ComfyUI喂饭教程！一个适合新手的工作流搭建思路

在

这篇文章中，我分享了自己学习ComfyUI的五个阶段，而最后一个阶段——

，尚未详细介绍。今天我就来填坑啦~

自己动手，丰衣足食，自己从头到尾搭建一个工作流，才是真正掌握ComfyUI精髓的王道。我们马上开始吧！

在动手之前，我们需要先明确自己的需求和目标，这也是完成一个工作流搭建的首要步骤。假设我现在要做一个露营活动海报，我手头有这样一张图片，但我想要的表现形式是手绘风格人物与真实户外场景相结合。

那么我要解决的问题便是：

明确了目标之后，就开始研究有哪些路径可以实现，从而选择效果更好或效率更高的方式。

抠出人像，我们有几种选择：

当然，还有更智能的选择，比如使用ComfyUI里的智能抠图节点，

。

Grounding DINO能够根据用户输入的文本描述检测图像中的物体，生成一个大致的区域范围，而SAM(Segment Anything Model)可以在这个区域里做更仔细的分割，把物体抠出来并生成相应的蒙版。

现在，我把图片加载上去，然后描述要抠的是坐着的这位美女，很快就可以得到抠出以后的人像和对应的蒙版信息了。

至于手绘风格，我们也有多种方法：

别忘了，重绘人物时加上ControlNet来保持人物的关键特征，而选用哪种Controlnet更合适呢？这也是需要你不断尝试的。

在尝试不同方法的时候，我们可以灵活选用不同的操作界面。比如在WebUI里测试不同模型的效果，毕竟在工作流搭建完成前，WebUI操作起来更方便。

准备工作做完了，现在我们来搭建工作流。

我的建议是：

。想象我们在用积木搭一只巨型猛兽，我们暂时还不清楚它的整体身形，但是可以先把它的头部、四肢、身体、尾巴等核心部位一一搭出来，然后再逐步拼接，渐次成型。

具体步骤如下：

1.

在ComfyUI的界面上，我们先把每个环节的核心节点添加上：

连接节点时，我们可以采用“顺序连接、逆向倒推、输入点填满”三种思路。

从最开始的只有一侧端口的节点出发，去思考有哪些地方会跟它产生直接的联系？

与图像加载器产生直接联系的地方有抠图节点、局部重绘、ControlNet。所以从“Load Image”出发的路径有：

与此同时，你还可以以一种倒推的思路来连线，并在此过程中对核心节点查漏补缺。

比如KSampler，输入端口“条件”，可以逆向连接到ControlNet输出的条件。而ControlNet的条件是和文本编码器读取的提示词条件汇集在一起的，所以它的前面又可以连到文本编码器。文本编码器的Clip直接连回模型加载器。

一般情况下，所有节点的输入端口都必须被填满（少量拥有多个功能分支的复杂节点除外）才能正常工作。所以到最后，我们检查看看还有哪些节点的输入没被连上的。

不知不觉间，工作流的核心部分就已经全部串联起来了。

经过前面的步骤，一个工作流的大体框架已经搭建出来了。接下来就是完善工作流，比如添加一些调节参数类型的节点：

，这样不用每张图片都亲自填写提示词。

，自动调整图片尺寸，提高工作流效率。

另外，还可以在抠图节点和ControlNet后面添加

，以检查阶段输入结果是否合理。

首先测试工作流是否能正常运转，如果前面的操作都到位，这一步应该没什么问题。然后，我们就可以微调各项参数，比如抠图的阈值、lora权重、ControlNet权重、重绘幅度等，找到最佳配置。建议多换几张不同规格/形式的图片，检查是否能稳定输出符合要求的结果。

强迫症患者可能会很喜欢这一步。刚完成的工作流界面是这样：

如果只是自己使用，那问题不大。但如果需要分享出去，可就得花时间整理一下了，否则这杂乱无章的节点和连线容易令人抓狂。

首先，把同一功能的节点归在一起，然后上下左右对齐，调节大小，统一颜色。还可以编组，并添加使用标注。对于不再需要修改内容的节点，可以点击左上角的圆点将其隐藏。

好了，整理好的界面是这样的，是不是比刚刚的整齐多了？