如果你还在“生成一张图 → 拖进 PS 里抠图修补 → 不满意又回到生成器里改提示词”这个循环里打转那我建议你花点时间把 ComfyUI 和 PS 放在同一条流程里重新想一遍。我做了三年电商视觉和内容生产的活儿一开始也觉得 ComfyUI 那套密密麻麻的节点图特别劝退但真正跑通几个商业项目之后我反而觉得它是目前最适合“把 AI 绘画变成生产力工具”的东西。这篇文章不聊太多玄乎的概念就讲讲我实际搭建工作流的完整思路以及我是怎么让 ComfyUI 和 PS 配合着完成真实交付的。先说清楚 ComfyUI 到底适合谁。如果你只是偶尔画几张头像、发发社交平台那用哪个界面都无所谓。但如果你要批量出图、要精确控制构图、要保证这次生成的结果下次还能稳定复现甚至要把 AI 生成的内容拿去做商用交付那节点式操作带来的透明度和可复用性会直接拉开和其他工具的差距。PS 这边则是所有视觉工作者都绕不开的终点站修瑕疵、调影调、排文字、按客户要求微调最后都得回到 PS 里收尾。所以真正顺手的做法不是把 ComfyUI 和 PS 当成两个独立的软件而是把它们当成同一条生产线的两个环节。1. 为什么把 ComfyUI 放到创作流程的核心位置1.1 我为什么从 WebUI 换到 ComfyUI最早我也用过 WebUI界面友好装完就能出图但用久了会发现一个问题你很难搞清楚一张图到底是怎么生成的。前端界面把参数隐藏得太干净了提示词、采样器、模型版本、附加网络之间的关系全被封装在选项卡后面。想给工作流加一个 ControlNet 条件控制要在页面上翻半天而且每一步产生什么中间结果你基本看不到。后来我试着把一套电商场景图的需求搬到 WebUI 上结果遇到了一个特别典型的场景客户要求同一款产品出六张不同角度的白底图且每张图的打光方向必须一致。WebUI 里想要把一套参数复用到另一张图上操作路径非常别扭种子、权重、局部重绘的蒙版都要手动重设。而 ComfyUI 解法就清晰多了把 ControlNet 的深度图控制、局部重绘的蒙版输入、采样参数全部做成节点整条链路就像一条流水线哪个环节要换直接改对应节点的参数就行。所以我愿意给 ComfyUI 的“丑界面”多一点耐心。它难看不是因为它简陋而是因为它把本来就很复杂的东西摊开放在了你面前。这一点恰恰是商业落地最需要的可解释、可复现、可微调。1.2 节点图的本质把生成步骤“打开揉碎”很多第一次接触 ComfyUI 的朋友会被满屏的连线吓到但我建议你换个心态去看它每次生成一张图其实都经历了提示词解析、文本编码、潜空间扩散、解码成像素这几个主要步骤。WebUI 把这些步骤做成了一个黑盒而 ComfyUI 只是把黑盒拆成了几个看得见的积木块。比如最基础的一个文生图流程实际上是七个节点的配合加载模型节点、正面提示词节点、负面提示词节点、空潜空间节点、K采样器节点、VAE 解码节点、保存图像节点。你不需要懂扩散模型的数学原理只需要知道每个节点承担什么职责就够了。这七个节点连起来就是一张图从无到有的完整路径。关键是你可以在这个基础路径中间任意插入新节点。想控制构图就在空潜空间和 K采样器之间加一个 ControlNet 相关节点想保持人物长相统一就在模型加载和采样器之间插 LoRA 加载器想对局部区域重绘就用图像加载节点配上蒙版再把蒙版输出接到采样器对应的输入口。这就是所谓节点逻辑的核心价值生成流程变成了可编辑的拓扑结构你不是在“填参数”你是在“设计流水线”。1.3 秋叶一键包到底解决了什么问题网上搜 ComfyUI 安装前三页结果大概率会看到“秋叶一键整合包”这类词。我见过很多硬核玩家瞧不上这种打包方案觉得不够“折腾精神”但实际到项目交付阶段整合包是效率最高的起点。我这样理解整合包的价值它解决的不是“能不能装上”的问题而是“能不能装得让团队其他人也顺利用上”的问题。AI 绘画的依赖环境远比普通软件复杂Python 版本、CUDA 版本、PyTorch 版本、各类自定义节点插件之间都可能互相打架。我见过有人为了装一个 ControlNet 的预处理节点在命令行里折腾一个下午最后还是库冲突报错。而整合包把最常用的插件和模型路径预置好至少能保证你从“没得用”快速进入“能跑通”的状态。当然我不建议你躺在整合包上不动。你还是要花时间看懂整合包背后的目录结构知道 models 文件夹里哪些是底模、哪些是 VAE、哪些是 LoRA。因为到后期需要自己下载模型放进去的时候如果连目录结构都不了解即便是整合包也救不了你。2. 从节点逻辑开始搭工作流一次实际的搭建过程2.1 一个合格的文生图工作流至少得有哪几个节点我刚上手的时候犯过一个错误看到别人分享的工作流 JSON 就直接拖进来结果界面上全是红色报错原因是缺少自定义节点。