今天展示的案例是一个基于LoRA 应用的 ComfyUI 工作流，通过加载预训练基础模型并叠加多个 LoRA 模型，实现了特定风格和主题的图像生成。整个流程包含了从文案提示词编码、潜变量采样，到最终解码和保存图像的完整链路。在演示中，LoRA 模型与基础 Checkpoint 模型的结合，使得生成的角色形象具备高度定制化效果，尤其适用于需要固定风格或主题的创作场景。文章目录工作流介绍核心模型Node节点工作流程大模型应用CLIPTextEncode（正向） 文生图 + LoRA 风格语义核心CLIPTextEncode（负向） 图像质量与干扰抑制TextEncodeForSamplerParams+ 采样器增强提示词Joy_caption_two / MyOllamaVision 反推生成提示词使用方法应用场景开发与应用工作流介绍该工作流以dreamshaper_8作为主干模型，通过blindbox_v1_mix与MoXinV1两个 LoRA 模型叠加应用，配合正向和负向提示词的语义约束，最终输出具有精细细节和独特风格的高清图像。解码环节由 VAE 完成，确保潜变量转换为符合人眼审美的高质量画面。核心模型工作流的核心由基础 Checkpoint 模型和多个 LoRA 模型构成，Checkpoint 负责图像生成的总体风格与质量，LoRA 则在细节和主题方向上进行微调。通过 LoRA Loader 可以灵活调整模型强度，实现风格迁移与内容融合。模型名称说明dreamshaper_8.safetensors基础 Checkpoint 模型，负责整体画面生成与细节质量保证blindbox_v1_mix.safetensorsLoRA 模型，用于叠加混合风格，增强画面表现力M