Nunchaku FLUX.1-dev 文生图进阶ComfyUI可视化工作流搭建与优化你是不是已经部署好了Nunchaku FLUX.1-dev模型但总觉得用命令行或者简单的WebUI界面不够灵活想尝试更复杂的提示词组合、更精细的图像控制却苦于没有直观的工具今天我们就来聊聊如何把这个强大的文生图模型接入到ComfyUI这个“可视化编程”工具里。用ComfyUI你可以像搭积木一样通过连接不同的节点构建出属于你自己的、独一无二的文生图工作流。无论是想批量生成不同风格的图片还是想对生成结果进行复杂的后期处理都能在可视化的界面里轻松搞定。这篇文章就是带你从零开始把FLUX.1-dev装进ComfyUI并搭建起第一个能跑通的工作流。整个过程就像拼乐高你会发现原来高级的AI绘画可以这么直观、好玩。1. 准备工作与环境检查在开始连接节点之前我们得确保手头的“零件”都齐全。这里不需要你重新部署模型主要是把ComfyUI这个“工作台”准备好并把FLUX.1-dev这个“核心引擎”放对位置。首先你需要一个已经能正常运行的ComfyUI环境。如果你还没安装可以去ComfyUI的官方仓库按照说明进行安装过程并不复杂。假设你的ComfyUI已经启动并能看到那个布满网格的空白画布界面。接下来是关键一步放置模型。找到你的ComfyUI安装目录里面会有一个叫models的文件夹。在这个文件夹下你需要找到或创建checkpoints子目录。把你从Nunchaku获取的FLUX.1-dev模型文件通常是.safetensors格式复制到这个checkpoints文件夹里。完成这一步后重启一下ComfyUI。当你点击画布在右侧的节点搜索框里输入“load checkpoint”时如果能在下拉列表中看到你的FLUX.1-dev模型文件那就说明准备工作大功告成了。2. 认识ComfyUI的核心节点第一次打开ComfyUI的界面可能会被满屏的英文和密密麻麻的节点类型吓到。别担心我们不需要一下子掌握所有节点就像学做饭不用先认全所有调料。我们先认识几个最常用、构建文生图流程必不可少的“基础调料”。加载检查点 (Load Checkpoint)这个节点就是我们的“模型启动器”。它会读取你放在checkpoints文件夹里的模型文件比如FLUX.1-dev并将其加载到内存中准备干活。它会输出一个包含模型信息的管道后续很多节点都要连接到它。CLIP文本编码器 (CLIP Text Encode)这是理解你文字描述的“翻译官”。它有两个输入口一个接正面提示词Positive一个接负面提示词Negative。你把“一只戴着礼帽的猫”这样的描述给它它就把这句话转换成模型能理解的数学向量。通常你需要两个这样的节点分别处理正面和负面提示词。空潜变量 (Empty Latent Image)你可以把它想象成一块规定尺寸的“画布底板”。在这里你设置最终生成图片的宽度、高度以及一次生成几张批次大小。它不包含任何图像内容只是定义了生成空间的尺寸。采样器 (KSampler / KSampler Advanced)这是整个工作流的“总指挥”和“绘画引擎”。它把模型、提示词向量、初始噪声或图像以及各种采样参数如步数、采样方法、调度器整合在一起执行去噪和图像生成的复杂计算。我们的大部分高级控制比如生成步数、种子固定都在这里设置。VAE解码器 (VAE Decode)模型在采样过程中其实是在一个叫“潜空间”的高维世界里作画我们人眼是看不懂的。VAE解码器的作用就是把“潜空间”里画好的作品“解码”成我们能看到的标准RGB图片。只要把这五个节点按正确顺序连接起来一个最基础的文生图流水线就搭建完成了。接下来我们就动手把它们拼起来。3. 搭建你的第一个FLUX工作流理论说再多不如动手搭一遍。我们就在ComfyUI的空白画布上从无到有构建一个能调用FLUX.1-dev模型生成图片的工作流。首先在画布空白处右键选择“Add Node”。我们按顺序添加并设置节点添加并设置Load Checkpoint节点在搜索框输入“load checkpoint”并选择它。点击节点上的按钮在弹出的模型列表中选择你放置好的FLUX.1-dev模型文件。