ComfyUI 新手入門全攻略：節點工作流與生圖實戰教學

對於剛接觸 Stable Diffusion 或 Flux 的創作者來說，ComfyUI 的節點式介面（Node-based Interface）初看可能像一張複雜的電路圖令人望而生畏。但只要掌握核心邏輯，你會發現 ComfyUI 遠比傳統 WebUI 更加強大、可控且大幅節省顯存。

為什麼越來越多 AI 創作者轉向 ComfyUI？

1. 模組化與極致可控：ComfyUI 將 AI 生圖的每一個底層步驟（加載模型、處理提示詞、降噪採樣、解碼像素）拆解為獨立節點。你可以清晰看到數據如何流動，自由插拔 LoRA、ControlNet 或放大器。
2. 顯存利用率更高：不同於 WebUI 一股腦將所有組件常駐顯存，ComfyUI 採用按需調度機制。生成不同尺寸或切換大模型（如 SDXL、Flux）時不易崩潰報錯（OOM）。
3. 工作流一鍵分享與復用：任何一張由 ComfyUI 生成的 PNG 圖片，背後都嵌入了完整的工作流節點資訊。只需將圖片直接拖曳進瀏覽器介面，整套生圖流程便會瞬間復原。

新手必學的核心基礎節點鏈條

• Load Checkpoint（加載檢查點）：提供 MODEL（主模型）、CLIP（文本編碼器）與 VAE（圖像解碼器）。
• CLIP Text Encode（正反向提示詞）：將你輸入的文字轉化為 AI 理解的條件向量（Conditioning）。
• Empty Latent Image（空白潛空間）：設定生圖的初始解析度與批次大小。
• KSampler（核心採樣器）：AI 生圖的核心引擎，負責從隨機噪點中逐步去噪生成畫面的潛在表徵。
• VAE Decode（VAE 解碼器）：將潛空間數據還原為人眼可見的高清 RGB 圖片，最終輸出至 Save Image。