ComfyUI 工作流与模型管理：节点连线、LoRA 搭配、工作流 JSON 与批量出图

装好 ComfyUI 之后，真正决定出图效率的不是显卡，是你对「数据怎么在节点之间流动」的理解。这篇按「骨架 → 模型搭配 → 分辨率与显存 → 保存分享 → 批量与磁盘」的顺序讲，每一步都给具体的节点名、参数名和目录路径，可以照着点。安装还没做的话先看Windows 本地安装 ComfyUI。

一、节点与连线的骨架

一个节点由三部分组成：左侧输入接口、右侧输出接口、中间参数控件。连线本质是同一种数据类型的传递，类型不匹配就连接不上，或者连上后运行时报错。常见数据类型如下：

数据类型	含义	典型产出节点
MODEL	参与去噪的权重（UNet / DiT）	Load Checkpoint、Load Diffusion Model
CLIP	文本编码器	Load Checkpoint、Load CLIP、DualCLIPLoader
VAE	潜空间与像素空间的互转器	Load Checkpoint、Load VAE
CONDITIONING	编码后的提示词条件	CLIP Text Encode
LATENT	潜空间图像（还没解码）	Empty Latent Image、KSampler
IMAGE	像素图像	VAE Decode、Load Image

默认文生图工作流的链路是固定的，记住这条线就够用了：

Load Checkpoint ──MODEL──> KSampler.model
                ──CLIP───> CLIP Text Encode（正向/负向）.clip
                ──VAE────> VAE Decode.vae

CLIP Text Encode（正向）──CONDITIONING──> KSampler.positive
CLIP Text Encode（负向）──CONDITIONING──> KSampler.negative
Empty Latent Image ─────LATENT───────> KSampler.latent_image
KSampler ───────────────LATENT───────> VAE Decode.samples
VAE Decode ───────────────IMAGE──────> Save Image.images

• 正向提示词写你要的，负向提示词写你不要的。SD1.5 / SDXL 时代负向词有用；Flux 这类新架构的工作流通常把负向留空。
• KSampler 里的 seed（种子）决定随机性：想复现同一张图，把 seed 固定并保持所有参数不变；想连续试不同结果，seed 用 randomize。
• steps（步数）与 cfg（提示词遵循度）不是越大越好，调优方法见显存与速度调优。

二、Checkpoint、LoRA、VAE、CLIP 怎么摆

2.1 Load Checkpoint：一个节点带动三路

大多数整合模型只要一个 Load Checkpoint：它的 MODEL、CLIP、VAE 三个输出口正好喂给采样器、文本编码器和解码器。下拉菜单里能选到的文件 = models\checkpoints 目录里的文件，菜单为空就说明文件放错目录或格式不对。

2.2 LoRA：串联加载，权重从低往高调

• 节点名 Load LoRA（部分版本叫 LoraLoader）。接法是把上一个 LoRA 的 MODEL/CLIP 输出接到下一个 LoRA 的输入，形成串联，最后一个 LoRA 的输出再给采样器与文本编码器。
• 参数 strength_model（作用于模型）和 strength_clip（作用于文本编码）默认 1.0。建议从 0.6～0.8 试起，权重超过 1.0 容易过曝、结构崩坏，负权重则会反向削弱特征。
• 世代必须一致：SD1.5 的 LoRA 只能配 SD1.5 的 checkpoint，SDXL 配 SDXL，Flux 配 Flux。混搭通常不报错，但出图会全噪或畸形，排查起来很费时间。
• 文件放 models\loras。Civitai 模型页的 LoRA 一般都注明 Base Model，下载前先看这一项。

2.3 VAE：什么时候才需要单独加载

情况	做法
checkpoint 自带 VAE（绝大多数整合包）	不需要加节点，直接把 Load Checkpoint 的 VAE 输出接到 VAE Decode / VAE Encode
SDXL 出图发灰、发白	换成修正版 VAE（社区常用的 sdxl-vae-fp16-fix），用 Load VAE 单独加载 models\vae 里的文件再接到解码节点
Flux、SD3 等分离架构	工作流本身就是「Load Diffusion Model + Load CLIP/DualCLIPLoader + Load VAE」三件套，按模板接法照抄
只想做图生图 / 局部重绘	需要 VAE Encode 把 IMAGE 转成 LATENT，再进采样器

摆放规则只有一条：一个 VAE 节点可以同时供 VAE Encode 和 VAE Decode 使用，但整个工作流里对同一张图不要混用两个不同 VAE，否则颜色会偏移甚至出图全黑。