成功加载后节点会输出MODEL和CLIP两个连接点。添加并设置CLIP Text Encode节点添加两个“CLIP Text Encode”节点。一个我们将它命名为“正面提示词”另一个命名为“负面提示词”。将第一个CLIP Text Encode节点的CLIP输入口用鼠标拖拽连接到Load Checkpoint节点的CLIP输出口。在这个节点的text输入框里输入你想要的画面描述比如“masterpiece, best quality, a beautiful sunset over a mountain lake”。对第二个节点进行同样操作连接CLIP并在text输入框里输入你不希望出现的元素比如“low quality, blurry, ugly”。添加并设置Empty Latent Image节点添加该节点用于定义生成图片的规格。例如将宽度width设为1024高度height设为1024批次大小batch_size设为1。这表示一次生成一张1024x1024的图片。添加并设置KSampler节点这是核心控制节点。添加后进行如下连接model连接Load Checkpoint节点的MODEL输出。positive连接第一个正面CLIP Text Encode节点的CONDITIONING输出。negative连接第二个负面CLIP Text Encode节点的CONDITIONING输出。latent_image连接Empty Latent Image节点的LATENT输出。参数设置建议采样器sampler可以选择dpmpp_2m或euler调度器scheduler可以选择karras或simple。总步数steps可以设为20-30CFG尺度cfg可以设为7-8。种子seed可以留空随机也可以固定一个数字以便复现结果。添加并设置VAE Decode节点最后添加这个节点将采样器输出的潜变量转换为图像。将其samples输入口连接到KSampler节点的LATENT输出口。将其vae输入口连接到Load Checkpoint节点的VAE输出口。至此所有节点连接完毕。你的工作流应该看起来像一条清晰的流水线检查点加载 → 提示词编码 → 定义画布 → 采样生成 → 解码输出。点击右下角的“Queue Prompt”按钮ComfyUI就会开始运行这个工作流。稍等片刻你就能在VAE Decode节点上看到生成的图片了右键点击图片可以选择保存。4. 工作流优化与进阶技巧成功跑通第一个流程只是开始。ComfyUI的强大之处在于其无与伦比的灵活性和可扩展性。下面我们来看看如何优化和扩展这个基础工作流让它更强大、更高效。4.1 提示词管理与风格控制每次都手动在两个CLIP节点里打字很麻烦。你可以使用Text输入节点来代替直接输入。添加两个“Text”节点在搜索框输入“string”或“text”将它们的输出分别连接到两个CLIP节点的text输入口。这样你修改提示词时就不需要点开CLIP节点的小窗口了直接在画布上编辑文本节点即可管理起来清晰很多。想让生成的图片具有某种特定风格除了在提示词里描述还可以利用LoRALow-Rank Adaptation。添加一个“Lora Loader”节点将其model和clip输入口连接到Load Checkpoint节点之后再将它的输出接到CLIP节点之前。这样你就可以加载各种画风LoRA比如动漫风、水墨风、像素艺术等在不改变基础模型的情况下强力控制输出风格。4.2 图像质量提升与后处理基础生成的结果可能还不够完美。我们可以添加后处理节点来提升质量。高清修复 (Hi-Res Fix)这是一种常用的提升细节的方法。它的原理是先以较低分辨率生成图像再放大并补充细节。你可以使用Latent Upscale节点在潜空间进行放大然后连接第二个KSampler节点进行细节重绘此时步数和CFG可以调低。也可以使用UltimateSDUpscale等自定义节点实现更灵活的分块放大重绘。面部修复与细节增强如果生成的人像面部崩坏可以接入FaceDetailer这类节点它能自动检测人脸区域并用专门的模型进行修复。对于通用细节增强UltimateSDUpscale也常常能带来惊喜。