做了几年 AI 绘画相关的项目我越来越觉得一个朴素的道理AI 出图本身不难难的是稳定地、可重复地产出能交付的图。今天生成一张好看的图明天还能不能生成同样质量的十张后天能不能批量改风格、改构图、改光影这才是工作流真正的意义。把 ComfyUI 的节点工作流和 PS 的后期精修串成一条完整链路是目前我自己用得最顺、也真正接过单的组合。这篇文章就围绕这套链路展开从最基础的节点逻辑讲起一直讲到商业交付适合打算用 AI 绘画接单、做设计提效或者在是否入坑 ComfyUI 之间反复横跳的朋友。1. 为什么偏偏是 ComfyUI PS先回答一个被问烂的问题现在出图工具那么多为什么偏偏是 ComfyUI 加 PS而不是别的组合1.1 ComfyUI 解决的是“不可控”问题很多刚接触 ComfyUI 的人第一反应是“界面好吓人”满屏的小方块和连线。但你用过一阵就会发现这个“吓人”的界面恰恰是它最大的价值每次生成过程都被完整摊开了。以前用一些一体化工具参数是黑箱点一下出现一张图想改成指定构图只能不断抽卡运气成分太大。ComfyUI 则把所有环节比如加载模型、写提示词、定分辨率、采样、解码、保存全部拆成可视化节点每个节点都有明确的输入端和输出端。这意味着你做过的每一步操作都可以保存、复用、微调而不是靠记忆和运气。生活化的类比就是一体化工具像下馆子你告诉厨师想吃什么端上来什么就是什么ComfyUI 像自己搭流水线食材、刀工、火候、摆盘全都自己控。刚开始觉得麻烦但一旦想把某个风格批量生产流水线的效率是完全胜出的。实际做项目的时候这种优势会被放大得很明显同一个电商主图需求客户要改三次背景氛围一体化工具要重抽很多张图ComfyUI 这边只需要改提示词里的环境描述同一个种子重新跑一遍稳定度完全不同。1.2 PS 接住“最后一公里”AI 直接出的图商用前往往有几个硬伤放大后细节经不起看、手和文字容易崩、光线和材质不稳定、分辨率不匹配交付要求。这时候 PS 不是替代品而是后端承接。色偏、液化的结构微调、去除伪影、补上商品文案这些工作用 PS 做会比回头重新抽卡快得多而且可以做到像素级控制。这个组合真正舒服的地方在于ComfyUI 负责“批量生成和风格探索”PS 负责“精修和商业表达”两边各干各擅长的活完全不重叠。有人担心 AI 绘画会干掉修图师实际跑过单之后你会发现反而是会 PS 的人拿到 AI 工具之后如虎添翼因为 AI 把最花时间的“画出基础图”这件事做了PS 把人最擅长的“判断和决定”留给了人。1.3 这套组合适合谁、能干什么活从实际变现角度讲我身边摸到钱的朋友基本集中在几类需求电商主图和产品场景图、小说封面和动态壁纸、社交媒体头像和氛围素材、室内设计意向图、包装设计提案。这些需求共同点就是“需要一定数量 需要稳定质量 需要后期排版”而不只是一张孤零零的漂亮图。所以说这套组合适合的不是只想玩玩的“生成图爱好者”而是想用 AI 提高产出密度和接单成功率的人。以电商设计为例一个项目往往要出不同角度的产品图、不同氛围的场景图如果每次都从头抽卡光沟通成本就能拖垮项目。用工作流把基础链路固定住客户选风格、改细节都变成了低成本操作这也是这套组合在商业上最有价值的地方。2. 读懂节点逻辑像搭积木一样搭出第一条工作流2.1 节点是什么、连线是什么节点本质就是一个带输入和输出的功能模块。加载模型是一个节点写提示词是一个节点采样是一个节点保存图片也是一个节点。连线负责把数据按顺序传给下一个环节。你不需要会编程但要理解“数据从哪来、到哪里去”这条主线。第一次接触时建议只记一句话工作流就是一条数据传送带从模型和文字进入到图片出来中间每一步都是可以被替换、被调节的传送环节。很多人上手时容易犯的错是试图一次性理解所有节点。其实根本不需要你只需要沿着一条主线走先找到加载模型节点再看提示词节点如何连接到采样器最后看图像如何输出。主线清楚了其他节点都是围绕这条主线做辅助的插件和增强。