先看它能在哪个时刻救你
不讲架构,先讲一个你大概率会遇到的下午。
老师看完你上周交的室内效果图,说:“就按这张,再来三版。把墙角那盏灯换成暖光,别的都别动。”
你打开网页版,把提示词改了两个字,点生成。出来四张新图:墙换了颜色,沙发换了款式,连窗外的天都从晴变成了阴。
问题不在提示词。问题在于——网页版只让你说一句话,剩下的决定它全替你做了。你没有“只改灯”这个按钮。
ComfyUI 就是把那个按钮还给你。代价是:你得自己把这条产线接起来。
你在 A04 词族辨析 里已经分清:提示词是给模型的输入,Agent 是带循环的决策系统,而 Workflow 是把一串固定动作排成一条可重复执行的流水线。
ComfyUI 做的,就是给“出图”这件事装上那条流水线。网页版替你做了“选模型、编码提示词、加控制条件、采样、解码、保存”这些事,ComfyUI 把它们重新摆到桌面上,让你自己连。
同一句话,两边各发生了什么
不比谁高级,只比控制权在谁手里。
你看到的是一个输入框、一个生成按钮、四张候选图。
- 模型版本由平台决定,可能随时更换
- 步数、CFG、种子大多不可见
- 想加结构控制,只能等平台上线对应功能
- 同一句话,明天可能出不同的东西
你看到的是一张节点图。每个方块有输入、输出和参数。
- 模型、LoRA、ControlNet 都可以自己换
- 步数、CFG、种子、去噪强度全部可见可改
- 少一个环节就补一个节点,不用等版本
- 整张图存成 JSON,下次原样复现
拆开看:一块画布 + 一台本地发动机
知道它能给你什么之后,再看它为什么长这样。
节点编辑器是你看见的那层界面。每个方块叫一个节点(Node),方块里写着一件具体的事:加载模型、读一张图、编码一段文字、采样一次、保存一张图。
方块之间的线是连线。一条线就是一次数据交接,交接的东西可能是一张图、一段条件、一个潜空间张量。上游算完,下游才拿得到。
本地运行时是背后真正干活的部分。它跑在你自己的显卡上,把这张图翻成计算顺序,一个节点一个节点执行。所以 ComfyUI 不是一个模型,而是一个能编排很多模型的工具。
你现在打开的 01 号工作流,就是一张已经连好的图:21 个顶层节点、6 个分组,从选模型一路连到保存和对比。它没有藏起来的魔法,只有一条你能逐段检查的链路。
你手上这张图,在节点之间走了哪几步
先把“数据怎么流”这件事走一遍。不需要记节点名,只要记住每一步交接的是什么东西。
一张图不是一次算出来的。它从模型文件和一段文字出发,被拆成几种不同形态的数据,在节点之间一段段交接,最后才落回一张能看的图片。以课程里的 01 号工作流为例,主线只有六步:
这条走法不只对建筑有效。换成人像、产品、插画、电商主图,六步的顺序完全一样,变的只是输入图和提示词——所以后面讲到建筑案例时,你可以随时把它替换成自己熟悉的题材。
插口是有类型的,不是随便插
节点之间的线不是“数据线”三个字就能概括。每个插口都标了类型,类型对不上,ComfyUI 根本不允许你连。常见的有这几种:
| 类型 | 它是什么 | 从哪来、到哪去 |
|---|---|---|
| MODEL | 真正动笔的网络 | 从载入模型出来,进 KSampler |
| CLIP | 文本编码器 | 从载入模型出来,进提示词编码节点 |
| VAE | 像素 ⇄ 潜空间的翻译机 | 载入模型或单独载入,进编码/解码节点 |
| CONDITIONING | 编码后的“条件” | 提示词编码出来,进 KSampler 或 ControlNet |
| LATENT | 1/8 大小的草稿画布 | 空画布或采样器出来,进采样器或解码器 |
| IMAGE | 像素图 | 读图、解码、放大节点之间传递 |