后来我学乖了不管多复杂的工作流都先回退到最基本的那几个节点上确认自己能完整跑通一遍再往上加东西。整套流程我觉得可以拆成四个区块。加载区确定用哪个底模和 VAE条件输入区写正面和负面提示词采样区决定潜空间在多少步内完成去噪输出区负责解码和保存。这四个区块缺一不可也是之后所有复杂工作流的“地基”。分享一个我自己调参时的习惯刚开始跑通流程时先用一个固定的随机种子不加 ControlNet、不加 LoRA先拿到一张“虽然不完美但至少没有异常结构错误”的图再逐步加控制条件。这就像写代码时先把骨架跑通再加功能否则多个参数同时调整出了问题根本不知道是哪一步引起的。2.2 给工作流加入可控性ControlNet 的接法我真正依赖 ControlNet是从做电商模特图开始的。客户给了一张参考构图要求新生成的图必须保持同样的姿态和取景范围。这种需求靠提示词描述实在太难了比如“坐姿、侧面、手放在膝盖上”这种东西你写一万个字模型也未必理解得精准。而 ControlNet 可以把参考图的姿态骨架提取出来作为额外约束条件“喂”给采样器提示词只需要管画面风格和光影就够了。接 ControlNet 时需要注意几个地方。第一预处理器不是随便选的OpenPose 强调姿态、MLSD 强调直线结构、Depth 强调远近层级选错了约束方向会直接出反效果。第二控制权重不是越大越好我常用的区间是 0.6 到 0.9权重太高会让画面失去提示词带来的自由度产生明显的“贴图感”。第三不同版本的 ControlNet 模型对底模版本有要求一般情况下要看清楚模型说明文件再搭配不匹配的画面稳定性会差很多。2.3 电商修图场景里不可或缺的 Inpaint 节点链真实商业场景中完全靠一张生成的图满足所有需求的情况很少。更多时候生成只是第一步后续要对商品局部做替换或修复这时局部重绘Inpaint节点链就是核心方案。举个我常遇到的场景客户要求一张模特穿自家品牌卫衣的图但底模生成出来的卫衣纹样总是和实际产品差一点。如果重新生成整张图模特姿态、背景光影全变了得不偿失。正确做法是先生成一张满意的构图然后在 PS 里把卫衣区域抠出来做成蒙版再把底图和蒙版一起送入 ComfyUI 的重绘节点。这整套流程里蒙版质量决定了重绘上限。我的经验是不要在 ComfyUI 里手动画蒙版宁愿多花一点时间回 PS 用钢笔和通道把边界抠干净再导成灰度图。因为 ComfyUI 的画笔工具精度始终不如 PS 这种专业像素编辑器。这个习惯帮我避掉了大量重绘后边缘过渡生硬的问题。3. 和 PS 协作两种高效衔接方案3.1 方案一PS 插件直连 ComfyUI 后端现在有一些 PS 插件可以直接调用本地运行的 ComfyUI 后端实现在 PS 面板里输入提示词、触发工作流、再在图层上看到生成结果。听起来很爽实际用下来也确实能缩短来回切换的时间成本。但我要泼一点冷水插件直连对工作流本身的稳定性要求很高。因为你要把整个 ComfyUI 工作流“锁”在一个固定的结构里才适合被插件反复调用。我一开始做了一套包含 ControlNet 和 Inpaint 嵌套的复杂工作流发现插件端对每个输入项的映射很死板稍微复杂一点的流程到插件里就容易漏参数或报错。所以插件直连更适合相对固定、输入项少的生成任务比如“从线稿生成上色稿”“从产品图生成场景图”这种单一类型需求。3.2 方案二生成结果按图层导出回到 PS 精修我个人最常用也最推荐的做法还是让 ComfyUI 负责产出多个方案PS 负责最终整合。具体操作是在 ComfyUI 里把同一组提示词配多个种子参数一次性生成 4 到 6 个候选方案然后全部导入 PS放到同一个画布的不同图层组里。这里有个特别好用的输出细节ComfyUI 的保存图像节点支持设置文件名前缀和输出格式我一般会把批次号、提示词摘要、种子值写进文件名。这么做的好处是回到 PS 后图层名能直观看出哪张图用了什么方案不至于同事接手时一头雾水。很多人在这一步懒得规范文件名等到要批量改图或追溯生成参数时就只能在文件夹里翻 png 的元数据效率损失很大。3.3 我的 PS 图层组织习惯既然说到了 PS就顺手讲讲我自己的图层管理方式。拿到 AI 生成图之后我通常保留三个图层组底图组、修正组、商用组。底图组放 AI 生成的原图如果有多版候选就放在底图组内细分编号。修正组则记录我做的所有手工调整比如用修补工具去掉的多余手指、用液化工具微调的脸部轮廓、用蒙版擦掉的边缘瑕疵。商用组是在修正完成后叠加的最终调色层、锐化层和文字排版层。这样分组的最大好处是“可回溯”。客户后来反馈说某个地方还要微调我就能精确定位是在哪个环节做的修改而不是在一堆盖了章的图层里反复撤销试错。另外我强烈建议把 AI 生成图的原始参数以文本图层的形式保存在 PSD 里这样就算过了半年再打开文件也依然知道当时用的是什么工作流和种子值。