基础调整ComfyUI内置了Image Scale、Image Blur、Image Hue/Saturation等节点可以方便地进行缩放、模糊、调色等基础操作。4.3 工作流效率与复用当你搭建出一个复杂而满意的工作流后肯定不想每次重启软件都重搭一遍。保存与加载工作流ComfyUI画布右上角有“Save”和“Load”按钮。点击“Save”会将当前画布上所有节点及其连接关系、参数保存为一个.json文件。下次使用时点击“Load”加载这个文件所有配置瞬间恢复。使用自定义节点社区开发者创造了海量的自定义节点可以实现超分辨率、姿态控制、语义分割、复杂逻辑判断等高级功能。通过ComfyUI Manager可以方便地浏览和安装这些节点极大扩展你的创作边界。批量处理通过设置Empty Latent Image的batch_size或使用Image Batch节点配合循环逻辑可以实现图片的批量生成非常适合需要大量出图的场景。5. 总结把Nunchaku FLUX.1-dev接入ComfyUI就像给一台高性能发动机装上了全液晶仪表盘和自定义操控杆。你不再是被动地输入文本等待输出而是能清晰地看到数据流向并能亲手调整每一个影响最终结果的环节。从最基础的提示词编码到采样循环再到复杂的后处理流水线一切都变得可视化、可干预。刚开始接触节点连接可能会觉得有点复杂但一旦理解了“加载模型→编码文本→采样→解码”这条主线剩下的就是在这条主线上添加各种功能“模块”。多尝试多拆解别人分享的工作流是快速上手的最佳途径。最重要的是你获得了前所未有的控制力和复现能力任何成功的生成结果都可以通过保存工作流文件来完美保留。希望这篇教程能帮你打开ComfyUI的大门用可视化的方式更自由地驾驭FLUX.1-dev的创作能力。动手搭一个试试吧你会发现这种“编程”式的创作其乐无穷。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Nunchaku FLUX.1-dev 文生图进阶：ComfyUI可视化工作流搭建与优化
发布时间：2026/6/23 4:40:33
Nunchaku FLUX.1-dev 文生图进阶ComfyUI可视化工作流搭建与优化你是不是已经部署好了Nunchaku FLUX.1-dev模型但总觉得用命令行或者简单的WebUI界面不够灵活想尝试更复杂的提示词组合、更精细的图像控制却苦于没有直观的工具今天我们就来聊聊如何把这个强大的文生图模型接入到ComfyUI这个“可视化编程”工具里。用ComfyUI你可以像搭积木一样通过连接不同的节点构建出属于你自己的、独一无二的文生图工作流。无论是想批量生成不同风格的图片还是想对生成结果进行复杂的后期处理都能在可视化的界面里轻松搞定。这篇文章就是带你从零开始把FLUX.1-dev装进ComfyUI并搭建起第一个能跑通的工作流。整个过程就像拼乐高你会发现原来高级的AI绘画可以这么直观、好玩。1. 准备工作与环境检查在开始连接节点之前我们得确保手头的“零件”都齐全。这里不需要你重新部署模型主要是把ComfyUI这个“工作台”准备好并把FLUX.1-dev这个“核心引擎”放对位置。首先你需要一个已经能正常运行的ComfyUI环境。如果你还没安装可以去ComfyUI的官方仓库按照说明进行安装过程并不复杂。假设你的ComfyUI已经启动并能看到那个布满网格的空白画布界面。接下来是关键一步放置模型。找到你的ComfyUI安装目录里面会有一个叫models的文件夹。在这个文件夹下你需要找到或创建checkpoints子目录。把你从Nunchaku获取的FLUX.1-dev模型文件通常是.safetensors格式复制到这个checkpoints文件夹里。完成这一步后重启一下ComfyUI。当你点击画布在右侧的节点搜索框里输入“load checkpoint”时如果能在下拉列表中看到你的FLUX.1-dev模型文件那就说明准备工作大功告成了。2. 认识ComfyUI的核心节点第一次打开ComfyUI的界面可能会被满屏的英文和密密麻麻的节点类型吓到。别担心我们不需要一下子掌握所有节点就像学做饭不用先认全所有调料。