发现全球最佳 AI 工具

AI Stack Nav 网站发布教程版｜节点详解 · 工作流案例 · 资源推荐 · 新手避坑

发布定位 这篇文章适合作为 ComfyUI 教程栏目、AI 绘画工具栏目和付费下载资源页的导流文章。正文提供 50 个常用节点、10 套工作流资源方向、安装排错流程和 FAQ，可直接改写为网站文章或下载包说明。

文章摘要

ComfyUI 的优势在于节点式工作流：每一个节点负责一个清晰功能，用户可以像搭积木一样把模型加载、提示词编码、采样、放大、局部重绘、ControlNet、IPAdapter、保存输出串联起来。对于新手而言，真正的难点不是“会不会点生成”，而是能否看懂节点之间的连接关系，知道缺失节点如何安装，知道不同工作流适合解决什么问题。

本文围绕“50 个 ComfyUI 常用节点与工作流资源整理”展开，帮助读者建立一套可复用的节点认知框架。文章不仅列出节点名称，还会说明用途、适用场景、使用建议和常见坑点，适合用于网站发布、教程合集、付费资源说明页或企业内部 AI 绘图培训资料。

适合人群 ComfyUI 新手、AI 绘画创作者、电商视觉运营、短视频素材生产者、AI 教程站长、准备整理 ComfyUI 付费资源包的内容创作者。

为什么要整理 ComfyUI 节点与工作流资源

1. 节点名称多，新手容易迷路

ComfyUI 的灵活性来自节点系统，但这也意味着界面里会出现大量英文节点名称。新手第一次打开别人分享的工作流时，经常会遇到红色缺失节点、模型路径错误、参数不理解、连线看不懂等问题。

2. 工作流资源质量参差不齐

网上的 ComfyUI 工作流很多，但不是每一套都适合直接商用。有些流程依赖过多，有些缺少模型说明，有些只适合特定版本。整理资源时要重点关注“可复现、可解释、可维护、可迁移”。

3. 商业项目更需要稳定流程

如果用于电商主图、产品图、人像写真、短视频封面或企业宣传图，稳定比炫技更重要。一个好的工作流应该能让使用者快速定位问题、快速替换模型、快速批量输出，而不是每次都重新搭建。

ComfyUI 入门前必须理解的 5 个概念

概念	解释
节点	一个功能模块，例如加载模型、输入提示词、采样、解码、保存图片。
连线	节点之间的数据传递关系，决定工作流执行顺序和输入输出。
工作流	由多个节点和连线组成的完整流程，可以保存为 JSON，也可以嵌入到图片元数据中。
模型	包括 checkpoint、LoRA、VAE、ControlNet、IPAdapter、超分模型等。
参数	例如 Seed、Steps、CFG、Sampler、Scheduler、Denoise、分辨率等，决定出图风格和稳定性。

基础工作流示意图

如果只想先跑通一张图，可以从最基础的文生图流程开始。这个流程的逻辑非常清晰：加载模型，输入提示词，创建空画布，采样生成，解码成图片，最后保存。

图示：ComfyUI 基础工作流从模型加载到最终图片输出的节点连接关系。

50 个常用节点分类地图

为了降低学习门槛，可以把常用节点分成六大类：加载与输入、提示词与条件、采样与潜空间、控制与增强、图像处理与高清修复、输出与工作流管理。

图示：50 个常用节点的分类逻辑，适合做成网站文章配图或课程讲义。

50 个 ComfyUI 常用节点清单

下面的清单以实用为导向，既包含核心基础节点，也包含工作流中经常遇到的插件节点。不同版本或插件包中的节点名称可能略有差异，实际使用时以当前安装环境为准。

加载与输入类节点

序号	节点名称	类型	主要用途	使用建议
1	Checkpoint Loader	核心	加载主模型 checkpoint，是文生图/图生图流程的起点。	优先确认模型版本：SD1.5、SDXL、FLUX 不要混用流程。
2	VAELoader	核心	单独加载 VAE，用于改善色彩、细节和解码效果。	出现灰图、颜色怪、细节脏时优先检查 VAE。
3	Load Image	核心	导入参考图、蒙版图或图生图素材。	拖入图片后检查尺寸与透明通道。
4	Load Image Batch	插件常见	批量读取文件夹中的图片，适合批量重绘。	用于电商图、头像批量化时效率更高。
5	Load LoRA	核心/插件	加载 LoRA 风格、角色或产品微调权重。	权重建议从 0.4-0.8 起步，不要一开始拉满。
6	Load ControlNet Model	核心/插件	加载 ControlNet 模型，用于姿态、线稿、深度等控制。	ControlNet 模型必须匹配基础模型体系。

