小樊Felix SD-Comfyui系统教程，ai绘画零基础教学

这套小樊Felix的SD-Comfyui系统教程，面向的是完全没接触过AI绘画、但愿意动手配置环境的人。它不绕开命令行，也不假装ComfyUI是一个点几下就能出图的玩具——从WebUI转到ComfyUI的人都知道，节点式界面第一眼看上去更像电路图而不是画板。教程的价值恰好在这里：把节点连线背后的数据流讲清楚，让后续换模型、加ControlNet、接LoRA时不至于每次都从别人的工作流里复制粘贴。

它讲的技术栈是什么

核心是Stable Diffusion配合ComfyUI这套节点式前端。与AUTOMATIC1111那种表单式界面不同，ComfyUI把采样器、CLIP文本编码、VAE解码、潜空间图像这些环节拆成独立节点，用连线定义执行顺序。教程覆盖的基础链路大致是：模型加载→提示词编码→K采样→VAE解码→保存图像，这条链路跑通之后，再往上叠图生图、局部重绘、ControlNet约束和LoRA微调权重。理解节点之间的张量流向，比记住某个具体参数值更重要，因为换一个采样器或换一个底模，参数就得重新调。

项目结构与工作流组织

ComfyUI的工作流以JSON保存，节点、连线、参数都在里面。教程会带你认识几类复用单元：基础文生图工作流、带ControlNet的约束工作流、以及用于批处理的图生图链路。实际使用时，可以把常用节点组合成Group，或者直接保存成模板，下次拖进来改提示词即可。资源目录方面，底模放checkpoints，LoRA放loras，ControlNet模型放controlnet，VAE单独放vae——这些目录一旦搞混，节点就会报找不到模型。教程把这些路径关系讲明白，省去大量排查时间。

可复用的模块思路

• 提示词模板：把正向、负向提示词拆成可替换片段，换主题时只改主体描述，风格词和画质词保持稳定。
• ControlNet组合：OpenPose控姿势、Depth控景深、Canny控边缘，按需叠加，而不是一股脑全开。
• 采样参数预设：步数、CFG、采样器、调度器成组保存，出图风格稳定后再微调。
• 批处理与队列：用队列跑多组种子，先筛构图再放大，避免在高分辨率上浪费时间。

这些模块拆出来之后，做系列图或商业稿时就能保持一致性，而不是每张图都从头抽卡。

环境与显存的实际约束

SD对显存敏感。6GB到8GB的卡跑512×512文生图通常够用，但上到1024或开多个ControlNet就容易爆。教程里会涉及低显存模式、分步放大（先低分辨率出图，再用图生图放大）这类折中做法。安装环节涉及Python环境、PyTorch与CUDA版本匹配、以及git拉取自定义节点，这部分对零基础读者是门槛，但绕不过去——把环境跑通，后面才是创作。

怎么用这份资料自学

建议按“先跑通再改造”的顺序：第一遍照着搭出能出图的最小工作流，确认模型路径和显存没问题；第二遍拆开每个节点，改一个参数看输出变化，建立参数与画面的对应关系；第三遍引入ControlNet或LoRA，做可控性练习。不要一开始就追求复杂工作流，节点越多，出错时越难定位。把这份教程当作对照实践的参考，边看边在ComfyUI里连一遍，比只看视频有效得多。