就像学做饭先学会把菜做熟再研究摆盘和调味不迟。2.2 一条文生图工作流的必经节点以最基础的文生图为例链路是加载 Checkpoint → 把正面/负面提示词文本编码 → 创建空潜空间图 → 采样器迭代去噪 → 解码成像素图 → 保存。每一步的职责可以这样理解CheckpointLoader模型入口决定整体画风和基础能力。CLIPTextEncode把文字转成模型能理解的语义条件正面和负面各接一个。EmptyLatentImage指定输出分辨率同时生成一张“空的噪声底图”。KSampler扩散过程的主引擎负责根据提示词逐步“画出”图片。VAEDecode把潜空间的压缩表示还原成能直接看的像素图。SaveImage保存结果。这里面最容易忽略的是 KSampler 的参数。步骤、提示词引导系数、随机种子、采样器和调度器每一个都对结果有直接且刚性的影响。下面给一个常用的参考值。参数参考值影响说明steps2030迭代次数太低细节不完整太高收益递减且变慢cfg58提示词服从度过高会颜色脏、塑料感过低会偏题samplerDPM 2M / Euler采样算法影响收敛节奏和质感风格schedulerKarras / normal调度方式通常和采样器搭配使用seed固定 / 随机锁定后可复现同一构图为什么 steps 不需要开特别高扩散模型的采样过程类似于从一张全噪声图里不断“擦干净”出画面前面几步是在确定整体构图和色调后面几步是在补充细节。跑到 30 步之后大部分模型已经收敛得差不多再往上加步数只是浪费时间。而 CFG 则像是在告诉模型“你要多听提示词的话”太高了它会用力过猛把颜色烧得很脏还容易在画面边缘出现奇怪伪影太低了又完全放飞自我。我个人的习惯是先固定 CFG 5.5 左右等构图满意了再去微调它。2.3 进阶节点什么时候加什么跑通基础版之后你会发现很多真实需求不是一句提示词能解决的。比如想让产品保持同一个角度或者想修掉画面里坏掉的手都会需要额外节点。进阶常用节点我整理成一个速查表需求常加的节点一句话速记基于参考图修改LoadImage VAE Encode把图片转成潜空间再喂进采样器局部重绘遮罩区域 VAE Encode for Inpaint指定区域内重新生成不动其他部分控制构图/姿态ControlNet 预处理器 对应模型用线稿、深度图或骨架图锁结构放大清晰度Ultimate SD Upscale / 4x 放大模型小块放大避免一次拉爆显存固定风格或人脸LoRA Loader给指定 LoRA 分配权重判断标准也很简单你这张图差在哪构图不对就想办法加 ControlNet手崩了就局部重绘细节不够就放一下再采一轮。节点不是越堆越好而是“遇到什么问题再加什么”。很多新手热衷于把网上看到的所有高端节点堆进工作流里结果图没变好速度反而慢得离谱调试的时候连问题出在哪都不知道。我自己的做法是每种节点至少跑通一个最小可用示例确认它的输入输出之后再往主力工作流里加。2.4 从“照抄工作流”到“自己设计”大多数入门者会先下载别人分享的工作流这没问题但一定要做一次拆解再保存为自己的版本。我的经验是每拿到一条工作流先看它的数据流主线再逐个右键查看每个节点的参数然后用“替换法”——把其中某个模型或某个参数换成自己的观察输出变化。举个例子别人用的采样器是 DPM 2M Karras你换成 Euler 看同一句提示词会变成什么风格记录差异这是建立手感最快的路径。另外保存工作流和保存出图同样重要。ComfyUI 默认支持把工作流元数据写进 PNG记得利用这一点文件名里也写清楚用的模型和参数组合。养成这个习惯之后你回看三个月前的图能知道它是怎么来的这是设计能力和审美积累的基础。我现在电脑里几百张成品图每一张都能反查出完整的生成参数这比任何宝物都值钱。3. 从零跑到交付电商海报主图的完整落地过程理论讲完直接走一遍我实际做过的案例给一款手冲咖啡豆品牌做电商海报主图要求写实风格、深色背景、暖光需要有包装袋和咖啡豆的材质质感。