怎么搭建ComfyUI标准文生图与图生图工作流模板

每次打开ComfyUI，面对那一堆空白的画布和散落的节点，是不是总觉得无从下手？明明下载了别人的工作流能跑，自己想改个提示词或者换张参考图，连哪里该接哪里都搞不清楚。其实，只要理清了数据流动的方向，搭建一个标准的“万能模板”并没有想象中那么复杂。

最值得先检查的，永远不是那些花哨的控制网插件，而是最基础的模型加载器、提示词编码器和采样器之间的连线是否通畅。这是所有生成任务的骨架，骨架搭歪了，后面加再多肌肉也跑不起来。

1. 理清文生图的核心数据流

文生图（Txt2Img）的本质，就是把文字变成潜空间噪声，再通过模型去噪成图像。在ComfyUI里，这个过程主要依靠三条线串联起来：模型线、条件线和潜空间线。

首先拖入一个 Load Checkpoint 节点，这是起点。它会输出三个东西：MODEL、CLIP 和 VAE。很多新手容易在这里犯晕，不知道这三个接口分别去哪。记住一个简单的原则：MODEL 给采样器，CLIP 给提示词编码器，VAE 最后用来解码图像。

接下来处理文字。你需要两个 CLIP Text Encode 节点，一个负责正向提示词（Positive），一个负责负向提示词（Negative）。把 Load Checkpoint 输出的 CLIP 连到这两个编码器的输入端。这时候，编码器就会输出 CONDITIONING 信号，这就是告诉模型“画什么”和“不画什么”的指令。

文生图核心链路：模型、提示词编码器与采样器的连接关系

最后是采样环节。放入 KSampler 节点，它是整个工作流的心脏。把 MODEL 连到它的 model 输入，把刚才两个编码器输出的 conditioning 分别连到 positive 和 negative。这时候你会发现，KSampler 还缺一个 latent_image 输入。在纯文生图中，这里需要接一个 Empty Latent Image 节点，设置好你想要的分辨率（比如 SD1.5 常用 512x768，SDXL 常用 1024x1024）。

当 KSampler 输出 LATENT 后，别急着结束，还需要一个 VAE Decode 节点把它变回像素图像。把 VAE Decode 的输出连到 Save Image，一条完整的文生图链路就通了。点击队列提示，如果看到一张图生成出来，说明骨架搭建成功。

2. 从文生图平滑过渡到图生图

图生图（Img2Img）和文生图最大的区别，在于初始噪声的来源不再是凭空生成的空白潜空间，而是基于一张参考图。因此，我们不需要删除之前的节点，只需要替换掉 Empty Latent Image 这一环。

拖入 Load Image 节点，上传你的参考图。但注意，图片不能直接喂给 KSampler，必须经过编码。接入一个 VAE Encode 节点，把 Load Image 的 IMAGE 输出连到 VAE Encode 的 pixels 输入，再把 Load Checkpoint 里的 VAE 连到 VAE Encode 的 vae 输入。

图生图关键步骤：使用VAE Encode将像素图像转换为潜空间数据

现在，把 VAE Encode 输出的 LATENT 连到 KSampler 的 latent_image 输入端。这时候，原来的 Empty Latent Image 就可以断开或禁用了。为了让重绘效果可控，记得调整 KSampler 中的 denoise（去噪强度）参数。通常设置在 0.5 到 0.7 之间，既能保留原图结构，又能根据提示词产生变化。如果设为 1.0，那就等同于完全重画，参考图就失去意义了。

3. 针对 SD1.5 与 SDXL 的参数微调

虽然节点连接逻辑一样，但 SD1.5 和 SDXL 在参数设置上有明显差异，直接套用往往会导致画面崩坏或显存爆炸。

对于 SD1.5 模型，分辨率建议保持在 512x512 到 768x768 之间。步数（steps）通常在 20-30 步即可获得不错效果，CFG Scale（提示词相关性）设在 7-8 比较稳妥。采样器选择 Euler a 或 DPM++ 2M Karras 都是经典组合。

不同模型架构下的关键参数差异：分辨率与CFG设置

而切换到 SDXL 时，规则变了。分辨率必须大幅提升，推荐 1024x1024 或 1216x832 等接近百万像素的尺寸，否则画面会出现严重的重复纹理。SDXL 对 CFG 更敏感，建议降低到 4-6 之间。此外，SDXL 通常需要更高的步数来收敛细节，30-40 步是更常见的选择。如果在 SDXL 工作流中沿用 SD1.5 的低分辨率设置，生成的图像往往会模糊不清，这并不是模型坏了，而是尺寸不匹配导致的。

4. 保存为模板的正确姿势

当你能稳定生成图像后，不要每次都重新连线。点击菜单栏的“保存”按钮，将当前工作流存为 .json 文件。为了方便后续调用，建议在文件名中标注模型类型，例如 Base_Txt2Img_SDXL.json。

下次使用时，直接拖入这个 json 文件，ComfyUI 会自动还原所有节点和连线。你只需要更换 Load Checkpoint 中的模型文件，或者修改提示词即可。这种模块化的思路，能让你在面对复杂需求时，快速基于标准模板添加 ControlNet 或 IPAdapter 等高级组件，而不是每次都在混乱中摸索。

排查问题时，如果生成黑图，优先检查 VAE 是否匹配；如果画面噪点过多，检查去噪强度和步数。保持工作流的整洁，比追求复杂的节点数量更重要。