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。
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。
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。
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。
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。
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。
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。
两进:一张管形,一张管气
#123 / #122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。
lineart_house_01.png,重新加载。否则你换一台电脑,这里第一个报红。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。
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。
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。
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”。
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。
两控:0.6 + 0.6 串成一条链
#129 → #130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。
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。
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。
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。
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。
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。
提示词:你写的英文,其实没被用
#106 → #107 → #117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。
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。
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。
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。
一修:只有 #162 这 4 步真正出图
#96 / #103 → #162 → #80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。
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。
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。
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。
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。
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”。
| 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 strength | 0.6 / 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 strength | 0.6 / 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 weight | 0.7 | 参考图特征强度 | 0.9 容易把参考图的物体一起搬来 |
| weight_type | strong style transfer | 注入方式 | 换 style transfer 更保守,构图更稳 |
| start / end | 0 / 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 caption | SDXL 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 batch | 1 | 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 / 3 | SDXL 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 / cfg | 4 / 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)
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。
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。
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。
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)。
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。
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}。
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。
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。
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。
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。
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。
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。
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。
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。
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。