3.1 开工前先定用途、再定模型我接到需求的第一步不是打开软件而是先确认用途和授权。商用图要有明确的模型授权选择明确支持商用的开源模型这一步省得以后版权扯皮。然后根据用途定模型风格写实产品图选写实底模二次元头像选二次元底模设计提案选设计感更强的模型这是全流程里最影响成败的第一步。很多人纠结参数怎么调其实模型底子选对了后面一切都顺底子选错参数调到天边也救不回来。定完模型再写提示词。我给这个案例的提示词结构是“主体 环境 光线 镜头 风格”五段式。正面提示词大概是masterpiece, best quality, 咖啡豆散落在深色麻袋上, 手冲咖啡包装袋, 暖色侧光, 浅景深, 微距摄影, 高质感, 高分辨率负面提示词直接写lowres, bad anatomy, extra fingers, blurry, watermark, text。负面提示词的能力在于“堵漏洞”把最常见的低质量特征提前排除掉。你会发现很多新手只看正面提示词负面词空着或者乱写结果图里又是水印又是畸形手最后还要花时间去重绘。3.2 ComfyUI 端跑图从首轮抽卡到局部精修工作流按“文生图 → 局部重绘 → 放大”三段来搭。参数先给到 512×768步数 26CFG 5.5固定一个种子。首轮大概出 4 张选构图最顺的一张。我看图有个固定顺序先眯着眼看整体轮廓是否干净主体和背景有没有糊成一团再看光影关系是否统一光源方向是不是合理最后才放大看材质细节。因为小图阶段主要确认构图和配色细节后面再补没必要在同一轮把所有东西都做到位。第二步是局部重绘。看到包装袋上的文字糊掉了用遮罩圈出文字区域把提示词里的文字描述补得更明确后重新生成。这个过程不用反复抽卡只改局部效率高得多。局部重绘还有个隐藏好处它能保留你已经满意的部分只重画有问题的区域相当于给 AI 装了一支“修正笔”远比整张重画省心。第三步是放大。用 4x 模型放大后再回到采样器做一轮轻量细化。这里我特别想强调顺序问题先用中低分辨率确定构图再用放大节点补细节这是省显存、也省时间的关键顺序。如果你一开始就生成 2048 以上的大图很多显卡直接爆显存就算不爆抽一张卡的时间也够你小图测十次了。3.3 PS 精修从“AI 感”到“可交付”ComfyUI 出来的图直接交付总会有那么点“AI 感”。我习惯的操作顺序是先看整体明暗用 Camera Raw 滤镜调整色温和对比再液化修正袋口、豆子的物理结构尤其是对称物品不对齐的问题第三步用仿制图章或修复画笔把明显瑕疵清掉。然后是最重要的一步把 AI 图和 PS 精修当作两种工具各管一段——ComfyUI 管“生成更多可能性”PS 管“把可能性落在需求上”。比如这张电商图最终要加品牌文字那就直接在 PS 里排版不指望 AI 生成完美文字。AI 生成文字能力就算再进步在电商这种要精准匹配品牌字体的场景里PS 依然是最稳定的选择。最后按店铺要求的尺寸裁切、导出检查一遍导出文件的色彩空间是不是 sRGB。如果你刚开始用 PS 做这一步我建议从“少做”开始AI 已经给出了氛围和主体PS 只做减法去掉瑕疵和加法加文字和排版不要大改光影和结构改得越多越容易崩。AI 图的底层光影逻辑和你手动液化造成的变形是天然冲突的强行大改最终效果反而不如原图。3.4 商业落地把工作流变成收入这条链路真正值钱的地方是可复用。我固定了一套“电商主图”模板工作流接单时只换提示词、模型和种子就能先批量出 10 张预览图给客户选风格。定稿后再统一走局部重绘、放大和 PS 精修流程单张交付时间能压到 15 到 20 分钟。以前用纯人工方式做一张电商主图从拍摄到处理少说半天现在时间成本几乎可以忽略真正花时间的是跟客户对齐需求和审美。接单的定价逻辑通常是单张海报主图按“复杂度 是否商用授权”报价头像和壁纸便宜走量小说封面看版权范围电商主图按修改次数和买断与否浮动。