4. 商业落地场景拆解这三个需求最值得先跑通4.1 电商模特换装与商品图处理电商是 AI 绘画落地最直接的领域之一尤其是服装类目。传统的模特拍摄要预约摄影师、租场地、等排期而且一套衣服拍一组图成本不低。用 ComfyUI 做模特换装可以把成本压低很多但前提是你要把流程标准化。我的标准流程分四步。第一步用底模生成一位姿态干净的模特图尽量做到背景简单、肢体完整。第二步在 PS 中把需要替换的服装区域抠出来生成蒙版。第三步回 ComfyUI使用 Inpaint 工作流配合 ControlNet 的姿态约束在保持模特五官、发型、姿态不变的前提下重绘服装区域。第四步把生成结果拿回 PS 精修边缘叠加商品的品牌色与文案。这套流程的关键不是“能换”而是“换得无明显瑕疵”。袖口和领口这些区域特别容易出错我一般会把 Inpaint 的蒙版边缘羽化值控制在一到两个像素之间太大会糊太小会硬边。另外重绘时的提示词不要写太多细节重点描述款式和版型剩下交给模型发挥反而更自然。4.2 批量分镜与一致性控制做短视频或电商详情页时经常需要一个系列的视觉素材保持统一风格。比如甜品店要做春夏系列的宣传图要求所有画面都是奶油色背景、柔光氛围、俯拍视角。如果用传统逐张出图的方法风格一致性很难保证上午生成的和下午生成的完全是两个调性。ComfyUI 应对这个需求的思路是把“风格”剥离出来固定成工作流的一部分。具体操作是把一组描述场景内容的提示词变量化也就是每次只改变主体描述词其他与风格相关的提示词保持不变。再把采样步数、CFG、种子区间统一设成固定值让整批生成在同一个参数空间内抖动。还有一个进阶技巧是利用 LoRA 锁定风格。训练一个针对特定色调或笔触风格的小型 LoRA 模型挂载到工作流里之后再批量出图时无论是换主体还是换场景LoRA 都会稳定地把风格拉回你训练时定义的范畴。这套组合适合场景品牌方定期需要几十张风格统一的产品插图用工作流加 LoRA 的批量生产效率非常可观。4.3 风格化转绘与素材翻新另一个我经常接到的活是把实拍照片转成某种绘画风格比如把一张建筑摄影变成水彩风或者把产品实拍图变成手绘插画风。这类需求用 ControlNet 加底模切换就能实现核心在于预处理器的选择。建筑外景转手绘我建议用 Canny 边缘检测把线条结构先提取出来这样生成的插画能保持建筑的透视关系。而人像转水彩则更适合用 Lineart因为水彩的边界不需要像硬朗的钢笔线稿那么明确Lineart 提取的线条更柔和。这里我会额外注意一点转绘不是简单地“加个滤镜”而是让模型重新理解内容结构。所以提示词里应当包含艺术风格关键词、介质关键词和光感关键词三个方面缺一不可。素材翻新也很有意思比如把老照片里模糊的人脸区域单独截出来用 Inpaint 配合高分辨率重绘再把重绘后的脸部贴回原图。过去这种活只能靠 PS 里的修复画笔一点一点磨现在流程上可以压缩到十几分钟当然最后依然要回 PS 做色彩融合不然贴回去的脸会因为色温和颗粒度差异显得非常突兀。5. 稳定复现和效率优化比“能出图”更重要的是“能稳定出图”5.1 模型放置与显存优化很多人第一次用 ComfyUI 生成视频或者大图时系统提示爆显存第一反应就是“换更好的显卡”。但以我有限的预算实测下来在同样一张卡上显存优化的收益通常比换卡来得更直接。ComfyUI 的显存占用大头来自模型权重和中间特征图。模型加载节点有一个选项叫“低显存模式”开启后会把部分权重缓存在内存里而不是显存里代价是速度会变慢但至少能跑通更大的图。做批量生成时我习惯把批次大小设为 1然后通过循环迭代的方式连续出图而不是一次性把多张图塞进显存。这样虽然看起来“多线程”少了点实际稳定性反而更高不会中途因为显存溢出崩掉整个工作流。另一个容易忽略的点是模型文件的放置位置。很多人把下载的模型到处乱扔然后发现 ComfyUI 加载不了。以秋叶整合包为例它默认路径是 ComfyUI\models\checkpoints放底模LoRA 放 loras 目录ControlNet 模型放 controlnet 目录VAE 放 vae 目录。路径错一位前端 UI 在模型列表里就看不到对应文件这个坑我见过太多次了。5.2 随机种子、采样步数与批次大小怎么调随机种子是工作流里最奇怪也最好用的一个参数。固定种子后每次生成结果都一样改一个数字生成结构就完全改变。所以种子实际上相当于“方案的编号”。我常用的调参路径是这样的先用步数 20、CFG 7 这样的保守参数跑一遍拿到稳定的底图结构后再去调细节。如果画面偏糊先加步数到 30 左右观察纹理变化如果对比度太强或颜色失真把 CFG 下调到 5 到 6。这里需要留意的是CFG 并不是调得越高越好太高会让画面显得“重口味”边缘出现伪影太低则内容松散。