提示词与条件类节点

序号	节点名称	类型	主要用途	使用建议
7	CLIP Text Encode	核心	将正向/反向提示词编码为 conditioning。	正向写主体、风格、镜头；反向写瑕疵、低质、变形。
8	CLIP Text Encode SDXL	核心	适配 SDXL 的文本编码节点。	SDXL 可区分主提示与风格补充，适合高质量摄影感。
9	Conditioning Combine	核心	合并多个条件，用于多段提示词或多种控制。	适合将主提示、风格提示、局部控制组合。
10	Conditioning Average	核心	按权重混合多个条件。	适合平衡两种风格，不适合精确局部控制。
11	Conditioning Set Area	核心	限定某段提示词影响画面区域。	用于局部换衣、局部风格、区域构图。
12	Conditioning Set Mask	核心	让提示词只作用在蒙版区域。	配合局部重绘、产品替换、背景替换使用。
13	CLIP Set Last Layer	核心	调整 CLIP 输出层，影响提示词理解方式。	SD1.5 老模型常见；不懂时保持默认。

采样与潜空间类节点

序号	节点名称	类型	主要用途	使用建议
14	Empty Latent Image	核心	创建空 latent，设置宽高和批量数。	SDXL 常用 1024 起步；显存低先降尺寸。
15	KSampler	核心	核心采样节点，控制 Seed、Steps、CFG、Sampler、Scheduler。	固定 Seed 后再调参数，便于对比。
16	KSampler Advanced	核心	进阶采样，可控制起止步数与噪声添加。	常用于高清修复、二次采样、局部重绘。
17	Latent Upscale	核心	在 latent 阶段放大图像。	速度快但细节可能不如图像超分稳定。
18	Latent Upscale By	核心	按倍率放大 latent。	适合 1.5x、2x 等二次生成流程。
19	Latent Composite	核心	合成多个 latent 区域。	用于局部合成、分区生成。
20	Repeat Latent Batch	核心	重复 latent 批量，提高一次出图数量。	批量越高越吃显存。

控制与增强类节点

序号	节点名称	类型	主要用途	使用建议
21	ControlNet Apply	核心/插件	把 ControlNet 条件应用到正负提示词。	强度过高会僵硬，建议 0.45-0.8 起步。
22	ControlNet Apply Advanced	插件常见	可控制起止步数、强度和多控制。	适合精确姿态、线稿、深度图控制。
23	Canny / Lineart Preprocessor	插件	生成边缘/线稿控制图。	适合产品轮廓、建筑、插画线稿。
24	Depth Preprocessor	插件	生成深度图，控制空间关系。	适合室内、产品场景、人物空间构图。
25	OpenPose Preprocessor	插件	提取人物姿态骨架。	适合人物动作、服装模特、角色图。
26	IPAdapter Model Loader	插件	加载 IPAdapter 模型，用参考图控制风格或主体。	用于产品一致性、人物脸型、风格参考。
27	Apply IPAdapter	插件	将参考图特征注入生成过程。	权重过高会复制参考图，需注意版权和相似度。
28	Face Detailer	插件	自动识别人脸并进行细节修复。	适合人像图，但不要过度磨皮。
29	Detailer / SEGS Detailer	插件	检测局部区域并放大修复。	常用于手部、面部、商品细节。

图像处理与高清修复类节点

序号	节点名称	类型	主要用途	使用建议
30	VAE Encode	核心	将图片编码回 latent，用于图生图或重绘。	图生图流程必备。
31	VAE Decode	核心	将 latent 解码为可见图片。	解码后才能预览、保存或继续图像处理。
32	VAE Encode for Inpaint	核心	局部重绘专用编码。	与蒙版、局部修复工作流配合。
33	Set Latent Noise Mask	核心	限定噪声作用区域。	用于只重绘蒙版区域，保留其他区域。
34	Image Scale	核心	按指定尺寸缩放图片。	上传参考图前先统一尺寸，减少错位。
35	Image Scale By	核心	按倍率缩放图片。	适合批量 2x 或 0.5x 处理。
36	Upscale Model Loader	核心	加载超分模型。	常配合 ESRGAN、4xUltraSharp 等模型。
37	Image Upscale with Model	核心	使用超分模型放大图片。	适合成图后的高清输出。
38	Image Crop	核心/插件	裁剪图像区域。	用于头像、商品图、局部修复前处理。
39	Image Composite Masked	核心	按蒙版把一张图合成到另一张图。	适合产品贴图、局部替换、背景替换。
40	Image to Mask	核心	从图像通道生成蒙版。	适合黑白蒙版、透明通道转蒙版。
41	Mask to Image	核心	将蒙版转为可视图片。	便于检查蒙版边缘是否准确。
42	Grow Mask	核心/插件	扩展蒙版边缘。	局部重绘时避免边缘硬切。
43	Feather Mask	核心/插件	柔化蒙版边缘。	让局部重绘过渡更自然。

