AI 入门与 ComfyUI 出图课
L3 / A 线 / A2
L3 · 单品课 · A 线第 2 站

线稿 + 参考图:两条控制线怎么分工

你画好了线稿,也找到了喜欢的参考图,一出图却两头不靠:视角被参考图带偏,水彩又变成写实。多数人怪模型,其实问题出在接线:两条控制线搭了却没接到输出,真正出图的只有 Flux2 那 4 步。

01 / 现实问题与一句话目标

你大概也遇到过:手上有线稿、有风格参考,一出图就“跑”——要么视角被参考图带偏,要么水彩变成写实。多数人以为是模型不行,其实是两条控制线的权重与接线方式没配对。

这一课的目标:读懂 02 号工作流的结构支路与风格支路,知道 0.6 / 0.6 / 0.7 这三个数字各自在管什么,并能解释一次真实的跑偏。

源文件 02📚基础版 线稿+参考图出图.json 顶层节点 36 连线 52 子图 1 个 · 20 节点 出图 4 步 / CFG 1(Flux2) 数据核对日 2026-11-09
当前位置A 线 · 出图线 · 第 2 站
A1
文生图
A2
线稿 + 参考图你在这里
A3
室内毛坯 + 参考
A4
建筑毛坯 + 参考
02 / PREREQUISITES

先认三张底牌:形、气、读图

这一课在 L3-01 的“纯提示词生成”旁边搭了一套“双线并行”的 SDXL 支路;但先说结论:它没接到输出,真正出图的仍是 Flux2。下面三张卡先把三个词落地:它们是什么、不是什么。缺一张,第四节会看得很吃力。

L1-04 / L1-05(接线见 L2-02)

ControlNet:管形

ControlNet(控制网)是给采样器额外塞一张“结构图 / 控制图”,让它按线稿或深度图摆位置。ControlNet 的 strength 越高,构图越难被提示词改动。反例:它不是图生图——线稿不会被贴上去,它只在每一步轻轻拉一把。

L1-04 / L1-05(接线见 L2-02)

IPAdapter:管气

IPAdapter(图像提示适配器)把参考图的色调、材质、笔触当成“图像提示”搬进模型。见 IPAdapter。反例:它不是滤镜,也不理解“这是水彩”,只是把特征搬过来。

L2-02c(接线见 L2-02)

Florence2:读图

本课的正向提示词不是手写的,而是 Florence2 从参考图反推的英文描述。Florence2 是“看图写话”的视觉模型,见 Florence2。反例:它不是在猜你的意图,只是把图里有的东西念出来,而且只念参考图,不念线稿。

还需要装好这些:SDXL 建筑大模型、LoRA SDXL 建筑/建筑外观XL终极版.safetensors(LoRA 是补丁:不动主模型,只叠一层建筑审美偏移)、diffusers_xl_depth_full 与 mistoLine_rank256、IPAdapter plus + CLIP-ViT-H、Florence2-large、Deep Translator、Impact Pack、rgthree、pysssss、AIO Aux Preprocessor。缺一个,第四节对应节点就会报红。
03 / BLUEPRINT

全景:两条支路,一个出口

这里其实有两套搭建、一个出口。活链是:两张图 #123 / #122 + #96 中文指令 → #103 CLIP 编码 → #162 Flux2(4 步)→ #80。另一套 SDXL 双控制支路(Depth / Lineart → #119 → #118)元件齐全,但 #118 没有接任何保存或预览,从输出端反查时不会被求值——它是不执行的旁支。所以别把 #119 当合并点:本课拆它,是为了让你看懂这套设计,以及它为什么没生效。

结构支路 · 线稿管形 风格支路 · 参考图管气 #123 线稿 wecom-temp…png 长边 1800 #125 Depth DepthAnythingV2 · 512 #126 Lineart LineartStandard · 512 #129 深度 CN 0.6 · start 0 · end 1 #130 线稿 CN 0.6 · start 0 · end 1 #119 KSampler 12 步 · CFG 3 · 旁支 euler_ancestral denoise 1.0 此支路不接输出 ↑ 不接保存或预览,运行时跳过 #162 Flux2 出图 4 步 · CFG 1 1 MP · 两张参考图 文本 #96 · 经 #103 编码 两张图 #123 + #122 #80 SaveImage Flux2-Klein #122 参考图 ComfyUI_00154_.png 白色豪宅 · 写实 #106 Florence2 more_detailed_caption #107 提示词文本 运行时自动生成 #117 正向编码 英文 caption #109 + #110 IPAdapter + ViT-H #134 IPAdapter 0.7 · strong style end 1.0 · V only #136 + #135 SDXL 建筑大模型 LoRA 0.3
结构:线稿 / 深度 / ControlNet 风格:参考图 / IPAdapter / 提示词 Flux2 出图 保存
窄屏速读:活链只有一条:两张图 #123 / #122 + #96 中文指令 → #103 CLIP → #162(4 步)→ #80。Depth + Lineart 两条 ControlNet(各 0.6)和 IPAdapter 0.7 都搭在 SDXL 支路上,但 #118 没接保存或预览,整条支路不执行——把它当设计旁支看。
04 / NODE BY NODE

