在ComfyUI中加载官方文生图基础工作流,依次配置模型、提示词、画布尺寸、采样参数、解码和保存节点,确保所有连线正确且参数有效。运行后可在MediaAssets和SaveImage节点查看生成结果。检查九项关键环节,确认链路搭建完成即可稳定输出。
首次打开ComfyUI时,面对空白画布很多新手都会感到不知所措——不知道从何入手。一个稳妥的起步方法是,不要急于凭记忆手工连线,而是先加载ComfyUI内置的官方文生图基础工作流。然后逐个核对模型、提示词、画布、采样、解码和保存这几个环节。完成后,画布上会保留一条完整的、可继续修改的SD1.5文生图链路。直接点击运行,就能在Media Assets和Sa ve Image节点看到你生成的第一张图片了。
这篇文章适合已经能正常启动ComfyUI,并准备用SD1.5的checkpoint跑第一次文生图的用户——无论你使用的是Windows、macOS还是Linux系统。开始之前,至少需要准备一个兼容的checkpoint文件,放到ComfyUI/models/checkpoints目录下。官方示例用的是v1-5-pruned-emaonly-fp16.safetensors,你也可以使用其他文件名,但节点里绝对不能停在null。
长期稳定更新的攒劲资源: >>>点此立即查看<<<
完成后,界面大致如下:左侧Media Assets里能看到生成结果,右侧画布上仍然是可编辑的节点工作流,顶部的Run按钮随时可以再次运行。

ComfyUI安装目录下的models/checkpoints文件夹。主要动作:把准备好的SD1.5 checkpoint文件放进去,然后重新启动ComfyUI,或者刷新模型列表。成功标志:稍后打开Load Checkpoint节点时,ckpt_name下拉列表里能显示你放进去的文件名。失败处理:如果列表为空,或者只显示null,先检查一下文件是否放错了位置——不要放到models根目录,也要确认扩展名完整,以及当前启动的ComfyUI是否对应同一个安装目录。
ComfyUI官方的ComfyUI Text to Image Workflow教程页面。主要动作:把页面提供的工作流PNG保存下来,然后直接拖拽到ComfyUI画布中;也可以从顶部的Workflows菜单选择Open,再打开这个PNG文件。成功标志:画布上会出现Load Checkpoint、两个CLIP Text Encode、Empty Latent Image、KSampler、VAE Decode和Sa ve Image节点,并且彩色连线已经自动连接好。失败处理:如果拖拽进去后只显示为普通图片,没有生成节点,那么你保存的PNG可能不是带工作流元数据的原始文件——网页截图、压缩缩略图或转换过的JPG都无法使用。
下面这张图将基础链路标为A到F:模型和文本条件送入KSampler,采样结果交给VAE Decode,像素图最后交给Sa ve Image。现在只需确认节点齐全即可,不必急于修改参数。

画布左侧的Load Checkpoint节点。主要动作:点击ckpt_name文本区域或两侧箭头,选择你刚放入的SD1.5 checkpoint。成功标志:节点上会显示实际的模型文件名,并保留MODEL、CLIP、VAE三个输出连接。失败处理:如果文件名不出现,返回模型目录检查路径是否正确;选中后节点报错,则确认文件下载完整——不要使用只有几KB的网页占位文件。
Load Checkpoint的关键不是记住示例文件名,而是确认下拉框已经从null变成了你电脑上真实存在的checkpoint。

两个CLIP Text Encode (Prompt)节点的文本框。主要动作:在连接KSamplerpositive的那个节点里,写入你想要的主体、环境和画面特征;在连接negative的节点里,写入你不希望出现的缺陷。成功标志:两个节点都有可读的文本,橙色CONDITIONING输出分别接到KSampler的正向和负向端口。失败处理:如果生成结果与描述关联较弱,先用简短英文词组加英文逗号重写,不要一次塞入多段长句;如果正负条件接反了,重新连接到对应端口。
提示词节点只负责将文字编码为条件。看不到图片并不代表失败,当前步骤的验收标准是:文本已填写,CONDITIONING连线正确。

Empty Latent Image节点。主要动作:设置width、height和batch_size;首次运行可以先保留官方示例中的512×512、批次1。成功标志:宽高为明确数字,紫色LATENT输出连接到KSampler的latent_image。失败处理:显存不足或运行被中断?先降低宽高,保持批次1。画面比例不合适,就只调整宽高,不要同时改动采样参数,这样更容易判断问题来源。
Empty Latent Image定义的是潜空间中的画布,最终像素图的尺寸从这里开始确定。

画布中央的KSampler节点。主要动作:先保留基础参数,重点检查model、positive、negative、latent_image这四个输入是否已经连线,并确认steps、cfg、sampler_name、scheduler和denoise都有值。成功标志:节点没有缺少输入的红色提示,右侧LATENT输出已连接VAE Decode。失败处理:出现缺少模型或条件输入的提示,沿着端口颜色回查上游节点;结果异常时,一次只改一个参数,不要同时改变seed、steps和cfg,否则很难定位原因。
KSampler是去噪采样的核心组件。首次运行时,先把链路配置正确,等结果稳定后再比较seed、steps或采样器的差异。

KSampler右侧的VAE Decode节点。主要动作:确认KSampler的LATENT输出接入了samples,Load Checkpoint的VAE输出接入了vae。成功标志:VAE Decode右侧蓝色IMAGE输出已连接Sa ve Image。失败处理:运行到解码阶段报错,先检查两条输入线是否缺失或接错颜色,再确认checkpoint本身是否包含可用的VAE。
VAE Decode负责将KSampler产生的潜空间结果还原为可以预览和保存的像素图像。

工作流末端的Sa ve Image节点。主要动作:确认蓝色images输入已连接,并为filename_prefix填写一个容易辨认的前缀。成功标志:节点能接收VAE Decode的IMAGE输出,运行后会显示预览,并将文件写入ComfyUI/output目录。失败处理:节点没有预览,先检查上游IMAGE连线;运行成功但找不到文件,检查当前ComfyUI实例对应的output目录和文件名前缀。
Sa ve Image的输入只有图像数据,文件名前缀用于在输出目录中区分不同测试。

ComfyUI顶部的Queue或Run按钮。主要动作:点击按钮执行一次,也可以按Ctrl + Enter快捷键。成功标志:节点依次执行,Sa ve Image出现预览,Media Assets中新增了生成图,ComfyUI/output目录中能找到对应文件。失败处理:执行立即停止,从标红的节点开始排查模型、连线和参数;运行较慢但没有报错,先等待当前队列完成,不要连续重复点击,否则任务会堆积。
生成结果和KSampler的seed设置。主要动作:确认第一张图可以保存后,再重新执行一次,观察随机种子变化带来的结果差异。成功标志:第二次生成仍然能顺利完成,工作流结构没有丢失,结果图与上一张之间存在可解释的变化。失败处理:想要复现同一张图,固定seed,并保持提示词、尺寸和采样参数不变;对比参数时,一次只改一项。
models/checkpoints目录。null。ComfyUI/output找到结果。基础链路稳定之后,再尝试更换提示词、画布比例或采样参数。先保留一份可重复运行的工作流,每次只改一个变量并观察结果。后续学习LoRA、ControlNet或更复杂的节点时,排查问题会容易得多。
侠游戏发布此文仅为了传递信息,不代表侠游戏网站认同其观点或证实其描述