做之前一定要写清楚交付格式、修改次数、商用范围和买断价格这些条款比画技本身更能避免纠纷。素材包玩法则是把工作流做成批量生产工具一次跑出几十张同风格变体按套出售。这类需求价格不高但因为批量成本极低利润率反而是最高的。我见过有朋友用一套固定工作流周末跑两百张壁纸素材打包挂素材平台被动收入相当可观。4. 高频问题与排查稳定出图的最后一公里4.1 启动与环境报错先说最常见的这一类问题。显存不足是入门期最容易遇到的生成到一半爆掉原因大多是分辨率开得高、批次开得大。解决思路很简单把 batch size 调成 1先降到低分辨率跑通再用放大节点补尺寸。别硬扛模型和流程跑通之后精度和尺寸是后面可以慢慢调的。另一个常见的环境问题是加载完别人的工作流后节点全红、找不到对应插件。这不一定是安装问题而是对方用了你没装的自定义节点先看提示里缺的是哪个再去扩展管理安装对应名称的插件即可。这里有个小经验每次导入他人工作流之前先记下当前环境已有的插件列表导入后如果报错对比一下就知道缺了什么。另外如果你用的是整合包环境注意定期更新内核和扩展很多诡异报错其实是版本不匹配造成的。4.2 出图质量不对看现象找原因质量问题的背后基本都有规律与其盲目抽卡不如看现象定位原因。我自己常对照这张表排查现象大概率原因优先排查手部崩坏、五官扭曲模型对复杂结构理解不够局部重绘 / 修脸节点 / ControlNet 姿态颜色发灰、发脏CFG 过高或显式模型不匹配调低 CFG 到 5 附近检查 VAE构图跑偏、主体乱提示词结构不清简化描述补负面提示词整张图偏糊分辨率过低或放大环节缺失小图确认后加 4x 放大文字乱码底模对文字生成能力弱文字放到 PS 补别让 AI 硬写这套排查表是我最常用的路径。遇到问题先别重新抽卡先判断是哪一类原因改对应的可变项效果会稳很多。举个例子很久以前我遇到颜色发脏的问题第一反应是换模型、加 LoRA折腾半天没有改善。后来才意识到是 CFG 开到 11 太狠了降到 5.5 之后整张图立刻干净了。从那之后我就养成了“先盯参数再怪模型”的习惯。4.3 工作流管理和分享工作流的文档化能力是 ComfyUI 的一大卖点但也带来一个习惯问题出图之后不及时保存下次又从头搭。我的做法是每个项目一个文件夹里面分“工作流备份”和“成品图”两套目录工作流文件命名带上日期和用途出图的 PNG 则保持嵌入元数据。分享给别人的时候提醒对方导入后留意节点是否完整避免出现插件缺失影响复现。另外工作流里的关键参数最好也写在图的文件名里比如“20250601_coffee_512x768_cfg5.5_seed12345”。这样做不仅方便你自己复盘以后在群里分享图的时候别人问参数你不用再回去翻工作流看文件名就全有了。我认识的一些接单设计师甚至会把常用工作流的参数整理成 Excel 表按风格、模型、参数维度归档形成一个“参数库”这也是他们报价底气足的原因之一。4.4 几个省心省力的实操心得最后分享三条我自己踩过坑换来的经验。第一先用小图跑构图再放大精修。一上来就开高分辨率显存和时间都浪费在试错上不划算。第二锁定种子做微调。同一张构图想换色调把种子固定只调整提示词或 CFG而不是重新随机这样对比更可控。你永远不会因为换了种子而把已经满意的构图弄丢。第三永远把版权和授权放在第一位。接商单之前确认所用底模和 LoRA 是否允许商用交付前写清楚授权范围。这不仅是安全底线也是商业合作的基本尊重。我自己现在接单的固定动作就是这样先想清楚用途和授权再定模型和风格然后搭工作流跑小图锁种子出大图最后在 PS 里做二十分钟交付级精修。跑顺之后单图出图时间可以压到十分钟以内。刚开始接触这套组合的人不用急着把每个高级节点都搞明白先拿一条基础链路跑通、跑熟积累几十张产出之后再回头优化进步会比到处找特效节点快得多。踩过几次坑之后你会发现AI 绘画真正考验人的从来不是会多少节点而是能不能把一条链路稳定地跑成习惯再把这份稳定变成客户愿意买单的交付。