我踩过几次坑之后基本把 7 当成默认值只有在特殊风格需求下才去动它。批次大小则要分场景看。如果只是探索方案我会一次生成 4 到 6 张如果是给客户出正式交付稿我会把批次设为 1慢慢磨一张满意的因为批量生成时模型更容易出现局部崩坏比如手指畸变或文字乱码后续修补成本其实更高。5.3 踩坑记录显存爆炸、人物崩坏、颜色偏灰有人说看别人的踩坑贴永远比自己踩坑轻松那我就在这里多写点细节帮你少走几段弯路。显存爆炸最常见于两种操作一是生成高分辨率图像时直接用了太大的尺寸二是视频生成时序列帧太多。我的经验是只要分辨率超过 1024就先在 PC 端试一次小图确认工作流没问题再上全尺寸。千万不要一上来就开 2048那个显存占用直接翻四倍很容易把整张卡卡死。人物崩坏的问题就复杂多了手指多一根、眼睛变形、五官不对称都是常态。这类问题通常不是模型不好而是构图超出了模型的理解范围。解决方式是缩小取景范围让画面只包含上半身或脸部特写崩坏概率会小很多。真正高难度的全身图崩手指我给不出特效药方案最稳妥的还是生成后回 PS 里修用修补工具十秒钟就能解决的事不值得在参数上调半天。颜色偏灰是我最初非常困惑的现象明明提示词里写了“bright, vivid color”生成结果还是像蒙了一层雾。后来发现很多时候是因为 VAE 没选对或者根本没加载 VAE。某些底模默认自带 VAE 还好一旦你用了一个独立的 VAE 文件就需要在加载模型节点之外单独把 VAE 接进去否则解码时色彩空间就不正确画面自然发灰发闷。6. 从个人创作到小团队协作的扩展6.1 把工作流打包成模板给同事用一个人会跑工作流不算本事能让团队里不懂节点逻辑的设计师和运营也能用上才叫落地。我的做法是给每个常用需求做“傻瓜式”工作流固定所有节点和参数只留下一个输入框给同事填提示词一个按钮点运行一个文件夹输出结果。做这种模板时有一个重点清掉所有不必要的中间预览节点和冗余分支只保留必需节点不然同事看到一堆线头会再次劝退。模板做好后我把工作流 JSON 文件放到共享文件夹里大家通过 ComfyUI 的“加载工作流”功能直接导入就能用。这样做有一个额外好处模板里的模型路径统一不会出现同事下载了工作流但发现本地缺模型的情况。6.2 把 Coze 或工作流编码的思路迁移到 ComfyUI我这两年也接触了不少 Coze 工作流和“工作流编码”的概念核心就是“把可复用的业务逻辑拆成模块通过清晰的输入输出接口串联起来”。这个思路完全可以直接迁移到 ComfyUI 上因为节点图本质上就是一个可视化编程环境。比如把“加载底模 加载 LoRA 加载 ControlNet”看成一个固定的输入模块把“采样 VAE 解码 生成批次图像”看成一个处理模块把“保存 重命名 记录参数”看成输出模块。你在设计工作流之初就按模块边界来组织节点后续扩展某个模块、替换某个模块就非常轻松。团队协作时也可以让一个人负责调模型另一个人负责调后处理分工变得明确。我个人还有一个习惯在工作流的关键节点上写描述文字。ComfyUI 的节点支持添加注释我会把每个大模块的作用、推荐参数范围、容易踩的坑直接写在注释里。这样下次打开工作流时哪怕是三个月后我还能快速进入状态。6.3 一套协作流程的实际例子我们小团队现在跑电商详情页项目的流程大概是这样的运营提需求给出商品图和文案方向我负责在 ComfyUI 里把商品图送入 Inpaint 工作流生成带商品的白底图和场景图视觉设计师拿到生成素材后在 PS 里补齐细节、排版、调色最后我再把成图整理回 ComfyUI 做一次统一的色彩风格统一处理这样整批页面素材色温一致比在 PS 里逐张拖色阶要快很多。这套流程跑顺之后一个 SKU 详情页的基础视觉素材从原来的一周压缩到一天半。我估计这才是 AI 绘画商业落地最大的价值它不一定是替代设计师而是把人力从重复劳动中解放出来留给真正需要审美判断的部分。7. 一些实用心得留给正在看这篇文章的你写了这么多其实最想分享的一句话是ComfyUI 和 PS 的配合本质上是“生成效率”和“精修能力”的组合两者都不能缺。ComfyUI 负责快速制造选项、批量处理、风格统一PS 负责像素级的打磨、审美判断和交付规范。单靠任何一方都很难做出真正能交付的商业内容。如果你刚开始接触这条路线我建议不要一上来就追求复刻那些几十个节点的大工作流。先把基础文生图跑通再依次加入 ControlNet、LoRA、Inpaint每一次加一个控制维度的能力就够了。我见过太多人收藏了几百个工作流模板结果一个都没吃透真正面对需求时反而无从下手。最后分享一个我自己的取舍标准任何增加工作流复杂度的操作如果能用 PS 里五步以内解决我就宁可不加这个节点。因为工作流不是你炫技的工具而是你稳定的生产线。保持简单保持可控这才是能长期跑下去的方式。
