落白lite & AI研学社·第 9 / 52 小节 · L0 · 开篇先修:A06、A07课程地图|← 上一课下一课 →
AI 入门与 ComfyUI 出图课
L0 · 开篇 · 第 1 站

ComfyUI 是什么

一句话:它把 AI 出图从“抽一次盲盒”,变成“一条你能改的产线”。每一步摆在你面前,你可以只动其中一步。

十秒版 · 它能给你什么
只改一处换风格、锁结构、放大,各改各的,不用整张重来。
能再来一次参数存进文件,下周还能复现出同一张图。
坏了查得到图糊了,能顺着链找到是哪一步出的问题。
看完判断

什么时候用网页版就够了,什么时候该把图搬进 ComfyUI。这一课先不装软件,也不讲节点参数。

当前位置 · L0 开篇主站
01

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。

场景 · 周五 17:40

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。

一句话版本:网页版卖你一张图,ComfyUI 给你一条产线。要稳定、要复现、要只改一处不动全身,就得自己拿产线。
02

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。

网页版 AI 生图

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
结果导向 · 开箱即用
ComfyUI

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
过程导向 · 需要动手
03

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。

聊天式:一条黑箱 一句话 “室内效果图” 平台内部(你看不见) 模型 / 参数 / 控制条件 四张图 挑一张,结束 输入 输出 工作流式:一条可检查的链 加载模型 Checkpoint 编码提示词 CLIP 结构控制 ControlNet 采样 KSampler 解码 VAE 保存 / 对比 Save · Compare 数据 条件 条件 潜空间 图像
聊天式:一条黑箱 一句话 “室内效果图” 平台内部(你看不见) 模型 · 参数 · 控制 工作流式:每一步可检查 加载模型(Checkpoint) 编码提示词(CLIP) 采样(KSampler) 保存 / 对比 完整链:加载 → 编码 → 结构控制 → 采样 → 解码 → 保存/对比。
上面你只看到输入和输出;下面每个决定都有名字、有位置,能单独换掉。
04

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:

01
载入模型Checkpoint(整套模型文件)一次给出三样东西:MODEL 负责画,CLIP 负责读文字,VAE 负责在像素和潜空间之间翻译。它们从这里开始各自走一条线。
↓
02
文字变成条件正向提示词和负向提示词分别经过 CLIP 编码,变成 CONDITIONING(条件)。它不是一段文字了,而是一组模型能读的数字。
↓
03
准备一张空画布Empty Latent Image 给出一个指定尺寸、全是噪声的 LATENT。采样从这里起步,而不是从白纸起步。
↓
04
采样KSampler 同时拿到 MODEL、正负 CONDITIONING、LATENT,加上步数、CFG、种子,一步步把噪声擦掉,输出的仍然是 LATENT。
↓
05
解码VAE Decode 把 LATENT 翻回 IMAGE。到这一步,你才第一次得到一张真正意义上的像素图。
↓
06
落盘Save Image 把 IMAGE 写成文件,同时决定文件名前缀和保存位置。

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
LATENT1/8 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

  1. 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。
  2. 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。
  3. 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。
下一课先不深究:L0-03b 会带你逐个节点读 01 号主链,专门找“看着接了、其实没接”的死端。潜空间和采样器为什么长这样,则在 L1-01、L1-02 展开。
05

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。

01

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。

02

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。

03

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。

04

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。

06

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

01

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。

02

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”。

03

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。

边界要说清:ComfyUI 不会提高模型本身的上限。模型画不出的细节,接再多节点也变不出来;它做的是把已有能力用准、用稳、复用。如果一张图只需要“差不多好看”,网页版往往更快。
07

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。

概念成本要认识节点、连线、模型、潜空间这些词。前两课会把这些词逐个落地,不用一次记住。
硬件成本本地跑图吃显存。显存小就先跑小图、少步数,或者用云主机;课程里的参数都按能跑通的量级给。
管理成本模型、LoRA、ControlNet 要自己下载、命名、放进对应目录。放错地方,节点就会报“找不到模型”。
不要被吓退:你不需要先学完所有节点才能出图。下一课只做两件事——把模型放对位置,认清界面上哪几个按钮真的会用到。然后第三课直接跑通 01 号工作流。
08

练习与自检

  1. 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。
  2. 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。
  3. 打开 课程地图的 L0 层,说出这三站分别解决什么问题。
  4. 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。