2.4 CLIP：现代架构才需要单独接

SD1.5 / SDXL 的文本编码器跟着 checkpoint 走，不用管。Flux、SD3、部分视频模型需要独立的文本编码器文件（放 models\clip 或 models\text_encoders），节点是 Load CLIP 或 DualCLIPLoader（双编码器时用后者，注意选对 type：Flux / SD3 / SDXL 等，选错会直接报维度错误）。

一个能省掉 80% 怪问题的习惯：同一条工作流里所有模型保持同一世代。检查方法很简单，看 Load Checkpoint 下拉菜单里的文件名关键词（sd15、xl、flux）是否统一。

三、分辨率、批量与显存的关系

显存和算力消耗基本与像素面积成正比，不是与边长成正比。所以：

• 1024×1024 的消耗约等于 4 张 512×512；1536×1536 是 1024×1024 的 2.25 倍。
• batch_size 是线性放大：512×512 的 batch 4，与 1024×1024 的 batch 1 面积相同，但前者峰值显存通常更低（采样器一次处理多张时会更省一点）。
• 分辨率超出模型训练范围（SD1.5 是 512 档，SDXL 与 Flux 是 1024 档）会出现「双头、重复肢体、构图割裂」，这不是提示词问题，是模型能力边界。

模型世代	训练/推荐基础分辨率	想放大的正确做法
SD 1.5 系	512×512 附近（512×768 竖图常用）	先 512 出图，再做 hires fix / 潜空间放大，或用放大模型（ESRGAN 等）后处理
SDXL 系	1024×1024 附近（832×1216 等比例）	先 1024 出图，再放大；直接跑 2048 大概率 OOM 或结构崩
Flux / SD3 等大模型	1024×1024 附近	同样两步走；显存压力比 SDXL 高得多，见调优篇

记住一个操作顺序：先用低分辨率把构图和提示词调对，再放大。反过来做（先高分辨率试提示词）会把大量时间花在必然失败的图上。

四、保存、复用、分享工作流 JSON

4.1 界面操作路径

动作	路径	说明
保存到工作流库	左上角 Workflow 菜单 → Save / Save As	写进 ComfyUI 用户目录，界面里随时能再打开
导出成文件	Workflow → Export	得到 .json，用于备份和发给别人
导入	把 .json 拖进画布，或 Workflow → Open	导入后先看有没有红色缺失节点
导出 API 格式	Workflow → Export (API Format)	用于写脚本调用 /prompt 接口，需要先在设置里打开开发者模式
从图片还原	把 PNG 拖进画布	前提是这张图带 ComfyUI 元数据（ComfyUI 自己生成的图默认带）

4.2 文件到底存在哪

界面里 Save 的工作流落在 ComfyUI 用户目录下，便携版的实际路径是：

D:\AI\ComfyUI_windows_portable\ComfyUI\user\default\workflows\

里面就是一个普通 .json 文件，可以直接复制备份。两个容易吃亏的细节：

• 画布上的临时状态（没点 Save 的修改）只存在浏览器本地存储里。清理浏览器数据、换浏览器、换端口访问，都可能让「还在画布上的工作流」消失。重要工作流一定 Export 存盘。
• ComfyUI 升级（换前端版本）后，部分老工作流会提示某些节点已迁移或参数过期，按提示重新拖一个同名节点替换即可。

4.3 分享与接收别人的工作流

1. 拿到 .json 后先拖进画布，看是否有红色节点（缺失节点）或下拉菜单为空的加载器（缺模型）。
2. 缺节点：用内置的 ComfyUI-Manager（新版可通过启动参数 --enable-manager 启用）在线安装，或按节点名到对应 GitHub 仓库下载后放进 custom_nodes 再重启。详细步骤见报错速查表的「Missing Node Types」一节。
3. 缺模型：不要盲目点「一键下载」。先看加载器里显示的文件名，按名字判断世代（SD1.5 / SDXL / Flux），再到公开模型页找同名或同类型的文件。文件名不一定能一一对上，同世代、同类型即可替代。
4. 拿到的工作流如果跑不动，先按调优篇的做法降分辨率、降批量，确认能出图再逐步加回参数。

五、工作流模板与示例从哪来

• 界面内置模板：ComfyUI 顶部的模板/浏览模板入口（Templates），内容由官方 comfyui-workflow-templates 包提供，随版本更新。这是最安全的起点——它是官方维护的、与当前版本匹配的工作流。
• 官方文档：docs.comfy.org 的入门与基础概念章节逐步给出默认工作流、模型目录、首个出图的完整步骤，遇到概念不确定时以它为准。
• 公开作品反推：ComfyUI 生成的 PNG 默认带工作流元数据，把图片拖进画布就能看到对方的完整节点图（包括采样器、步数、CFG）。这是学参数搭配最直接的方式。注意：没有元数据的图（例如经过二次压缩或由其他工具生成）无法反推。
• 别人的工作流经常绑定特定插件与模型，先用模板把基础链路跑顺，再逐步引入外部工作流，能少掉大量环境问题。