我们先认识几个最常用、构建文生图流程必不可少的“基础调料”。加载检查点 (Load Checkpoint)这个节点就是我们的“模型启动器”。它会读取你放在checkpoints文件夹里的模型文件比如FLUX.1-dev并将其加载到内存中准备干活。它会输出一个包含模型信息的管道后续很多节点都要连接到它。CLIP文本编码器 (CLIP Text Encode)这是理解你文字描述的“翻译官”。它有两个输入口一个接正面提示词Positive一个接负面提示词Negative。你把“一只戴着礼帽的猫”这样的描述给它它就把这句话转换成模型能理解的数学向量。通常你需要两个这样的节点分别处理正面和负面提示词。空潜变量 (Empty Latent Image)你可以把它想象成一块规定尺寸的“画布底板”。在这里你设置最终生成图片的宽度、高度以及一次生成几张批次大小。它不包含任何图像内容只是定义了生成空间的尺寸。采样器 (KSampler / KSampler Advanced)这是整个工作流的“总指挥”和“绘画引擎”。它把模型、提示词向量、初始噪声或图像以及各种采样参数如步数、采样方法、调度器整合在一起执行去噪和图像生成的复杂计算。我们的大部分高级控制比如生成步数、种子固定都在这里设置。VAE解码器 (VAE Decode)模型在采样过程中其实是在一个叫“潜空间”的高维世界里作画我们人眼是看不懂的。VAE解码器的作用就是把“潜空间”里画好的作品“解码”成我们能看到的标准RGB图片。只要把这五个节点按正确顺序连接起来一个最基础的文生图流水线就搭建完成了。接下来我们就动手把它们拼起来。3. 搭建你的第一个FLUX工作流理论说再多不如动手搭一遍。我们就在ComfyUI的空白画布上从无到有构建一个能调用FLUX.1-dev模型生成图片的工作流。首先在画布空白处右键选择“Add Node”。我们按顺序添加并设置节点添加并设置Load Checkpoint节点在搜索框输入“load checkpoint”并选择它。点击节点上的按钮在弹出的模型列表中选择你放置好的FLUX.1-dev模型文件。成功加载后节点会输出MODEL和CLIP两个连接点。添加并设置CLIP Text Encode节点添加两个“CLIP Text Encode”节点。一个我们将它命名为“正面提示词”另一个命名为“负面提示词”。将第一个CLIP Text Encode节点的CLIP输入口用鼠标拖拽连接到Load Checkpoint节点的CLIP输出口。在这个节点的text输入框里输入你想要的画面描述比如“masterpiece, best quality, a beautiful sunset over a mountain lake”。对第二个节点进行同样操作连接CLIP并在text输入框里输入你不希望出现的元素比如“low quality, blurry, ugly”。添加并设置Empty Latent Image节点添加该节点用于定义生成图片的规格。例如将宽度width设为1024高度height设为1024批次大小batch_size设为1。这表示一次生成一张1024x1024的图片。添加并设置KSampler节点这是核心控制节点。添加后进行如下连接model连接Load Checkpoint节点的MODEL输出。positive连接第一个正面CLIP Text Encode节点的CONDITIONING输出。negative连接第二个负面CLIP Text Encode节点的CONDITIONING输出。latent_image连接Empty Latent Image节点的LATENT输出。参数设置建议采样器sampler可以选择dpmpp_2m或euler调度器scheduler可以选择karras或simple。总步数steps可以设为20-30CFG尺度cfg可以设为7-8。种子seed可以留空随机也可以固定一个数字以便复现结果。添加并设置VAE Decode节点最后添加这个节点将采样器输出的潜变量转换为图像。将其samples输入口连接到KSampler节点的LATENT输出口。