从生成到交付：ComfyUI与PS协作工作流实战指南
如果你还在“生成一张图 → 拖进 PS 里抠图修补 → 不满意又回到生成器里改提示词”这个循环里打转那我建议你花点时间把 ComfyUI 和 PS 放在同一条流程里重新想一遍。我做了三年电商视觉和内容生产的活儿一开始也觉得 ComfyUI 那套密密麻麻的节点图特别劝退但真正跑通几个商业项目之后我反而觉得它是目前最适合“把 AI 绘画变成生产力工具”的东西。这篇文章不聊太多玄乎的概念就讲讲我实际搭建工作流的完整思路以及我是怎么让 ComfyUI 和 PS 配合着完成真实交付的。先说清楚 ComfyUI 到底适合谁。如果你只是偶尔画几张头像、发发社交平台那用哪个界面都无所谓。但如果你要批量出图、要精确控制构图、要保证这次生成的结果下次还能稳定复现甚至要把 AI 生成的内容拿去做商用交付那节点式操作带来的透明度和可复用性会直接拉开和其他工具的差距。PS 这边则是所有视觉工作者都绕不开的终点站修瑕疵、调影调、排文字、按客户要求微调最后都得回到 PS 里收尾。所以真正顺手的做法不是把 ComfyUI 和 PS 当成两个独立的软件而是把它们当成同一条生产线的两个环节。1. 为什么把 ComfyUI 放到创作流程的核心位置1.1 我为什么从 WebUI 换到 ComfyUI最早我也用过 WebUI界面友好装完就能出图但用久了会发现一个问题你很难搞清楚一张图到底是怎么生成的。前端界面把参数隐藏得太干净了提示词、采样器、模型版本、附加网络之间的关系全被封装在选项卡后面。想给工作流加一个 ControlNet 条件控制要在页面上翻半天而且每一步产生什么中间结果你基本看不到。后来我试着把一套电商场景图的需求搬到 WebUI 上结果遇到了一个特别典型的场景客户要求同一款产品出六张不同角度的白底图且每张图的打光方向必须一致。WebUI 里想要把一套参数复用到另一张图上操作路径非常别扭种子、权重、局部重绘的蒙版都要手动重设。而 ComfyUI 解法就清晰多了把 ControlNet 的深度图控制、局部重绘的蒙版输入、采样参数全部做成节点整条链路就像一条流水线哪个环节要换直接改对应节点的参数就行。所以我愿意给 ComfyUI 的“丑界面”多一点耐心。它难看不是因为它简陋而是因为它把本来就很复杂的东西摊开放在了你面前。这一点恰恰是商业落地最需要的可解释、可复现、可微调。1.2 节点图的本质把生成步骤“打开揉碎”很多第一次接触 ComfyUI 的朋友会被满屏的连线吓到但我建议你换个心态去看它每次生成一张图其实都经历了提示词解析、文本编码、潜空间扩散、解码成像素这几个主要步骤。WebUI 把这些步骤做成了一个黑盒而 ComfyUI 只是把黑盒拆成了几个看得见的积木块。比如最基础的一个文生图流程实际上是七个节点的配合加载模型节点、正面提示词节点、负面提示词节点、空潜空间节点、K采样器节点、VAE 解码节点、保存图像节点。你不需要懂扩散模型的数学原理只需要知道每个节点承担什么职责就够了。这七个节点连起来就是一张图从无到有的完整路径。关键是你可以在这个基础路径中间任意插入新节点。想控制构图就在空潜空间和 K采样器之间加一个 ControlNet 相关节点想保持人物长相统一就在模型加载和采样器之间插 LoRA 加载器想对局部区域重绘就用图像加载节点配上蒙版再把蒙版输出接到采样器对应的输入口。这就是所谓节点逻辑的核心价值生成流程变成了可编辑的拓扑结构你不是在“填参数”你是在“设计流水线”。1.3 秋叶一键包到底解决了什么问题网上搜 ComfyUI 安装前三页结果大概率会看到“秋叶一键整合包”这类词。我见过很多硬核玩家瞧不上这种打包方案觉得不够“折腾精神”但实际到项目交付阶段整合包是效率最高的起点。我这样理解整合包的价值它解决的不是“能不能装上”的问题而是“能不能装得让团队其他人也顺利用上”的问题。AI 绘画的依赖环境远比普通软件复杂Python 版本、CUDA 版本、PyTorch 版本、各类自定义节点插件之间都可能互相打架。我见过有人为了装一个 ControlNet 的预处理节点在命令行里折腾一个下午最后还是库冲突报错。而整合包把最常用的插件和模型路径预置好至少能保证你从“没得用”快速进入“能跑通”的状态。当然我不建议你躺在整合包上不动。你还是要花时间看懂整合包背后的目录结构知道 models 文件夹里哪些是底模、哪些是 VAE、哪些是 LoRA。因为到后期需要自己下载模型放进去的时候如果连目录结构都不了解即便是整合包也救不了你。2. 从节点逻辑开始搭工作流一次实际的搭建过程2.1 一个合格的文生图工作流至少得有哪几个节点我刚上手的时候犯过一个错误看到别人分享的工作流 JSON 就直接拖进来结果界面上全是红色报错原因是缺少自定义节点。