逐个节点:谁在哪一步插话

按“两进—两控—一修”来读:先把两张输入图接对,再看两条控制线在旁支里怎么串,最后看真正出图的 #162。每张卡只回答一件事——这一站让画面听谁的。

先分清死活:B、C 两段拆的是 SDXL 旁支。它搭得很完整,但 #118 没接任何输出,默认不执行;真正出图的是 D 段的 #162。
A

两进:一张管形,一张管气

#123 / #122
#123LoadImage线稿入口

它是什么:结构输入。文件名是 wecom-temp-3848595-1cbeac17745a8940bd2ee0aeb0533c42.png——这是企业微信的临时文件名,缓存一清就找不到。它是全图最容易“换机即断”的一根线。

imagewecom-temp-3848595….png
下游#125 / #126 / #111
先改名再学:把它另存为 lineart_house_01.png,重新加载。否则你换一台电脑,这里第一个报红。
#122LoadImage风格入口

它是什么:参考图 ComfyUI_00154_.png,画面是一栋现代两层白色豪宅、门前两辆车、蓝天绿植。它同时去三个地方:Florence2 读图、IPAdapter 注入特征、Flux2 出图做参考。

imageComfyUI_00154_.png
下游#106 / #134 / #162

关键认知:参考图不只是“给个氛围”。在 IPAdapter 0.7 + strong style transfer 下,它的构图与物体也会漏进来。

#111ImageResize+隐藏的尺寸陷阱

它做什么:把线稿缩放后送进 VAEEncode(VAE 是有损翻译机,L3-01 讲过)。节点面板上写着 512 × 512,但那两个值已经被输入线覆盖了——#112 的 1800 同时接到 width 和 height。真正跑的是 1800 长边。

面板显示512 × 512
实际输入#112 = 1800
method / 条件lanczos / keep proportion
multiple32

怎么验证:看 #111 的 width/height 输出有没有连线;有连线,就以连线那头为准,面板数字只是“上次留下的值”。

#114 → #137VAEEncode → CR Latent Batch Size画布

它做什么:把 1800 的线稿压成潜空间(按 1/8 缩小的草稿画布),再由 #137 限制 batch 为 1。这里不是 EmptyLatentImage,所以采样是“从这张线的草稿开始重画”。denoise 1.0 是“全盖”:起始图只借尺寸,不借内容。

batch_size1
vae← #136
B

两控:0.6 + 0.6 串成一条链

#129 → #130
#125 → #129Depth + ControlNet管体块

它做什么:DepthAnythingV2 先估出深度图(512 分辨率),再让 diffusers_xl_depth_full 以 strength 0.6 注入。strength 是“每一步拉多大力”,不是“60% 像”。它管的是“哪里近、哪里远、体块多大”,不管线条细不细。

预处理器DepthAnythingV2Preprocessor
resolution512
strength0.6
start / end0 / 1
#126 → #130Lineart + ControlNet管轮廓

它做什么:LineartStandard 抽出干净的轮廓线(512 分辨率),再由 mistoLine_rank256 以 0.6 注入。它管窗框、檐口、栏杆这些“线必须对得上”的地方。

预处理器LineartStandardPreprocessor
resolution512
control_netmistoLine_rank256
strength0.6

为什么是串联:#129 输出的 positive/negative 直接接进 #130,等于“先叠深度,再叠线稿”。顺序不能反,但影响没有想象中大;真正敏感的是两个 strength。

#134IPAdapterAdvanced管气

它做什么:把参考图的视觉特征注入 MODEL。它不看文字,所以“水彩”“夜景”“胶片”这些词对它没用;它只认图像特征。

weight0.7
weight_typestrong style transfer
combine_embedsconcat
start / end0 / 1
embeds_scalingV only
image_negative← #132 噪声图

