差异L3-01、02、03、05、06并进 L2-02 文本条件,含 CLIP / token
C采样器与调度器:两者区别、常见组合L3-01~07并进 L1-02 采样循环,选型归 L1-02b(均已交付)
DLoRA ↔ Checkpoint:加载顺序、为何 LoRA 同时改 MODEL 和 CLIPL3-01、02、04并进 L2-01b 附加五项(已交付)
EControlNet 两段式:预处理器出控制图、怎么和控制模型配对L3-02、03、04、08、09扩 L1-04b 这套 JSON 怎么填,含 union 型
FIPAdapter 权重:图像提示怎么注入、weight_type 差异L3-04、10并进 L2-02b 结构与风格条件(已交付)
GFlorence2 读图:视觉模型输出如何变成文本L3-02、03、04、10并进 L2-02c 文字工具(已交付)
H子图与死端:子图收口、没有出口的分支怎么读L3-03、04、06、07扩 L2-04b 组织与接线(已交付)
IFlux1 / Flux2 文本编码与 ReferenceLatentL3-03、04、07并进 L2-06 Flux2 精修链(已交付)
J遮罩 / alpha / clipspace:三种「哪里改」的坐标系L3-05、06、07扩 L3-05b 遮罩是什么(已交付)
KGroundingDINO 开放词表与 SAM 提示分割L3-06并进 L2-05 检测与分割;语义分割归 L2-05b(均已交付)
L放大与校色:upscaler、分块、直方图匹配L3-07扩 L3-07b 两种放大(已交付)
编号已统一,不再是待定项:拆分出来的节用「原编号 + b / c」,原文件名保留;独立新知识才起新编号。D / F / I 三组不再单独成课——LoRA 与 Checkpoint 的加载顺序归 L2-01b,IPAdapter 权重归 L2-02b,Flux 文本编码与 ReferenceLatent 归 L2-06。完整清单见 04 拆课顺序。
04 · ORDER

拆课:31 课 → 50 课

编号规则已统一:拆分出来的节一律用「原编号 + b / c」,紧跟原课;原文件名保留,作为拆分后的第一节;只有独立的新知识才另起新编号。按此规则,L1 五节拆成十节,L2 四节拆成十节,另加四节独立新课,共新增 19 节。

新编号新文件从哪拆 / 补什么先修状态
L0-02bl0-02b-using-the-interface.html从 L0-02 拆出:界面六区、三种载入、载入后三处红L0-02已交付
L0-03bl0-03b-read-main-chain.html从 L0-03 拆出:21 节点、3 子图、主链与旁支怎么读L0-03已交付
L1-01bl1-01b-vae-codec.html从 L1-01 拆出:像素 ↔ 潜空间、#16 / #9 / #346 / #338 各自管什么L1-01已交付
L1-02bl1-02b-steps-denoise.html从 L1-02 拆出:20 步在擦什么、denoise 0.55 改哪一段L1-02已交付
L1-03bl1-03b-seed.html从 L1-03 拆出:同一颗种子复现、randomize 与 fixedL1-03已交付
L1-04bl1-04b-json-settings.html从 L1-04 拆出:预处理器配对、union 型一个权重切模式、强度通常更高L1-04已交付
L1-05bl1-05b-params-noise.html从 L1-05 拆出:weight / weight_type、噪声与去噪怎么分工L1-05已交付
L1-06l1-06-unet-dit.html独立新知识:真正画画的那个网络,与采样器的分工L1-01、L1-02已交付
L2-01bl2-01b-extra-loaders.html从 L2-01 拆出:Checkpoint 之外,UNET / CLIP / VAE 分开装L2-01已交付
L2-02bl2-02b-structure-style.html从 L2-02 拆出:ControlNet 条件、IPAdapter 条件、参考图怎么进采样L2-02已交付
L2-02cl2-02c-text-tools.html从 L2-02 拆出:翻译、Florence2 反推、描述怎么变成提示词L2-02已交付
L2-03bl2-03b-latent-inpaint.html从 L2-03 拆出:ReferenceLatent 正负两槽、局部重绘改哪块潜变量L2-03已交付
L2-03cl2-03c-upscale-size.html从 L2-03 拆出:upscaler、分块、总像素与尺寸L2-03已交付
L2-04bl2-04b-groups-wiring.html从 L2-04 拆出:四层嵌套、内部编号 #363 起、与顶层不冲突L2-04已交付
L2-05l2-05-detect-segment.html独立新知识:GroundingDINO 开放词表 + SAM 提示式分割,出框和遮罩L2-02已交付
L2-05bl2-05b-semantic-seg.html独立新知识:ADE20K 约 150 类、OneFormer 512 预处理、白模整片归一类L2-05已交付
L2-06l2-06-flux2-refine.html独立新知识:CFGGuider strength 1.0、步数在 Flux2Scheduler、ReferenceLatent 正负两槽L2-03已交付
L3-05bl3-05b-mask.html从 L3-05 拆出:黑白图、涂哪里改哪里、扩边L3-05已交付
L3-07bl3-07b-upscale-methods.html从 L3-07 拆出:插值放大与模型放大怎么分L3-07已交付
编号只加不改:现有 31 个文件名全部保留,指向它们的链接一条都不用改。新增的 19 节里,16 节带 b / c 后缀、3 节是独立新编号,都排在被拆课之后,读起来仍是顺序。这 19 节已全部写完,接下来可以把 L0-02 等原课瘦身——那一步才会动正文,不动文件名。
为什么总数是 50 而不是 46:46 只数了拆分节(L1 +5、L2 +6、L0 +2、L3 +2);50 还含四节独立新知识——L1-06 UNet 与 DiT、L2-05 检测与分割、L2-05b 语义分割、L2-06 Flux2 精修链。它们不是从某节课里拆出来的,所以不占 b 位。此前提到的 D(LoRA ↔ Checkpoint)、F(IPAdapter 权重)、I(Flux 文本编码与 ReferenceLatent)三组,已分别并进 L2-01b、L2-02b、L2-06,不再另设编号。
05 · RULES

两条硬规矩,写进每一节

术语处理方式只有两种,没有第三种。这一页的每张卡、拆出来的每节课、重写的每一段,都按这两条执行。

RULE A

术语只有两种命运

要么当场解释清楚(英文原名 + 一句人话 + 一个反例),要么明确标注「后面第 X 课专门讲,这里知道它干嘛就行」。不许含糊带过。

合格写法:「VAE 负责在像素和草稿之间来回翻译——这是第 L1-01 课的事,这里你只要知道它会把图压小又放大。」
RULE B

不许裸用未解释的术语

节点名、参数名、缩写、模型名都算术语。第一次出现时,要么解释,要么标注出处课程。做不到这两点的句子,删掉或改写。

不合格写法:「把 denoise 调到 0.55,重跑一次。」
改:「把去噪强度(denoise,就是这一步擦掉原图多少)调到 0.55,重跑一次。」
和语言规范的关系:这两条是《语言规范》的术语层补充,管的是「顺序与前置」,不管文风。写法怎么活、句子怎么短,仍看 语言规范;视觉怎么排,看 视觉规范。