后来我学乖了不管多复杂的工作流都先回退到最基本的那几个节点上确认自己能完整跑通一遍再往上加东西。整套流程我觉得可以拆成四个区块。加载区确定用哪个底模和 VAE条件输入区写正面和负面提示词采样区决定潜空间在多少步内完成去噪输出区负责解码和保存。这四个区块缺一不可也是之后所有复杂工作流的“地基”。分享一个我自己调参时的习惯刚开始跑通流程时先用一个固定的随机种子不加 ControlNet、不加 LoRA先拿到一张“虽然不完美但至少没有异常结构错误”的图再逐步加控制条件。这就像写代码时先把骨架跑通再加功能否则多个参数同时调整出了问题根本不知道是哪一步引起的。2.2 给工作流加入可控性ControlNet 的接法我真正依赖 ControlNet是从做电商模特图开始的。客户给了一张参考构图要求新生成的图必须保持同样的姿态和取景范围。这种需求靠提示词描述实在太难了比如“坐姿、侧面、手放在膝盖上”这种东西你写一万个字模型也未必理解得精准。而 ControlNet 可以把参考图的姿态骨架提取出来作为额外约束条件“喂”给采样器提示词只需要管画面风格和光影就够了。接 ControlNet 时需要注意几个地方。第一预处理器不是随便选的OpenPose 强调姿态、MLSD 强调直线结构、Depth 强调远近层级选错了约束方向会直接出反效果。第二控制权重不是越大越好我常用的区间是 0.6 到 0.9权重太高会让画面失去提示词带来的自由度产生明显的“贴图感”。第三不同版本的 ControlNet 模型对底模版本有要求一般情况下要看清楚模型说明文件再搭配不匹配的画面稳定性会差很多。2.3 电商修图场景里不可或缺的 Inpaint 节点链真实商业场景中完全靠一张生成的图满足所有需求的情况很少。更多时候生成只是第一步后续要对商品局部做替换或修复这时局部重绘Inpaint节点链就是核心方案。举个我常遇到的场景客户要求一张模特穿自家品牌卫衣的图但底模生成出来的卫衣纹样总是和实际产品差一点。如果重新生成整张图模特姿态、背景光影全变了得不偿失。正确做法是先生成一张满意的构图然后在 PS 里把卫衣区域抠出来做成蒙版再把底图和蒙版一起送入 ComfyUI 的重绘节点。这整套流程里蒙版质量决定了重绘上限。我的经验是不要在 ComfyUI 里手动画蒙版宁愿多花一点时间回 PS 用钢笔和通道把边界抠干净再导成灰度图。因为 ComfyUI 的画笔工具精度始终不如 PS 这种专业像素编辑器。这个习惯帮我避掉了大量重绘后边缘过渡生硬的问题。3. 和 PS 协作两种高效衔接方案3.1 方案一PS 插件直连 ComfyUI 后端现在有一些 PS 插件可以直接调用本地运行的 ComfyUI 后端实现在 PS 面板里输入提示词、触发工作流、再在图层上看到生成结果。听起来很爽实际用下来也确实能缩短来回切换的时间成本。但我要泼一点冷水插件直连对工作流本身的稳定性要求很高。因为你要把整个 ComfyUI 工作流“锁”在一个固定的结构里才适合被插件反复调用。我一开始做了一套包含 ControlNet 和 Inpaint 嵌套的复杂工作流发现插件端对每个输入项的映射很死板稍微复杂一点的流程到插件里就容易漏参数或报错。所以插件直连更适合相对固定、输入项少的生成任务比如“从线稿生成上色稿”“从产品图生成场景图”这种单一类型需求。3.2 方案二生成结果按图层导出回到 PS 精修我个人最常用也最推荐的做法还是让 ComfyUI 负责产出多个方案PS 负责最终整合。具体操作是在 ComfyUI 里把同一组提示词配多个种子参数一次性生成 4 到 6 个候选方案然后全部导入 PS放到同一个画布的不同图层组里。这里有个特别好用的输出细节ComfyUI 的保存图像节点支持设置文件名前缀和输出格式我一般会把批次号、提示词摘要、种子值写进文件名。这么做的好处是回到 PS 后图层名能直观看出哪张图用了什么方案不至于同事接手时一头雾水。很多人在这一步懒得规范文件名等到要批量改图或追溯生成参数时就只能在文件夹里翻 png 的元数据效率损失很大。3.3 我的 PS 图层组织习惯既然说到了 PS就顺手讲讲我自己的图层管理方式。拿到 AI 生成图之后我通常保留三个图层组底图组、修正组、商用组。底图组放 AI 生成的原图如果有多版候选就放在底图组内细分编号。修正组则记录我做的所有手工调整比如用修补工具去掉的多余手指、用液化工具微调的脸部轮廓、用蒙版擦掉的边缘瑕疵。商用组是在修正完成后叠加的最终调色层、锐化层和文字排版层。这样分组的最大好处是“可回溯”。客户后来反馈说某个地方还要微调我就能精确定位是在哪个环节做的修改而不是在一堆盖了章的图层里反复撤销试错。另外我强烈建议把 AI 生成图的原始参数以文本图层的形式保存在 PSD 里这样就算过了半年再打开文件也依然知道当时用的是什么工作流和种子值。