小凡费列克斯SD-ComfyUI系统教程，AI绘画零基础教学

这套教程把 Stable Diffusion 的 ComfyUI 分支单独拎出来讲，而不是继续停留在 WebUI 的按钮层面，对已经摸过一段时间 AI 绘画、但每次出图都靠碰运气的人来说，是一次思路上的整理。它的定位很明确：以 ComfyUI 为主线，把模型、插件、工作流三块内容串成一条能自己往下走的线。

为什么值得从 ComfyUI 入手

WebUI 的问题在于把参数都封装成了表单，用起来省事，但很难知道一张图从输入到输出中间到底发生了什么。ComfyUI 用节点图把采样、潜空间、条件控制、解码这些环节摊开，改一个环节就能立刻看到结果变化。教程顺着这条链路讲，讲的是每个节点在做什么、哪些参数联动、哪一步出问题会表现成什么现象。对需要复现和控制的人来说，这种视角比记住几组推荐参数有用得多。

代价是上手门槛更高。节点连线一旦乱了，排查比调滑块麻烦，所以工作流的组织方式、复用方式、备份方式，都属于必须一并交代的内容，而不是可以略过的细节。

模型部分讲的是选择与搭配

资料里的模型区按类型分开，checkpoints 下既有写实向的大模型，也有走插画风格的 SDXL 版本。这个划分本身就说明一件事：模型不是随便挑一个就能用，写实人像、插画、二次元各有适用的底模，搭配不同的采样器和 VAE，出图取向差别很大。

教程在这块的价值在于给出对比场景——同一个提示词在不同底模下的表现、SDXL 与 SD1.5 在分辨率与显存占用上的取舍、VAE 对接错会出现的偏色或灰蒙问题。这些都属于踩过一次就记住、但没人说不容易自己发现的坑。把模型当成整套流程的第一环来理解，后面调工作流时才有判断依据。

工作流是这门课的主干

插件和工作流放在一起看比较合理。ComfyUI 的生态里，插件往往直接决定能搭出什么结构：控制网、区域重绘、放大流程、批量处理，都需要靠节点扩展实现。教程覆盖这些之后，实际留下的是一套可改可扩的节点模板，而不是几张成品图。

• 基础文生图链路：从加载模型到出图，理清每个节点的输入输出。
• 条件控制：提示词编码、负面提示、权重调节在节点图里怎么落地。
• 控制网与区域约束：让构图和姿态可控，而不是全靠随机。
• 放大与细节修复：低分辨率出图后如何二次处理而不破坏结构。
• 工作流的保存与迁移：把调好的图导出成可复用文件，换机器也能跑。

这部分内容适合边看边动手。只看不搭，节点之间的数据流向很难内化；照着搭一遍、再故意改坏一个连接看结果，理解会快很多。

适合谁来对照实践

如果你已经用 WebUI 出过一些图，但说不清采样步数和 CFG 到底影响了什么，这门课能补上底层这块。如果你是纯零基础，建议先跑通最基础的文生图链路，再回头处理控制和放大这类进阶环节，不要一上来就啃复杂工作流。

另外，模型文件体积不小，SDXL 底模对显存有实际要求，本地部署前先确认硬件条件，或者准备好云端的替代方案。教程讲的是方法，跑得动才是前提。

怎么用这份资料

比较务实的做法是：先按基础链路搭出一个能出图的最小工作流，确认环境没问题；然后针对自己最常做的题材，挑一个写实或插画底模固定下来，把采样参数调到自己满意；再逐步引入控制网和放大节点。每一步都保留一份工作流备份，方便回退对比。

把它当成一份可对照的工程参考，而不是一次性看完的视频合集，收获会实在得多。