今天展示的案例是一个基于SDXL Base 与 Refiner 双模型链路的 ComfyUI 工作流。整个流程以空白潜空间为起点，通过文本提示词编码与采样步骤逐层迭代生成图像，再借助 Refiner 模型完成精修，最终由 VAE 解码器将潜空间数据还原为可见图像并保存。该设计能够在保持生成自由度的同时提升画面质量，适合演示基础到进阶的多阶段合成过程。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（Base 正向） 基础生成语义构图指令CLIPTextEncode（Base 反向） 基础阶段杂质与错误抑制CLIPTextEncode（Refiner 正向） 高分辨率细节语义复写CLIPTextEncode（Refiner 反向） 高分辨率瑕疵过滤使用方法应用场景开发与应用工作流介绍本工作流的核心是利用Base 模型与Refiner 模型的分工协作来生成高质量图像。Base 模型负责生成整体画面构架与细节雏形，而 Refiner 模型则对输出进行二次处理，使图像更加清晰自然。节点结构围绕文本提示词编码、潜空间采样、VAE 解码以及图像保存展开，所有环节通过精确的参数控制互相衔接。配合步骤控制节点，可以灵活设定迭代次数与切换步数，从而保证采样过程在效率与效果间取得平衡。核心模型在这个工作流中，Base 模型与 Refiner 模型分别加载自 SDXL 的官方权重文件。Base 模型负责生成主要画面，Refiner 则在后续步骤进行精修，最终通过 VAE 将潜空间结果解码为图像。两者结合保证了生成的画面既有整体的构图感，又具备细节上的锐利与自然。模型名称说明sd_xl_base_1.0.safetensors用于图像的初始生成，负责画面整体框架与主体结构sd_xl_refiner_1.0.safetensors用于二