将其vae输入口连接到Load Checkpoint节点的VAE输出口。至此所有节点连接完毕。你的工作流应该看起来像一条清晰的流水线检查点加载 → 提示词编码 → 定义画布 → 采样生成 → 解码输出。点击右下角的“Queue Prompt”按钮ComfyUI就会开始运行这个工作流。稍等片刻你就能在VAE Decode节点上看到生成的图片了右键点击图片可以选择保存。4. 工作流优化与进阶技巧成功跑通第一个流程只是开始。ComfyUI的强大之处在于其无与伦比的灵活性和可扩展性。下面我们来看看如何优化和扩展这个基础工作流让它更强大、更高效。4.1 提示词管理与风格控制每次都手动在两个CLIP节点里打字很麻烦。你可以使用Text输入节点来代替直接输入。添加两个“Text”节点在搜索框输入“string”或“text”将它们的输出分别连接到两个CLIP节点的text输入口。这样你修改提示词时就不需要点开CLIP节点的小窗口了直接在画布上编辑文本节点即可管理起来清晰很多。想让生成的图片具有某种特定风格除了在提示词里描述还可以利用LoRALow-Rank Adaptation。添加一个“Lora Loader”节点将其model和clip输入口连接到Load Checkpoint节点之后再将它的输出接到CLIP节点之前。这样你就可以加载各种画风LoRA比如动漫风、水墨风、像素艺术等在不改变基础模型的情况下强力控制输出风格。4.2 图像质量提升与后处理基础生成的结果可能还不够完美。我们可以添加后处理节点来提升质量。高清修复 (Hi-Res Fix)这是一种常用的提升细节的方法。它的原理是先以较低分辨率生成图像再放大并补充细节。你可以使用Latent Upscale节点在潜空间进行放大然后连接第二个KSampler节点进行细节重绘此时步数和CFG可以调低。也可以使用UltimateSDUpscale等自定义节点实现更灵活的分块放大重绘。面部修复与细节增强如果生成的人像面部崩坏可以接入FaceDetailer这类节点它能自动检测人脸区域并用专门的模型进行修复。对于通用细节增强UltimateSDUpscale也常常能带来惊喜。基础调整ComfyUI内置了Image Scale、Image Blur、Image Hue/Saturation等节点可以方便地进行缩放、模糊、调色等基础操作。4.3 工作流效率与复用当你搭建出一个复杂而满意的工作流后肯定不想每次重启软件都重搭一遍。保存与加载工作流ComfyUI画布右上角有“Save”和“Load”按钮。点击“Save”会将当前画布上所有节点及其连接关系、参数保存为一个.json文件。下次使用时点击“Load”加载这个文件所有配置瞬间恢复。使用自定义节点社区开发者创造了海量的自定义节点可以实现超分辨率、姿态控制、语义分割、复杂逻辑判断等高级功能。通过ComfyUI Manager可以方便地浏览和安装这些节点极大扩展你的创作边界。批量处理通过设置Empty Latent Image的batch_size或使用Image Batch节点配合循环逻辑可以实现图片的批量生成非常适合需要大量出图的场景。5. 总结把Nunchaku FLUX.1-dev接入ComfyUI就像给一台高性能发动机装上了全液晶仪表盘和自定义操控杆。你不再是被动地输入文本等待输出而是能清晰地看到数据流向并能亲手调整每一个影响最终结果的环节。从最基础的提示词编码到采样循环再到复杂的后处理流水线一切都变得可视化、可干预。刚开始接触节点连接可能会觉得有点复杂但一旦理解了“加载模型→编码文本→采样→解码”这条主线剩下的就是在这条主线上添加各种功能“模块”。多尝试多拆解别人分享的工作流是快速上手的最佳途径。最重要的是你获得了前所未有的控制力和复现能力任何成功的生成结果都可以通过保存工作流文件来完美保留。希望这篇教程能帮你打开ComfyUI的大门用可视化的方式更自由地驾驭FLUX.1-dev的创作能力。动手搭一个试试吧你会发现这种“编程”式的创作其乐无穷。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