输出与工作流管理类节点

序号	节点名称	类型	主要用途	使用建议
44	Preview Image	核心	临时预览结果，不一定保存。	调试阶段使用，避免输出文件夹混乱。
45	Save Image	核心	保存最终图像。	建议设置前缀，方便按项目归档。
46	Load Latent	核心	读取已保存的 latent。	适合二次采样或流程断点续跑。
47	Reroute	核心	整理连线，让复杂工作流更清晰。	分享工作流前务必整理连线。
48	Note	核心/插件	在画布中添加说明。	写明模型、参数、安装依赖，便于售后。
49	Primitive	核心	输入通用参数值。	适合把多个节点共用参数统一管理。
50	Seed Generator	插件常见	自动生成或管理 Seed。	做批量图时提高变化效率。

10 套常见工作流资源方向

节点学会后，下一步不是盲目收集更多插件，而是按场景整理工作流。下面这 10 类工作流最适合做成资源包、教程合集或网站下载内容。

工作流方向	适用场景	核心链路	整理建议
基础文生图工作流	新手入门、快速出图	Checkpoint Loader → CLIP Text Encode → Empty Latent → KSampler → VAE Decode → Save Image	先跑通，再加 LoRA、高清修复或 ControlNet。
图生图重绘工作流	参考图改风格、海报变体	Load Image → VAE Encode → KSampler → VAE Decode	控制 denoise，越低越保留原图。
局部重绘工作流	换背景、修手、修脸、改商品局部	Load Image + Mask → VAE Encode for Inpaint → KSampler	蒙版边缘要羽化，否则容易硬边。
ControlNet 姿态工作流	人物动作、服装模特、角色图	OpenPose/Depth/Canny → ControlNet Apply → KSampler	控制强度不要过高，避免画面僵硬。
IPAdapter 参考图工作流	主体一致性、风格参考、产品系列图	Load Image → IPAdapter → KSampler	参考图权重要适中，避免过度复制。
LoRA 风格化工作流	角色、画风、产品风格统一	Checkpoint + LoRA Loader → KSampler	记录每个 LoRA 权重，便于复现。
高清修复工作流	商品图、海报图、人像图出大图	基础出图 → Upscale Model → 二次采样	先小图确定构图，再放大修复。
批量出图工作流	电商 SKU、头像、素材包	Load Batch / Repeat Batch → KSampler → Save Image	做好文件名前缀和批次命名。
视频/动效工作流	短视频素材、动画分镜	AnimateDiff/视频节点 → 关键帧/参考图 → 输出	显存要求高，先低分辨率测试。
商业交付工作流	给客户交付可复用方案	Note + Reroute + 模型清单 + 参数说明	交付时附依赖清单，减少售后成本。

常用工作流资源推荐

整理 ComfyUI 资源时，建议把节点插件、模型资源、工作流 JSON、示例图和说明文档分开管理。对于网站下载资源，最关键的是让用户知道：需要安装什么、模型放哪里、导入后如何测试、报错怎么处理。

资源/插件	主要功能	适用建议
ComfyUI-Manager	节点安装/更新/禁用/启用管理	新手必装，用于发现缺失节点和管理扩展。
ControlNet Auxiliary Preprocessors	Canny、Depth、OpenPose 等预处理	做姿态、线稿、深度控制时常用。
IPAdapter Plus	参考图主体/风格一致性	产品一致性、人像风格迁移、系列图很常用。
ComfyUI Impact Pack	Detailer、分割、局部修复	适合脸部、手部、商品细节自动修复。
WAS Node Suite	图像处理、文本处理、实用工具	适合批处理和实用型流程。
ComfyUI KJNodes	效率节点与补充工具	适合中高级用户优化复杂流程。
Ultimate SD Upscale	大图放大与分块修复	做海报、电商详情图、高清插画常用。
AnimateDiff Evolved	视频/动画扩展	适合短视频创作和动态画面探索。
ComfyUI Crystools	性能监控与调试	排查显存、速度、硬件瓶颈更直观。
rgthree-comfy	画布整理与效率工具	大型工作流整理、分组、连线管理更方便。