AI绘画商业落地：ComfyUI+PS全流程工作流解析
做了几年 AI 绘画相关的项目我越来越觉得一个朴素的道理AI 出图本身不难难的是稳定地、可重复地产出能交付的图。今天生成一张好看的图明天还能不能生成同样质量的十张后天能不能批量改风格、改构图、改光影这才是工作流真正的意义。把 ComfyUI 的节点工作流和 PS 的后期精修串成一条完整链路是目前我自己用得最顺、也真正接过单的组合。这篇文章就围绕这套链路展开从最基础的节点逻辑讲起一直讲到商业交付适合打算用 AI 绘画接单、做设计提效或者在是否入坑 ComfyUI 之间反复横跳的朋友。1. 为什么偏偏是 ComfyUI PS先回答一个被问烂的问题现在出图工具那么多为什么偏偏是 ComfyUI 加 PS而不是别的组合1.1 ComfyUI 解决的是“不可控”问题很多刚接触 ComfyUI 的人第一反应是“界面好吓人”满屏的小方块和连线。但你用过一阵就会发现这个“吓人”的界面恰恰是它最大的价值每次生成过程都被完整摊开了。以前用一些一体化工具参数是黑箱点一下出现一张图想改成指定构图只能不断抽卡运气成分太大。ComfyUI 则把所有环节比如加载模型、写提示词、定分辨率、采样、解码、保存全部拆成可视化节点每个节点都有明确的输入端和输出端。这意味着你做过的每一步操作都可以保存、复用、微调而不是靠记忆和运气。生活化的类比就是一体化工具像下馆子你告诉厨师想吃什么端上来什么就是什么ComfyUI 像自己搭流水线食材、刀工、火候、摆盘全都自己控。刚开始觉得麻烦但一旦想把某个风格批量生产流水线的效率是完全胜出的。实际做项目的时候这种优势会被放大得很明显同一个电商主图需求客户要改三次背景氛围一体化工具要重抽很多张图ComfyUI 这边只需要改提示词里的环境描述同一个种子重新跑一遍稳定度完全不同。1.2 PS 接住“最后一公里”AI 直接出的图商用前往往有几个硬伤放大后细节经不起看、手和文字容易崩、光线和材质不稳定、分辨率不匹配交付要求。这时候 PS 不是替代品而是后端承接。色偏、液化的结构微调、去除伪影、补上商品文案这些工作用 PS 做会比回头重新抽卡快得多而且可以做到像素级控制。这个组合真正舒服的地方在于ComfyUI 负责“批量生成和风格探索”PS 负责“精修和商业表达”两边各干各擅长的活完全不重叠。有人担心 AI 绘画会干掉修图师实际跑过单之后你会发现反而是会 PS 的人拿到 AI 工具之后如虎添翼因为 AI 把最花时间的“画出基础图”这件事做了PS 把人最擅长的“判断和决定”留给了人。1.3 这套组合适合谁、能干什么活从实际变现角度讲我身边摸到钱的朋友基本集中在几类需求电商主图和产品场景图、小说封面和动态壁纸、社交媒体头像和氛围素材、室内设计意向图、包装设计提案。这些需求共同点就是“需要一定数量 需要稳定质量 需要后期排版”而不只是一张孤零零的漂亮图。所以说这套组合适合的不是只想玩玩的“生成图爱好者”而是想用 AI 提高产出密度和接单成功率的人。以电商设计为例一个项目往往要出不同角度的产品图、不同氛围的场景图如果每次都从头抽卡光沟通成本就能拖垮项目。用工作流把基础链路固定住客户选风格、改细节都变成了低成本操作这也是这套组合在商业上最有价值的地方。2. 读懂节点逻辑像搭积木一样搭出第一条工作流2.1 节点是什么、连线是什么节点本质就是一个带输入和输出的功能模块。加载模型是一个节点写提示词是一个节点采样是一个节点保存图片也是一个节点。连线负责把数据按顺序传给下一个环节。你不需要会编程但要理解“数据从哪来、到哪里去”这条主线。第一次接触时建议只记一句话工作流就是一条数据传送带从模型和文字进入到图片出来中间每一步都是可以被替换、被调节的传送环节。很多人上手时容易犯的错是试图一次性理解所有节点。其实根本不需要你只需要沿着一条主线走先找到加载模型节点再看提示词节点如何连接到采样器最后看图像如何输出。主线清楚了其他节点都是围绕这条主线做辅助的插件和增强。