4. 商业落地场景拆解这三个需求最值得先跑通4.1 电商模特换装与商品图处理电商是 AI 绘画落地最直接的领域之一尤其是服装类目。传统的模特拍摄要预约摄影师、租场地、等排期而且一套衣服拍一组图成本不低。用 ComfyUI 做模特换装可以把成本压低很多但前提是你要把流程标准化。我的标准流程分四步。第一步用底模生成一位姿态干净的模特图尽量做到背景简单、肢体完整。第二步在 PS 中把需要替换的服装区域抠出来生成蒙版。第三步回 ComfyUI使用 Inpaint 工作流配合 ControlNet 的姿态约束在保持模特五官、发型、姿态不变的前提下重绘服装区域。第四步把生成结果拿回 PS 精修边缘叠加商品的品牌色与文案。这套流程的关键不是“能换”而是“换得无明显瑕疵”。袖口和领口这些区域特别容易出错我一般会把 Inpaint 的蒙版边缘羽化值控制在一到两个像素之间太大会糊太小会硬边。另外重绘时的提示词不要写太多细节重点描述款式和版型剩下交给模型发挥反而更自然。4.2 批量分镜与一致性控制做短视频或电商详情页时经常需要一个系列的视觉素材保持统一风格。比如甜品店要做春夏系列的宣传图要求所有画面都是奶油色背景、柔光氛围、俯拍视角。如果用传统逐张出图的方法风格一致性很难保证上午生成的和下午生成的完全是两个调性。ComfyUI 应对这个需求的思路是把“风格”剥离出来固定成工作流的一部分。具体操作是把一组描述场景内容的提示词变量化也就是每次只改变主体描述词其他与风格相关的提示词保持不变。再把采样步数、CFG、种子区间统一设成固定值让整批生成在同一个参数空间内抖动。还有一个进阶技巧是利用 LoRA 锁定风格。训练一个针对特定色调或笔触风格的小型 LoRA 模型挂载到工作流里之后再批量出图时无论是换主体还是换场景LoRA 都会稳定地把风格拉回你训练时定义的范畴。这套组合适合场景品牌方定期需要几十张风格统一的产品插图用工作流加 LoRA 的批量生产效率非常可观。4.3 风格化转绘与素材翻新另一个我经常接到的活是把实拍照片转成某种绘画风格比如把一张建筑摄影变成水彩风或者把产品实拍图变成手绘插画风。这类需求用 ControlNet 加底模切换就能实现核心在于预处理器的选择。建筑外景转手绘我建议用 Canny 边缘检测把线条结构先提取出来这样生成的插画能保持建筑的透视关系。而人像转水彩则更适合用 Lineart因为水彩的边界不需要像硬朗的钢笔线稿那么明确Lineart 提取的线条更柔和。这里我会额外注意一点转绘不是简单地“加个滤镜”而是让模型重新理解内容结构。所以提示词里应当包含艺术风格关键词、介质关键词和光感关键词三个方面缺一不可。素材翻新也很有意思比如把老照片里模糊的人脸区域单独截出来用 Inpaint 配合高分辨率重绘再把重绘后的脸部贴回原图。过去这种活只能靠 PS 里的修复画笔一点一点磨现在流程上可以压缩到十几分钟当然最后依然要回 PS 做色彩融合不然贴回去的脸会因为色温和颗粒度差异显得非常突兀。5. 稳定复现和效率优化比“能出图”更重要的是“能稳定出图”5.1 模型放置与显存优化很多人第一次用 ComfyUI 生成视频或者大图时系统提示爆显存第一反应就是“换更好的显卡”。但以我有限的预算实测下来在同样一张卡上显存优化的收益通常比换卡来得更直接。ComfyUI 的显存占用大头来自模型权重和中间特征图。模型加载节点有一个选项叫“低显存模式”开启后会把部分权重缓存在内存里而不是显存里代价是速度会变慢但至少能跑通更大的图。做批量生成时我习惯把批次大小设为 1然后通过循环迭代的方式连续出图而不是一次性把多张图塞进显存。这样虽然看起来“多线程”少了点实际稳定性反而更高不会中途因为显存溢出崩掉整个工作流。另一个容易忽略的点是模型文件的放置位置。很多人把下载的模型到处乱扔然后发现 ComfyUI 加载不了。以秋叶整合包为例它默认路径是 ComfyUI\models\checkpoints放底模LoRA 放 loras 目录ControlNet 模型放 controlnet 目录VAE 放 vae 目录。路径错一位前端 UI 在模型列表里就看不到对应文件这个坑我见过太多次了。5.2 随机种子、采样步数与批次大小怎么调随机种子是工作流里最奇怪也最好用的一个参数。固定种子后每次生成结果都一样改一个数字生成结构就完全改变。所以种子实际上相当于“方案的编号”。我常用的调参路径是这样的先用步数 20、CFG 7 这样的保守参数跑一遍拿到稳定的底图结构后再去调细节。如果画面偏糊先加步数到 30 左右观察纹理变化如果对比度太强或颜色失真把 CFG 下调到 5 到 6。这里需要留意的是CFG 并不是调得越高越好太高会让画面显得“重口味”边缘出现伪影太低则内容松散。