两个细节:① strong style transfer 比普通 style transfer 更容易把参考图的构图带进来;② end = 1.0 意味着风格作用到最后一刻,没有“先管形、后放气”的缓冲。

#132IPAdapterNoise负向噪声

它做什么:把参考图做“淡出 + 模糊”生成一张负向图,告诉 IPAdapter“别往这个方向靠”。参数是 fade 0.4、blur 5。它不是必需项,但在参考图颜色很重时能减轻串色。

typefade
strength0.4
blur5
C

提示词:你写的英文,其实没被用

#106 → #107 → #117
#106Florence2Run读图

它做什么:对参考图做 more_detailed_caption,生成一段英文描述。JSON 里存着上次运行的结果:一栋现代两层白色豪宅、拱形门洞、二楼阳台、门前两辆车、蓝天绿树。

taskmore_detailed_caption
max_new_tokens1024
num_beams3
seed390319449934236
#107 → #117ShowText → CLIPTextEncode正向来源

它做什么:#107 把 caption 显示出来,同时把这段文字送进 #117 的 text 输入(CLIP 把文字压成条件,L3-01 讲过)。#117 面板里看起来是空的,但输入线一接上,就以 caption 为准。

#117 text← #107(运行时)
#116 负向""
这是本课最反直觉的一处:这条 SDXL 支路即使接通,看到的也是“白色豪宅”的英文描述;而实际出图的 #162 读的是你写在 #96 里的中文。
#115 → #108DeepTranslator → ShowText死端

它做什么:把英文 caption 从 auto 翻成 English,再显示一次。翻完还是同一段英文,#108 和 #107 内容一模一样,没有任何下游——这就是死端:输出不接下游,ComfyUI 求值时不会执行它,不报错,只是白跑。这是典型的“调试残留”:曾经想接别的分支,后来忘了删。

from / toauto → english
下游无
#96CR Text出图指令

它写的是:“根据图一线稿轮廓,参考图二的设计风格(包含日夜环境、景别,材质,色彩风格,设计细节),将图一转化为写实高质量的摄影级别的效果图。”CR Text 是 rgthree 提供的文本拼接节点,把几段文字合成一句;这里直接写了一句完整中文。

它去哪:只进 #162 的 text。它是活链唯一的指令来源,整条出图只做这 4 步;SDXL 支路那 12 步不会执行。

下游#162
字面要求保持构图 + 写实高质量的摄影级别
D

一修:只有 #162 这 4 步真正出图

#96 / #103 → #162 → #80
#119KSampler旁支 · 不执行

它做什么:它确实是四路汇合:model 来自 #134(已被 IPAdapter 改过),positive/negative 来自 #130(已叠两条 ControlNet),latent 来自 #137。但它的输出只进 #118 VAEDecode,而 #118 的 IMAGE 没有接任何下游。ComfyUI 从保存端反查,这条链不会被求值,所以 12 步采样实际不跑。

seed496726432833939
steps12
cfg3
sampler_nameeuler_ancestral
schedulernormal
denoise1.0

别被面板上的 12 步误导:它不会被执行,改 steps / CFG / seed 都不会影响出图。这组值只适合拿来对照“如果这条支路接通,会是什么效果”。真正决定出图的是 #162 的 4 步。

#162Flux2 子图唯一出图

它是什么:子图(Subgraph)就是把一堆节点打包成一个可折叠的方块,点进去才看得到内部。#162 内部有 20 个节点,核心是 flux-2-klein-base-9b-fp8 + qwen_3_8b_fp8mixed。它做 4 步、CFG 1:把 #123 线稿、#122 参考图和 #96 的中文指令(经 #103 CLIP 编码)一起作为条件,重新生成最终图。

子图节点20
steps4
cfg1
参考图#123 + #122
文本#96 → #103

注意:它不是“放大”,也不是接着 #119 往下修,而是拿两张图和一句话重新生成。所以它有能力改掉线稿的构图——第六节的反例就是这么来的。

#80SaveImage落盘

它做什么:保存 #162 的结果,前缀 Flux2-Klein。它不记录 LoRA 强度、ControlNet strength 和 IPAdapter 权重,三天后你只看到一张图,无法复现。

filename_prefixFlux2-Klein
batch1
05 / CHEAT SHEET

参数速查:0.6 / 0.6 / 0.7 各管什么

这张表按“结构 / 风格 / 提示词 / 采样 / 出图”分组。先记住一句:结构强度决定“像不像”,风格强度决定“好不好看”,而最后出图的 4 步决定“最后听谁的”。