就像学做饭先学会把菜做熟再研究摆盘和调味不迟。2.2 一条文生图工作流的必经节点以最基础的文生图为例链路是加载 Checkpoint → 把正面/负面提示词文本编码 → 创建空潜空间图 → 采样器迭代去噪 → 解码成像素图 → 保存。每一步的职责可以这样理解CheckpointLoader模型入口决定整体画风和基础能力。CLIPTextEncode把文字转成模型能理解的语义条件正面和负面各接一个。EmptyLatentImage指定输出分辨率同时生成一张“空的噪声底图”。KSampler扩散过程的主引擎负责根据提示词逐步“画出”图片。VAEDecode把潜空间的压缩表示还原成能直接看的像素图。SaveImage保存结果。这里面最容易忽略的是 KSampler 的参数。步骤、提示词引导系数、随机种子、采样器和调度器每一个都对结果有直接且刚性的影响。下面给一个常用的参考值。参数参考值影响说明steps2030迭代次数太低细节不完整太高收益递减且变慢cfg58提示词服从度过高会颜色脏、塑料感过低会偏题samplerDPM 2M / Euler采样算法影响收敛节奏和质感风格schedulerKarras / normal调度方式通常和采样器搭配使用seed固定 / 随机锁定后可复现同一构图为什么 steps 不需要开特别高扩散模型的采样过程类似于从一张全噪声图里不断“擦干净”出画面前面几步是在确定整体构图和色调后面几步是在补充细节。跑到 30 步之后大部分模型已经收敛得差不多再往上加步数只是浪费时间。而 CFG 则像是在告诉模型“你要多听提示词的话”太高了它会用力过猛把颜色烧得很脏还容易在画面边缘出现奇怪伪影太低了又完全放飞自我。我个人的习惯是先固定 CFG 5.5 左右等构图满意了再去微调它。2.3 进阶节点什么时候加什么跑通基础版之后你会发现很多真实需求不是一句提示词能解决的。比如想让产品保持同一个角度或者想修掉画面里坏掉的手都会需要额外节点。进阶常用节点我整理成一个速查表需求常加的节点一句话速记基于参考图修改LoadImage VAE Encode把图片转成潜空间再喂进采样器局部重绘遮罩区域 VAE Encode for Inpaint指定区域内重新生成不动其他部分控制构图/姿态ControlNet 预处理器 对应模型用线稿、深度图或骨架图锁结构放大清晰度Ultimate SD Upscale / 4x 放大模型小块放大避免一次拉爆显存固定风格或人脸LoRA Loader给指定 LoRA 分配权重判断标准也很简单你这张图差在哪构图不对就想办法加 ControlNet手崩了就局部重绘细节不够就放一下再采一轮。节点不是越堆越好而是“遇到什么问题再加什么”。很多新手热衷于把网上看到的所有高端节点堆进工作流里结果图没变好速度反而慢得离谱调试的时候连问题出在哪都不知道。我自己的做法是每种节点至少跑通一个最小可用示例确认它的输入输出之后再往主力工作流里加。2.4 从“照抄工作流”到“自己设计”大多数入门者会先下载别人分享的工作流这没问题但一定要做一次拆解再保存为自己的版本。我的经验是每拿到一条工作流先看它的数据流主线再逐个右键查看每个节点的参数然后用“替换法”——把其中某个模型或某个参数换成自己的观察输出变化。举个例子别人用的采样器是 DPM 2M Karras你换成 Euler 看同一句提示词会变成什么风格记录差异这是建立手感最快的路径。另外保存工作流和保存出图同样重要。ComfyUI 默认支持把工作流元数据写进 PNG记得利用这一点文件名里也写清楚用的模型和参数组合。养成这个习惯之后你回看三个月前的图能知道它是怎么来的这是设计能力和审美积累的基础。我现在电脑里几百张成品图每一张都能反查出完整的生成参数这比任何宝物都值钱。3. 从零跑到交付电商海报主图的完整落地过程理论讲完直接走一遍我实际做过的案例给一款手冲咖啡豆品牌做电商海报主图要求写实风格、深色背景、暖光需要有包装袋和咖啡豆的材质质感。