ComfyUI 文生图教程：生成你的第一张 AI 图片

本节使用 ComfyUI 最基础的**文生图（text to image）**工作流。请先按照上一节下载一个模型（例如 SDXL 模型），并将其放入 models/checkpoints。

加载默认工作流

新版 ComfyUI 的默认工作流会随版本更新为较新的模型（例如 ComfyUI 0.39 默认使用 Z-Image Turbo，模型拆分为 Load Diffusion Model 和 Load CLIP 两个节点）。本节使用最经典、最容易理解的 SDXL 文生图流程，你可以：

• 在模板中搜索 SDXL，选择基础文生图模板，或
• 按照下图自行添加节点并连线

工作流如下：

[Load Checkpoint] ─MODEL──────────────────────────────▶ [KSampler] ─LATENT─▶ [VAE Decode] ─IMAGE─▶ [Save Image]
       │ CLIP ─▶ [CLIP Text Encode（正向提示词）] ─────▶     ▲  ▲                 ▲
       │ CLIP ─▶ [CLIP Text Encode（负向提示词）] ─────▶ ────┘  │                 │
       │                       [Empty Latent Image] ──────────┘                 │
       └ VAE ──────────────────────────────────────────────────────────────────┘

逐一设置

1. Load Checkpoint：加载模型

点击 ckpt_name，选择你下载的模型。这个节点会输出三项内容：

• MODEL：扩散模型，连接到 KSampler
• CLIP：文本编码器，连接到两个 CLIP Text Encode
• VAE：连接到 VAE Decode

2. CLIP Text Encode：提示词

这里有两个节点：

• 正向提示词（连接到 KSampler 的 positive）：描述你想要的内容
• 负向提示词（连接到 negative）：描述你不想要的内容

大多数图像模型对英文提示词的理解最好：

正向：a cozy coffee shop on a rainy evening in Taipei, warm lights, people with umbrellas outside the window, cinematic lighting, highly detailed
负向：blurry, low quality, watermark, text, deformed

提示词的写法请参见提示词技巧。

3. Empty Latent Image：画布大小

设置图片的宽、高，以及一次生成的张数（batch_size）。

使用远低于或远高于模型训练分辨率的尺寸，容易出现人物重复或构图扭曲。想要生成更大的图片，应先使用建议尺寸生成，再放大。

4. KSampler：生成

这是实际生成图片的节点。主要参数如下：

各参数的详细说明请参见 KSampler 参数详解。

5. VAE Decode：解码

将 KSampler 输出的 latent 转换为实际图片。vae 输入连接到 Load Checkpoint 的 VAE。

6. Save Image：保存

显示图片，并将其保存到 ComfyUI/output 文件夹。filename_prefix 可以设置文件名前缀，也可以包含子文件夹，例如 coffee/rainy。

如果只想预览而不想保存文件，请改用 Preview Image 节点。

运行

按 Run（Ctrl + Enter）。首次运行需要加载模型，耗时较长；之后如果只修改提示词，运行速度会快很多。

图片生成后：

• 对构图不满意：再运行一次（种子会随机变化）。
• 喜欢某张图片，想进一步微调：将 control_after_generate 改为 fixed 以固定种子，再修改提示词或参数，对比效果。

批量生成

• 将 batch_size 设为 4：一次生成 4 张图片（需要更多显存）。
• 或者连续多次点击 Run，每次将一张图片加入队列。

生成的图片包含工作流

output 文件夹中的 PNG 图片会记录完整的工作流和参数。将图片拖回 ComfyUI 画布，即可还原当时的设置。

常见问题

下一节将深入介绍 KSampler 的各个参数。

更新于 2026年10月12日