资源安装与排错流程

工作流导入失败并不代表工作流不可用，大多数问题来自缺失节点、缺失模型或版本不兼容。建议用户按下面流程处理。

图示：导入工作流后的节点补齐、模型补齐和低成本测试流程。

新手最容易踩的 12 个坑

1. 模型版本不匹配：SD1.5、SDXL、FLUX 的工作流、LoRA、ControlNet 不能随意混用。
2. 只复制 JSON 不复制模型清单：工作流能导入，但无法跑通。
3. 插件安装后不重启：节点仍然显示缺失。
4. 提示词过长但结构混乱：模型无法抓住主体。
5. Seed 每次随机：无法对比参数变化。
6. 分辨率一开始设太高：显存不足或生成速度极慢。
7. ControlNet 强度过高：构图死板，画面像被线稿锁住。
8. LoRA 权重过高：脸崩、风格过重、主体失真。
9. 蒙版边缘不羽化：局部重绘出现硬边。
10. 没有整理 Reroute 和 Note：工作流分享后别人难以理解。
11. 盲目更新所有节点：旧工作流可能因为版本变化失效。
12. 把未经授权的模型打包售卖：存在版权和合规风险。

可复制的工作流说明 Prompt

如果你要把某个 ComfyUI 工作流整理成教程或下载资源，可以把下面的 Prompt 复制给 ChatGPT，让它帮助你生成说明文档。

Prompt 模板：工作流说明文档生成 请根据我提供的 ComfyUI 工作流截图/节点清单，生成一份面向新手的说明文档，包含：工作流用途、适合场景、所需模型、所需自定义节点、节点连接逻辑、关键参数解释、导入步骤、常见报错、优化建议、商用注意事项。要求语言通俗，结构清晰，适合放在 AI Stack Nav 下载资源页。

Prompt 模板：节点功能解释 请用表格解释以下 ComfyUI 节点：节点名称、属于哪一类、输入输出是什么、在工作流中的作用、新手常见错误、推荐参数或使用建议。请用中文说明，并给出一个适合实际项目的应用例子。

如何把本文改成付费下载资源页

资源包可以包含哪些内容

• ComfyUI 常用节点速查表：按分类整理，适合新手打印或收藏。
• 工作流 JSON 示例：基础文生图、图生图、局部重绘、ControlNet、IPAdapter、高清修复。
• 模型放置目录说明：checkpoints、loras、vae、controlnet、upscale_models。
• 常见报错解决清单：缺节点、缺模型、显存不足、导入失败、依赖安装失败。
• 示例图与参数：每套工作流配一张示例图和核心参数截图。
• 更新记录：说明适配的 ComfyUI 版本和插件更新时间。

售后边界建议

付费下载资源页要提前写清楚售后边界：资源包提供教程说明与示例工作流，但不保证每台电脑都能直接跑通；不同显卡、驱动、Python 环境、ComfyUI 版本、模型版本都会影响结果。建议提供基础安装指导，但不承诺代装环境或解决所有本地兼容问题。

FAQ 常见问题

新手应该先学哪些节点？

先掌握 Checkpoint Loader、CLIP Text Encode、Empty Latent Image、KSampler、VAE Decode、Save Image 六个基础节点，再逐步学习 LoRA、ControlNet、IPAdapter、Upscale 和 Inpaint。

工作流导入后出现红色节点怎么办？

红色节点通常表示缺失自定义节点。先查看节点名称，再通过 ComfyUI-Manager 安装对应插件；安装后重启 ComfyUI 并刷新页面。

为什么别人给的工作流我跑不出来？

常见原因包括缺少模型、缺少节点、模型路径不一致、插件版本不一致、显存不足。建议先看终端日志，再逐项补齐依赖。

ComfyUI 节点越多效果越好吗？

不是。节点越多代表可控性更强，但也更容易出错。商业项目应优先使用稳定、可复现、易维护的流程。

ControlNet 和 IPAdapter 有什么区别？

ControlNet 更适合控制姿态、边缘、深度、线稿等结构；IPAdapter 更适合参考图风格、主体一致性和视觉特征迁移。

如何把工作流整理成可售卖资源？

需要附带模型清单、节点依赖、安装步骤、参数说明、示例图、常见报错解决方法，并避免打包未经授权的模型或素材。

显存不够如何优化？

降低分辨率、减少 batch、减少 ControlNet/IPAdapter 叠加数量、关闭不必要的预览、使用低显存参数或分步放大。

下载别人的节点安全吗？

只从可信来源安装，尽量使用 GitHub 项目页和社区口碑较好的节点；安装后关注终端日志，不要运行来源不明的脚本。

免责声明

本文整理的节点名称、插件方向和工作流建议仅用于学习、创作和内容发布参考。ComfyUI、插件节点和模型生态更新较快，实际界面、节点名称和兼容性可能随版本变化。使用第三方模型、LoRA、工作流和素材时，请遵守对应授权协议、平台规则和商业使用条款。