3.1 开工前先定用途、再定模型我接到需求的第一步不是打开软件而是先确认用途和授权。商用图要有明确的模型授权选择明确支持商用的开源模型这一步省得以后版权扯皮。然后根据用途定模型风格写实产品图选写实底模二次元头像选二次元底模设计提案选设计感更强的模型这是全流程里最影响成败的第一步。很多人纠结参数怎么调其实模型底子选对了后面一切都顺底子选错参数调到天边也救不回来。定完模型再写提示词。我给这个案例的提示词结构是“主体 环境 光线 镜头 风格”五段式。正面提示词大概是masterpiece, best quality, 咖啡豆散落在深色麻袋上, 手冲咖啡包装袋, 暖色侧光, 浅景深, 微距摄影, 高质感, 高分辨率负面提示词直接写lowres, bad anatomy, extra fingers, blurry, watermark, text。负面提示词的能力在于“堵漏洞”把最常见的低质量特征提前排除掉。你会发现很多新手只看正面提示词负面词空着或者乱写结果图里又是水印又是畸形手最后还要花时间去重绘。3.2 ComfyUI 端跑图从首轮抽卡到局部精修工作流按“文生图 → 局部重绘 → 放大”三段来搭。参数先给到 512×768步数 26CFG 5.5固定一个种子。首轮大概出 4 张选构图最顺的一张。我看图有个固定顺序先眯着眼看整体轮廓是否干净主体和背景有没有糊成一团再看光影关系是否统一光源方向是不是合理最后才放大看材质细节。因为小图阶段主要确认构图和配色细节后面再补没必要在同一轮把所有东西都做到位。第二步是局部重绘。看到包装袋上的文字糊掉了用遮罩圈出文字区域把提示词里的文字描述补得更明确后重新生成。这个过程不用反复抽卡只改局部效率高得多。局部重绘还有个隐藏好处它能保留你已经满意的部分只重画有问题的区域相当于给 AI 装了一支“修正笔”远比整张重画省心。第三步是放大。用 4x 模型放大后再回到采样器做一轮轻量细化。这里我特别想强调顺序问题先用中低分辨率确定构图再用放大节点补细节这是省显存、也省时间的关键顺序。如果你一开始就生成 2048 以上的大图很多显卡直接爆显存就算不爆抽一张卡的时间也够你小图测十次了。3.3 PS 精修从“AI 感”到“可交付”ComfyUI 出来的图直接交付总会有那么点“AI 感”。我习惯的操作顺序是先看整体明暗用 Camera Raw 滤镜调整色温和对比再液化修正袋口、豆子的物理结构尤其是对称物品不对齐的问题第三步用仿制图章或修复画笔把明显瑕疵清掉。然后是最重要的一步把 AI 图和 PS 精修当作两种工具各管一段——ComfyUI 管“生成更多可能性”PS 管“把可能性落在需求上”。比如这张电商图最终要加品牌文字那就直接在 PS 里排版不指望 AI 生成完美文字。AI 生成文字能力就算再进步在电商这种要精准匹配品牌字体的场景里PS 依然是最稳定的选择。最后按店铺要求的尺寸裁切、导出检查一遍导出文件的色彩空间是不是 sRGB。如果你刚开始用 PS 做这一步我建议从“少做”开始AI 已经给出了氛围和主体PS 只做减法去掉瑕疵和加法加文字和排版不要大改光影和结构改得越多越容易崩。AI 图的底层光影逻辑和你手动液化造成的变形是天然冲突的强行大改最终效果反而不如原图。3.4 商业落地把工作流变成收入这条链路真正值钱的地方是可复用。我固定了一套“电商主图”模板工作流接单时只换提示词、模型和种子就能先批量出 10 张预览图给客户选风格。定稿后再统一走局部重绘、放大和 PS 精修流程单张交付时间能压到 15 到 20 分钟。以前用纯人工方式做一张电商主图从拍摄到处理少说半天现在时间成本几乎可以忽略真正花时间的是跟客户对齐需求和审美。接单的定价逻辑通常是单张海报主图按“复杂度 是否商用授权”报价头像和壁纸便宜走量小说封面看版权范围电商主图按修改次数和买断与否浮动。