ComfyUI 工作流

一个包含详尽文档、易于遵循的工作流仓库，专为 ComfyUI 设计。

简介

这些工作流旨在作为学习练习，它们绝非“最佳”或最优化的方案，但应该能帮助你很好地理解 ComfyUI 的运作方式。

工作流的设计注重可读性：执行流程从左到右、从上到下，你可以轻松地跟随“ spaghetti”式的连接而无需移动节点。

本仓库按宏观类别划分，在每个目录的根目录下，你会找到基础的 JSON 文件以及一个 experiments 目录。experiments 中包含了更高级的示例和在日常任务中可能有用的技巧与窍门。

这份文档主要面向初学者至中级用户。经验丰富的用户或许能在实验部分获得一些灵感。无论你的技术水平如何，如果你有任何建议、修正意见，或者希望添加新的工作流，请随时告知我。

大多数工作流无需安装任何插件即可运行，极少数例外会在文档中说明。这是为了尽可能降低入门门槛，并避免与快速发展的生态系统产生冲突。

为什么选择 ComfyUI

社区内围绕 Stability AI 对 ComfyUI 的支持存在一些争议。

首先，有许多更易用的替代方案（例如 StableSwarmUI），如果你对 ComfyUI 不熟悉，完全不必强制使用它。最大的潜在缺点可能是，新功能在 ComfyUI 之外实现的速度会稍慢一些。

ComfyUI 拥有整洁且高效的代码库，这使得适应快速变化的技术比大多数替代方案更容易。其模块化特性允许你以非常细粒度和非传统的方式自由组合组件。大多数 Stable Diffusion UI 会为你选择每项任务的最佳实践，而使用 ComfyUI，你可以自行制定最佳实践，并轻松比较多种解决方案的效果。

此外，ComfyUI 在内存占用和运行速度方面也非常高效。

使用方法

要完成所有练习，请克隆或下载本仓库，并将文件放置在你电脑上的 ComfyUI/input 目录下的 input 文件夹中。这样你就可以无误地运行所有工作流。

要查看任意工作流，只需将 JSON 文件拖放到 ComfyUI 的工作区即可。另外请记住，使用 ComfyUI 生成的任何图像都会将整个工作流嵌入其中。你可以将本文档中展示的许多图像直接拖入 ComfyUI，以加载完整的节点结构。

让我们开始吧！

分类

基础

在这一部分，你将学习 ComfyUI 和 Stable Diffusion 的基础知识。未来的所有工作流很可能都会基于这些节点布局。

超分辨率

探索各种用于放大（又称 hires fix）生成图像的方法。

文本到图像

高级文本到图像技术。词权重、嵌入、时间步进、GLIGEN 等。

图像条件控制

一张图胜过千言万语。图像到图像技术及一些图像条件模型。

内外绘图

如何扩展和修改已生成的图像。

引导式构图

在这一部分，我们将探索 ControlNet、T2I-Adapter 等技术，以更好地调整和构图你的图像。

待办事项

本项目仍在持续更新中，如有新增内容，请定期查看。下一个计划中的章节是 细节增强，我们将学习如何裁剪图像中的特定部分（例如面部、手部）并对其进行强化处理。

ComfyUI_Workflows 快速上手指南

本指南旨在帮助开发者快速利用 ComfyUI_Workflows 仓库中的示例工作流，深入理解 ComfyUI 的节点逻辑与运行机制。这些工作流专为学习设计，结构清晰（从左至右、从上至下执行），无需安装额外插件即可运行大多数示例。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows, Linux 或 macOS。
• 核心依赖：已安装并配置好 ComfyUI。
  • 需具备 Python 环境及必要的 PyTorch 依赖。
  • 建议显存至少 6GB（运行 SDXL 或高分辨率工作流建议 12GB+）。
• 模型文件：确保 ComfyUI 的 models 目录下已放置基础的 Stable Diffusion 检查点文件（如 SD1.5, SDXL 等），否则工作流加载后会报错。
• 网络环境：由于仓库托管于 GitHub，国内用户建议使用加速工具或配置代理以确保克隆速度。

安装步骤

1. 获取工作流文件

将本仓库克隆或下载至本地。推荐方式如下：

git clone https://github.com/AIGC-Audio/ComfyUI_Workflows.git

(注：若原仓库地址不同，请替换为实际地址。国内用户若遇连接超时，可使用 git clone https://ghproxy.com/https://github.com/AIGC-Audio/ComfyUI_Workflows.git 等加速方案)

2. 部署文件

仓库中的工作流依赖特定的输入资源（如参考图片）。请将下载后的文件整理到 ComfyUI 的输入目录中：

1. 找到您本地 ComfyUI 的安装目录。
2. 进入 ComfyUI/input 文件夹。
3. 将本仓库根目录下的所有文件（包括子文件夹结构）复制到此 input 目录中。

注意：这一步至关重要，它能确保您在打开工作流时，其中的 "Load Image" 等节点能自动找到对应的素材，避免路径错误。

基本使用

本仓库的核心价值在于通过可视化的节点图学习 ComfyUI。以下是两种最快捷的使用方式：

方法一：直接拖入 JSON 文件

这是最直接的学习方式，适合按分类系统学习。

1. 启动 ComfyUI (python main.py) 并在浏览器打开界面。
2. 进入本仓库的任意分类目录（例如 basic/ 或 text2img/）。
3. 选择一个 .json 格式的工作流文件。
4. 将该文件直接拖拽到 ComfyUI 的操作画布区域。
5. 系统将自动加载完整的节点结构。点击右侧菜单的 "Queue Prompt" 即可运行并观察结果。

方法二：从生成图片还原工作流

ComfyUI 生成的图片内部嵌入了完整的工作流信息，这是一种极佳的反向学习方式。

1. 在本仓库的文档或 images 文件夹中找到任意一张由 ComfyUI 生成的示例图片（如 SDXL_fox.png）。
2. 将该图片直接拖拽到 ComfyUI 的操作画布区域。
3. 界面将自动重建生成该图片所需的所有节点和参数设置。
4. 您可以立即修改参数（如提示词、种子数）并重新运行，以测试不同变量对结果的影响。

学习建议

• 阅读顺序：建议从 basic/ 目录开始，掌握基础节点连接逻辑，再逐步尝试 upscale/（高清修复）、text2img/（高级文生图）等复杂场景。
• 实验探索：各分类下的 experiments 文件夹包含进阶技巧和日常实用案例，适合有一定基础的用户参考。
• 无插件原则：绝大多数工作流设计为“开箱即用”，无需安装自定义节点插件，降低了环境配置冲突的风险。