我踩过几次坑之后基本把 7 当成默认值只有在特殊风格需求下才去动它。批次大小则要分场景看。如果只是探索方案我会一次生成 4 到 6 张如果是给客户出正式交付稿我会把批次设为 1慢慢磨一张满意的因为批量生成时模型更容易出现局部崩坏比如手指畸变或文字乱码后续修补成本其实更高。5.3 踩坑记录显存爆炸、人物崩坏、颜色偏灰有人说看别人的踩坑贴永远比自己踩坑轻松那我就在这里多写点细节帮你少走几段弯路。显存爆炸最常见于两种操作一是生成高分辨率图像时直接用了太大的尺寸二是视频生成时序列帧太多。我的经验是只要分辨率超过 1024就先在 PC 端试一次小图确认工作流没问题再上全尺寸。千万不要一上来就开 2048那个显存占用直接翻四倍很容易把整张卡卡死。人物崩坏的问题就复杂多了手指多一根、眼睛变形、五官不对称都是常态。这类问题通常不是模型不好而是构图超出了模型的理解范围。解决方式是缩小取景范围让画面只包含上半身或脸部特写崩坏概率会小很多。真正高难度的全身图崩手指我给不出特效药方案最稳妥的还是生成后回 PS 里修用修补工具十秒钟就能解决的事不值得在参数上调半天。颜色偏灰是我最初非常困惑的现象明明提示词里写了“bright, vivid color”生成结果还是像蒙了一层雾。后来发现很多时候是因为 VAE 没选对或者根本没加载 VAE。某些底模默认自带 VAE 还好一旦你用了一个独立的 VAE 文件就需要在加载模型节点之外单独把 VAE 接进去否则解码时色彩空间就不正确画面自然发灰发闷。6. 从个人创作到小团队协作的扩展6.1 把工作流打包成模板给同事用一个人会跑工作流不算本事能让团队里不懂节点逻辑的设计师和运营也能用上才叫落地。我的做法是给每个常用需求做“傻瓜式”工作流固定所有节点和参数只留下一个输入框给同事填提示词一个按钮点运行一个文件夹输出结果。做这种模板时有一个重点清掉所有不必要的中间预览节点和冗余分支只保留必需节点不然同事看到一堆线头会再次劝退。模板做好后我把工作流 JSON 文件放到共享文件夹里大家通过 ComfyUI 的“加载工作流”功能直接导入就能用。这样做有一个额外好处模板里的模型路径统一不会出现同事下载了工作流但发现本地缺模型的情况。6.2 把 Coze 或工作流编码的思路迁移到 ComfyUI我这两年也接触了不少 Coze 工作流和“工作流编码”的概念核心就是“把可复用的业务逻辑拆成模块通过清晰的输入输出接口串联起来”。这个思路完全可以直接迁移到 ComfyUI 上因为节点图本质上就是一个可视化编程环境。比如把“加载底模 加载 LoRA 加载 ControlNet”看成一个固定的输入模块把“采样 VAE 解码 生成批次图像”看成一个处理模块把“保存 重命名 记录参数”看成输出模块。你在设计工作流之初就按模块边界来组织节点后续扩展某个模块、替换某个模块就非常轻松。团队协作时也可以让一个人负责调模型另一个人负责调后处理分工变得明确。我个人还有一个习惯在工作流的关键节点上写描述文字。ComfyUI 的节点支持添加注释我会把每个大模块的作用、推荐参数范围、容易踩的坑直接写在注释里。这样下次打开工作流时哪怕是三个月后我还能快速进入状态。6.3 一套协作流程的实际例子我们小团队现在跑电商详情页项目的流程大概是这样的运营提需求给出商品图和文案方向我负责在 ComfyUI 里把商品图送入 Inpaint 工作流生成带商品的白底图和场景图视觉设计师拿到生成素材后在 PS 里补齐细节、排版、调色最后我再把成图整理回 ComfyUI 做一次统一的色彩风格统一处理这样整批页面素材色温一致比在 PS 里逐张拖色阶要快很多。这套流程跑顺之后一个 SKU 详情页的基础视觉素材从原来的一周压缩到一天半。我估计这才是 AI 绘画商业落地最大的价值它不一定是替代设计师而是把人力从重复劳动中解放出来留给真正需要审美判断的部分。7. 一些实用心得留给正在看这篇文章的你写了这么多其实最想分享的一句话是ComfyUI 和 PS 的配合本质上是“生成效率”和“精修能力”的组合两者都不能缺。ComfyUI 负责快速制造选项、批量处理、风格统一PS 负责像素级的打磨、审美判断和交付规范。单靠任何一方都很难做出真正能交付的商业内容。如果你刚开始接触这条路线我建议不要一上来就追求复刻那些几十个节点的大工作流。先把基础文生图跑通再依次加入 ControlNet、LoRA、Inpaint每一次加一个控制维度的能力就够了。我见过太多人收藏了几百个工作流模板结果一个都没吃透真正面对需求时反而无从下手。最后分享一个我自己的取舍标准任何增加工作流复杂度的操作如果能用 PS 里五步以内解决我就宁可不加这个节点。因为工作流不是你炫技的工具而是你稳定的生产线。保持简单保持可控这才是能长期跑下去的方式。