先看这一条:结构、风格、提示词、采样四组都接在 SDXL 旁支上。旁支没有下游,默认不执行;这些数值只有在把 #118 接到输出之后才会影响画面。
参数真实值管什么动它会怎样
结构支路
#125 预处理DepthAnythingV2Preprocessor / 512估深度分辨率低会丢远景层次
#129 strength0.6 / start 0 / end 1体块与进深降到 0.4,屋顶坡度、楼层数开始飘
#126 预处理LineartStandardPreprocessor / 512抽轮廓线条太细会被当噪点
#130 strength0.6 / start 0 / end 1窗框、檐口、栏杆升到 0.8,线条更硬,材质更死
风格支路
#134 weight0.7参考图特征强度0.9 容易把参考图的物体一起搬来
weight_typestrong style transfer注入方式换 style transfer 更保守,构图更稳
start / end0 / 1风格作用时段end 0.8 = 后 20% 放手,材质更自然
#132 负向噪声fade 0.4 / blur 5抑制串色blur 太小会留下参考图结构
#135 LoRA建筑外观XL终极版 / 0.3建筑审美0.6 以上,风格会更“样板房”
提示词与画布
#117 positive← #107 Florence captionSDXL 的正向旁支不执行;改 #117 或 #106 都不影响最终图
#116 negative""负向旁支不执行;接通后加词才会改变质地
#111 / #112面板 512 / 实际 1800采样尺寸旁支不执行;只影响 #128 / #131 的预览与旁支自身
#137 batch1批量旁支不执行;接通后 3 张才会三倍吃显存
采样与出图
#119 steps / cfg(旁支)12 / 3SDXL 去噪(不执行)改了也不影响出图
#119 sampler(旁支)euler_ancestral / normal去噪路线(不执行)同上,仅作对照
#162 steps / cfg4 / 1唯一活链的出图加步数更细,但也更容易改构图
#80 前缀Flux2-Klein文件命名不记录强度,无法复现

控制力刻度(不是相加关系)

下面四条是各自的强度,不是“形 1.2 + 气 0.7”的加法。它们作用在不同层,冲突时谁后期的作用更大,谁就更占上风。
Depth 体块
0.60
Lineart 轮廓
0.60
IPAdapter 风格
0.70
LoRA 建筑
0.30
06 / TRAPS

五个最容易看错的地方

这份工作流最大的问题不是参数,而是“你以为它听你的,其实它听别人的”。下面五条里,前三条最容易被误判——其中两条根本不在出图链上。

高
#111 · ImageResize+

面板写着 512,旁支里实际是 1800

#111 的 widgets 里确实是 512×512,但 width 和 height 都接着 #112 的 1800。ComfyUI 的规则是连线优先于面板值,所以真正送进 VAE 的是 1800 长边。你在面板上改 512,改了个寂寞。

修法:要么断开 #112 的两根线,要么直接把 #112 改成你要的尺寸。判断方法:看输入槽上有没有小圆点,有就是被连线接管了。注意:这条 SDXL 支路不接输出,所以这个尺寸只影响旁支自身。

高
#107 → #117

正向提示词是 Florence 写的,不是你写的

#117 的面板是空的,text 输入接着 #107。Florence2 会把参考图读成一段“现代两层白色豪宅、门前两辆车”的英文,送进 #117。但这条 SDXL 支路不接输出,运行时根本不执行;真正出图的是 #162,它读的是 #96 的中文。

后果:你以为 #117 的英文在指挥画面,其实它连执行机会都没有;改 #117 面板对最终图毫无影响。

修法:只想改实际出图,就改 #96 的措辞;想让 SDXL 支路真的参与,先把 #118 接到 SaveImage 或 Preview,再断开 #107→#117、在 #117 里自己写,才能对比。

高
#162 Flux2 · #96

4 步重绘会把参考图的构图也搬来

这三张真实图能说明问题:乡村水系那组,输入是跨水拱廊/圆塔的线稿与水彩桥景,终图却变成近俯视的河湾、钢桁架桥、两座石堡、三艘船。水彩笔触没继承,写实哑光倒很明显。

从接线看,真正能改构图的是 #162:它把 #123 线稿和 #122 参考图一起当条件,4 步重绘、1 MP;参考图的构图和线稿的坡道在这一步重新谈判。IPAdapter 0.7 属于不执行的旁支,不是原因。