| MASK | 黑白遮罩 | 局部重绘时告诉模型“只改这里” |
连错了会怎样:三种不同的疼
- 接不上。把 IMAGE 往 LATENT 的口上拖,线会直接拖不过去。这是最轻的一种错——界面当场拦住你。
- 能跑,但结果不对。该接正向条件的地方接了负向,或者两张参考图的角色接反。图能出来,只是越跑越偏,你会以为是模型不行。
- 能跑,但等于没接。线从某个节点拉出来,却没有接到任何要用的地方,成了旁支。ComfyUI 不报错、队列照常跑完,你以为那个控制生效了,其实它从头到尾没进主链。这是最贵的一种错,因为它浪费的是你的判断力。
四个时刻,你会庆幸自己用的是工作流
不是为了显得专业。是网页版在这四件事上,真的没有答案。
可复现:同一张图能再来一次
客户说“就按上次那张再来一版”。种子、步数、CFG、模型、LoRA 权重都躺在 JSON 里,你打开文件就能复现,不用凭记忆把提示词再背一遍。
可替换:只动一个环节
想换风格?换 LoRA。想锁结构?加 ControlNet。想放大?接一个放大节点。其它部分不动,出了问题也容易找到是谁。
可复用:一张图变成一套模板
把常用的模型、提示词、控制网和保存设置连好,存成工作流。下次换张输入图、改两句提示词就能开工。一次性投入,不是一次性劳动。
可解释:坏了知道坏在哪
图糊了。是预处理没提出线,还是 ControlNet 权重太低,还是 CFG 太低?节点图把因果摆开:你可以逐段预览,也可以逐段关掉,不用对着“重新生成”猜。
它在整个 AI 版图里站哪一格
ComfyUI 不是模型,也不是唯一的玩法。知道它替不了什么,才不会拿错工具。
| 工具形态 | 强在哪 | 弱在哪 / 什么时候别用它 |
|---|---|---|
| 网页版文生图 Midjourney、即梦一类 | 出图快,审美预设好,不需要懂参数 | 参数不可见、控制点少、版本可能变;只想要一张成品图时,它更省事 |
| 本地 WebUI 类工具 | 参数全,插件多,单线调参顺手 | 流程结构固定,多分支、子流程、复用不好表达 |
| ComfyUI | 流程可编排,子图可复用,控制点能精确插入,能批量与脚本化 | 学习曲线陡,模型和目录要自己管,简单出图反而绕 |
| 商业 API / 云模型服务 | 免运维,按次计费,接进产品快 | 改不了内部链路,数据要出本机,成本随调用量走 |
| LLM、视频、3D 生成模型 | 解决的是另外的问题:文字、动态、立体 | 不是同一类任务;ComfyUI 主战场仍是图像流程编排,能接部分视频/3D 节点,但不是它的核心 |
它真正替代不了的三件事
把“顺序”变成资产
一条链调好之后,可以打包成子图、存成 JSON。下次换输入图就能开工,改一处,全链跟着生效。网页版没有“顺序”这个东西可存。
每个注入点都露在外面
ControlNet 从第几成开始听、IPAdapter 到哪一步停、局部重绘只改哪块,都能精确到百分比。控制不是“开/关”,而是“在第几步、用多大力度”。
能离开鼠标
同一张 JSON 可以排队跑一批,也可以由脚本调用。要做 50 张只差一个参数的变体,不需要点 50 次。
但它要收三笔学费
先把丑话说前面:工作流不是免费的自由。
练习与自检
- 用一句话向没接触过的人解释:网页版 AI 生图和 ComfyUI 的区别。句子里要出现“控制权”或“可复现”其中一个词。
- 不看上文,把“载入模型 → 编码文字 → 空画布 → 采样 → 解码 → 保存”这六步默写一遍,并说出每一步交接的是什么类型的数据。
- 打开 课程地图的 L0 层,说出这三站分别解决什么问题。
- 看一眼 A04 里 Workflow 那一节,把“工作流”在 Agent 语境和 ComfyUI 语境下的区别写下来。