六、批量出图与命名规范

批量有两种含义，混着用会浪费显存：

方式	怎么做	特点
单提示词多张	Empty Latent Image 的 batch_size 设为 2～4	显存约按倍数上升，适合快速挑图
队列多次任务	保持 batch_size = 1，改 seed 或提示词后重复点「运行」	显存不变，总量受时间限制，适合批量跑不同主题
固定参数扫种子	seed 设为 randomize，连点几次运行，事后按文件名筛选	挑图最常用的组合

命名规范建议在 Save Image 节点的 filename_prefix 上做，而不是事后手动改名。默认输出是 ComfyUI_00001_.png 这种「前缀 + 5 位序号」，把前缀改成有意义的名字即可：

portrait_20260929_sdxl_v1

保存后就是 portrait_20260929_sdxl_v1_00007_.png，按项目、日期、模型、版本四段命名，之后找图和对比实验都不费劲。几个约定：

• 前缀用英文、数字、下划线，避免空格与中文，方便命令行批处理与跨工具引用。
• 一次实验只改一个变量（提示词 / 步数 / 权重），否则回溯不出「是哪一项起了作用」。
• 输出目录默认是 ComfyUI\output\；要换到别的盘，启动参数加 --output-directory D:\AI\output（官方参数，覆盖默认输出目录）。
• 只把值得留的图移出 output 归档，output 本身按季度清一次即可。

七、目录结构与磁盘空间管理

目录	内容	能不能删
models\	所有模型权重	不能乱删；清理重复文件前先核对文件名与体积
output\	出图结果	可以，归档或删除，不影响程序运行
temp\	运行中间缓存、预览图	可以清空（建议先关闭 ComfyUI 再删），下次运行会自动重建
user\default\	界面设置、保存的工作流	不要删，删了工作流和个性化设置全部丢失
custom_nodes\	自定义节点（插件）	只删确认没用的插件目录；插件内的 .git 是更新的基础，别单独删
__pycache__\（各处）	Python 编译缓存	可以删，运行时会重建
python_embeded\ / venv\	运行环境	绝对不能删

磁盘规划的经验法则：程序占几 GB，模型是真正的大头。按「一个 SD1.5 模型 2 GB 级、一个 SDXL 模型 7 GB 级、一个大模型（Flux 类）10 GB 级」粗估，再乘以你打算收集的数量。几个可执行的做法：

• 模型库单独放一个盘（例如 D:\AI\models\），用第一篇讲的 extra_model_paths.yaml 让多个 ComfyUI 实例共用，避免同一文件拷三份。
• 定期查找重复模型：在模型目录下按「大小」排序，同名不同后缀（.safetensors / .ckpt）往往是同一模型的两种格式，留体积合适的那份。
• 不要用 .ckpt 格式尝鲜：优先 .safetensors，加载更快、更安全（不执行任意代码）。
• 出图占盘比想象中大：一张 1024 PNG 约 1～2 MB，批量实验很容易堆到几十 GB，记得给 output 所在盘留余量。

八、中文提示词与界面语言的两个现实问题

先说结论：提示词写英文更稳，界面语言可以改成中文，只有要在图片上渲染中文时才需要管字体文件。

• 提示词语言：SD1.5 / SDXL 这类模型的文本编码器以英文语料为主，同样的内容用英文写，遵循度通常更高；部分新架构对中文有一定支持但不稳定。想让工作流自己看得懂，把中文写进节点标题（右键节点选 Title，或双击标题重命名）或备注节点里，模型不吃这些文字。
• 界面语言：新版前端在设置（Settings）里提供语言 / Locale 选项，切换后刷新页面生效；不同前端版本菜单位置略有差异，找不到就在设置里搜 Locale。
• 图片上的中文：只有需要把中文直接画进出图结果（文本叠加、水印、标注类节点）时才涉及字体文件，要在节点里指定系统中文字体的完整路径，例如 C:\Windows\Fonts\msyh.ttc（微软雅黑）。缺字体时 PIL 会报 OSError: cannot open resource，处理步骤见报错速查表。
• 命名与路径：模型文件名、输出前缀、安装目录尽量用英文，中文文件名在个别插件里会触发编码错误，同样是速查表里的条目。

九、小结

把这篇压缩成五条：同世代模型才混用；LoRA 权重从 0.6 起调；先低分辨率定构图再放大；工作流要及时 Export，别只依赖浏览器；模型放对目录比装什么插件都重要。接下来按你的实际问题选下一篇：显存吃紧看显存与速度调优，报错看报错速查表，还没装好回安装篇。