修法(按代价从低到高):先固定 #162 内部的 seed,只改 #96 的指令,逐句确认哪一句把画面带偏;再动 IPAdapter 0.7 / end 1.0 这些旁支参数(注意它们默认不参与出图)。

中
#123 · LoadImage

企业微信临时文件名,换机即断

wecom-temp-3848595-…png 是临时缓存名。清理微信缓存、换电脑、把工作流发给同学,都会让这个节点报红。它不像 image (26).png 那样明显,但坏得更快。

修法:另存为 lineart_house_01.png,重新加载,并把素材与 JSON 放进同一个文件夹一起打包。

低
#115 → #108 / #162

死端、重复文本、无名子图

#115 把英文 caption 从 auto 翻成 English,再给 #108 显示一遍,内容和 #107 一模一样,没有任何下游;这是调试残留。另外 #162 点进去,子图名字大概率还是 New Subgraph,三层都同名,找起来很痛苦。

修法:删掉 #115/#108;把子图重命名成“Flux2 出图 9b”;保存前缀改成 lineart+ref_ipad07_cn06_s{seed}。

07 / PRACTICE

练习与自检

这一课最重要的是建立“谁在说话”的直觉。每个练习都只改一条支路,别一次动三个参数。

EX 01 · 8 分钟

打开 #162,数清它的输入

进 #162 子图,确认它吃的是 model #102、image #123、image_1 #122、clip #103、text #96;再回顶层看 #119 有没有一根线接到它。

看什么:#162 的输入里没有 #119。没有,就说明出图不靠那条 SDXL 支路。
EX 02 · 10 分钟

删掉半句指令,看谁在说话

把 #96 里“参考图二的设计风格(包含日夜环境、景别,材质,色彩风格,设计细节)”删掉,只留“根据图一线稿轮廓,将图一转化为写实高质量的效果图”,跑一次。

看什么:参考图的影响还剩多少。这一步改的才是真正的出图链。
EX 03 · 10 分钟

把“写实高质量的摄影级别”改成“水彩插画”

只改 #96 最后半句(原文是“写实高质量的摄影级别的效果图”,把它换成“水彩插画风格的效果图”),其余不动;先把 #162 内部的 seed 固定,再跑。

看什么:#162 听线稿、听参考图,还是听这句话。
EX 04 · 8 分钟

把 1 MP 降成 0.5 MP

进 #162 子图,找到 ImageScaleToTotalPixels,把 1 MP 改 0.5 MP,再跑;恢复后对比。

看什么:线稿的窗框、檐口先糊在哪里。这是活链自己的分辨率上限。
EX 05 · 12 分钟

验证 #119 不执行

先固定 #162 内部的 seed,再把 #119 的 steps 从 12 改成 2 跑一次,然后改回 12 再跑一次。

看什么:两张图应当完全一样。不一样,就说明接线和这份 JSON 不同(以实际 JSON 为准)。
EX 06 · 15 分钟

固定 seed,逐句定位跑偏

把 #162 内部的 seed 固定,然后从 #96 里每次只删一句要求:先删风格、再删材质、再删日夜,各出一张。

看什么:哪一句一删,构图回到线稿;哪一句只影响氛围。

自检清单(勾选状态会存在本机)

  • 我能指出哪条线是结构、哪条线是风格,并说出各自的 strength。
  • 我知道 #111 面板显示 512、实际跑 1800 的原因。
  • 我知道 #117 属于不执行的旁支,实际出图只读 #96 的中文。
  • 我知道 #162 读的是 #96 的原话,不是 Florence 写的英文描述。
  • 我能说出 #162 为什么有权力改掉线稿的构图。
  • 我做过一次“删掉 #96 半句指令”的对照实验。
  • 我把临时文件名改成了可读名字,并给前缀加了强度与 seed。
本课数据来源与核对方式:ComfyUI_工作流架构/02📚基础版 线稿+参考图出图.json。顶层 36 个节点、52 条连线、1 个子图(20 个节点);参数读取自 widgets_values,连线读取自 links,#107 的 caption 为 JSON 内保存的上次运行结果。反例来自 Workflow/生图/乡村水系/ComfyUI_00064_.png 及其同目录输入图,仅作观察记录,因果判断标注为“可疑”。数据核对日:2026-11-09。可达性已从 SaveImage #80 反查:#80 ← #162,#162 的输入为 model #102、image #123、image_1 #122、clip #103、text #96;#118 无任何下游,故 #119 支路不执行。