做之前一定要写清楚交付格式、修改次数、商用范围和买断价格这些条款比画技本身更能避免纠纷。素材包玩法则是把工作流做成批量生产工具一次跑出几十张同风格变体按套出售。这类需求价格不高但因为批量成本极低利润率反而是最高的。我见过有朋友用一套固定工作流周末跑两百张壁纸素材打包挂素材平台被动收入相当可观。4. 高频问题与排查稳定出图的最后一公里4.1 启动与环境报错先说最常见的这一类问题。显存不足是入门期最容易遇到的生成到一半爆掉原因大多是分辨率开得高、批次开得大。解决思路很简单把 batch size 调成 1先降到低分辨率跑通再用放大节点补尺寸。别硬扛模型和流程跑通之后精度和尺寸是后面可以慢慢调的。另一个常见的环境问题是加载完别人的工作流后节点全红、找不到对应插件。这不一定是安装问题而是对方用了你没装的自定义节点先看提示里缺的是哪个再去扩展管理安装对应名称的插件即可。这里有个小经验每次导入他人工作流之前先记下当前环境已有的插件列表导入后如果报错对比一下就知道缺了什么。另外如果你用的是整合包环境注意定期更新内核和扩展很多诡异报错其实是版本不匹配造成的。4.2 出图质量不对看现象找原因质量问题的背后基本都有规律与其盲目抽卡不如看现象定位原因。我自己常对照这张表排查现象大概率原因优先排查手部崩坏、五官扭曲模型对复杂结构理解不够局部重绘 / 修脸节点 / ControlNet 姿态颜色发灰、发脏CFG 过高或显式模型不匹配调低 CFG 到 5 附近检查 VAE构图跑偏、主体乱提示词结构不清简化描述补负面提示词整张图偏糊分辨率过低或放大环节缺失小图确认后加 4x 放大文字乱码底模对文字生成能力弱文字放到 PS 补别让 AI 硬写这套排查表是我最常用的路径。遇到问题先别重新抽卡先判断是哪一类原因改对应的可变项效果会稳很多。举个例子很久以前我遇到颜色发脏的问题第一反应是换模型、加 LoRA折腾半天没有改善。后来才意识到是 CFG 开到 11 太狠了降到 5.5 之后整张图立刻干净了。从那之后我就养成了“先盯参数再怪模型”的习惯。4.3 工作流管理和分享工作流的文档化能力是 ComfyUI 的一大卖点但也带来一个习惯问题出图之后不及时保存下次又从头搭。我的做法是每个项目一个文件夹里面分“工作流备份”和“成品图”两套目录工作流文件命名带上日期和用途出图的 PNG 则保持嵌入元数据。分享给别人的时候提醒对方导入后留意节点是否完整避免出现插件缺失影响复现。另外工作流里的关键参数最好也写在图的文件名里比如“20250601_coffee_512x768_cfg5.5_seed12345”。这样做不仅方便你自己复盘以后在群里分享图的时候别人问参数你不用再回去翻工作流看文件名就全有了。我认识的一些接单设计师甚至会把常用工作流的参数整理成 Excel 表按风格、模型、参数维度归档形成一个“参数库”这也是他们报价底气足的原因之一。4.4 几个省心省力的实操心得最后分享三条我自己踩过坑换来的经验。第一先用小图跑构图再放大精修。一上来就开高分辨率显存和时间都浪费在试错上不划算。第二锁定种子做微调。同一张构图想换色调把种子固定只调整提示词或 CFG而不是重新随机这样对比更可控。你永远不会因为换了种子而把已经满意的构图弄丢。第三永远把版权和授权放在第一位。接商单之前确认所用底模和 LoRA 是否允许商用交付前写清楚授权范围。这不仅是安全底线也是商业合作的基本尊重。我自己现在接单的固定动作就是这样先想清楚用途和授权再定模型和风格然后搭工作流跑小图锁种子出大图最后在 PS 里做二十分钟交付级精修。跑顺之后单图出图时间可以压到十分钟以内。刚开始接触这套组合的人不用急着把每个高级节点都搞明白先拿一条基础链路跑通、跑熟积累几十张产出之后再回头优化进步会比到处找特效节点快得多。踩过几次坑之后你会发现AI 绘画真正考验人的从来不是会多少节点而是能不能把一条链路稳定地跑成习惯再把这份稳定变成客户愿意买单的交付。
