ComfyUI文生图基础工作流搭建新手入门完整教程

许多新手初次打开 ComfyUI，面对空白的画布往往会感到无从下手——正确的起点在哪里？一个比较稳妥的方法是，先别急着凭记忆手动连线，而是优先加载其内置的官方文生图基础工作流。接着，逐一核对模型、提示词、画布尺寸、采样参数、解码环节以及保存设置。完成这些步骤后，画布上会保留一条完整的、可随时修改的 SD1.5 文生图链路。直接点击运行，就能在 Media Assets 和 Save Image 节点中看到你生成的第一张图片了。

本文适合已经能够正常启动 ComfyUI，并准备使用 SD1.5 的 checkpoint 进行首次文生图创作的用户——无论你使用的是 Windows、macOS 还是 Linux 系统。开始之前，至少需要准备一个兼容的 checkpoint 文件，并将其放入 ComfyUI/models/checkpoints 目录下。官方示例中使用了 v1-5-pruned-emaonly-fp16.safetensors，你使用其他文件名也完全没问题，但节点中的选项绝对不能停留在 null。

完成后，界面大致如下：左侧 Media Assets 区域会显示生成结果，右侧画布上依然是可编辑的节点工作流，顶部的 Run 按钮随时可以再次执行生成任务。

首先让 ComfyUI 识别你的模型文件

1. 入口位置：

   ComfyUI 安装目录下的 models/checkpoints 文件夹。主要操作：将准备好的 SD1.5 checkpoint 文件放入该文件夹，然后重新启动 ComfyUI，或者刷新模型列表。成功标志：稍后打开 Load Checkpoint 节点时，ckpt_name 下拉列表中能够显示你放入的文件名。失败处理：如果列表为空，或者仅显示 null，请先检查文件是否放错了位置——不要放到 models 根目录，同时确认文件扩展名完整，以及当前启动的 ComfyUI 是否对应同一个安装目录。

加载官方基础工作流

1. 入口位置：

   ComfyUI 官方的 ComfyUI Text to Image Workflow 教程页面。主要操作：将页面提供的工作流 PNG 图片保存下来，然后直接拖入 ComfyUI 画布；也可以从顶部的 Workflows 菜单中选择 Open，再打开此 PNG 文件。成功标志：画布上会出现 Load Checkpoint、两个 CLIP Text Encode、Empty Latent Image、KSampler、VAE Decode 和 Save Image 节点，并且彩色连线已经自动连接完毕。失败处理：如果拖入后只显示为普通图片，而没有生成节点，说明你保存的 PNG 可能不是包含工作流元数据的原始文件——网页截图、压缩缩略图或转换过的 JPG 格式均不可用。

下面这张图将基础链路标记为 A 到 F：模型和文本条件输入到 KSampler，采样结果传递给 VAE Decode，像素图最终交由 Save Image 处理。现在只需确认节点齐全即可，无需急于修改参数。

按照节点顺序完成首次配置

1. 入口位置：

   画布左侧的 Load Checkpoint 节点。主要操作：点击 ckpt_name 文本区域或两侧箭头，选择你刚刚放入的那个 SD1.5 checkpoint。成功标志：节点上会显示实际的模型文件名，并且保留 MODEL、CLIP、VAE 三个输出连接端口。失败处理：如果文件名没有出现，请返回模型目录确认路径是否正确；选中后节点报错，请检查文件是否下载完整——避免使用只有几 KB 的网页占位文件。

Load Checkpoint 的关键不在于记住示例文件名，而是确保下拉框已经从 null 变成了你电脑上真实存在的 checkpoint 文件。

2. 入口位置：

   两个 CLIP Text Encode (Prompt) 节点的文本输入框。主要操作：在连接 KSampler positive 端口的节点中，描述你想要的主体、环境和画面特征；在连接 negative 端口的节点中，写下你不希望出现的缺陷元素。成功标志：两个节点都包含可读的文本内容，橙色 CONDITIONING 输出分别连接到 KSampler 的正向和负向端口。失败处理：如果生成结果与描述关联性较弱，建议先用简短的英文词组加英文逗号重新编写，避免一次性使用多段长句；如果正负条件接反了，请重新连接到对应的端口。

提示词节点的功能是将文字编码为条件向量。看不到图片并不代表操作失败，当前步骤的验收标准是：文本已填写，CONDITIONING 连线正确。

3. 入口位置：

   Empty Latent Image 节点。主要操作：设置 width、height 和 batch_size 参数；首次运行可以暂时保留官方示例中的 512×512 尺寸、批次为 1。成功标志：宽高为明确数值，紫色 LATENT 输出已连接到 KSampler 的 latent_image 端口。失败处理：遇到显存不足或运行中断的情况？可以先降低宽高，保持批次为 1。如果画面比例不合适，只需调整宽高，不要同时改动采样参数，这样更容易定位问题。

Empty Latent Image 定义的是潜空间中的画布尺寸，最终生成的像素图大小由此决定。

4. 入口位置：

   画布中央的 KSampler 节点。主要操作：先保留基础参数设置，重点检查 model、positive、negative、latent_image 这四个输入端口是否都已经正确连线，并确认 steps、cfg、sampler_name、scheduler 和 denoise 参数均已赋值。成功标志：节点没有显示缺少输入的红色提示，右侧 LATENT 输出已连接到 VAE Decode。失败处理：如果出现缺少模型或条件输入的提示，请沿着端口颜色回溯检查上游节点；当结果异常时，每次只修改一个参数，不要同时改变 seed、steps 和 cfg，否则很难定位原因。

KSampler 是去噪采样过程的核心。首次运行时，先把链路配置正确，等结果稳定后再比较不同 seed、steps 或采样器带来的差异。

5. 入口位置：

   KSampler 右侧的 VAE Decode 节点。主要操作：确认 KSampler 的 LATENT 输出已接入 samples 端口，Load Checkpoint 的 VAE 输出已接入 vae 端口。成功标志：VAE Decode 右侧的蓝色 IMAGE 输出已连接到 Save Image 节点。失败处理：如果在解码阶段报错，请先检查两条输入线是否缺失或接错颜色，再确认 checkpoint 文件本身是否包含可用的 VAE 组件。

VAE Decode 负责将 KSampler 生成的潜空间结果还原为可以预览和保存的像素图像。

6. 入口位置：

   工作流末端的 Save Image 节点。主要操作：确认蓝色 images 输入端口已连接，并为 filename_prefix 填写一个易于识别的文件名前缀。成功标志：节点能够接收 VAE Decode 的 IMAGE 输出，运行后会显示预览结果，并将文件保存到 ComfyUI/output 目录。失败处理：节点没有显示预览，请先检查上游 IMAGE 连线是否正常；运行成功但找不到文件，请确认当前 ComfyUI 实例对应的 output 目录和文件名前缀设置。

Save Image 的输入只有图像数据，文件名前缀用于在输出目录中区分不同的测试结果。

执行工作流并判断结果

1. 入口位置：

   ComfyUI 顶部的 Queue 或 Run 按钮。主要操作：点击按钮执行一次生成任务，也可以使用快捷键 Ctrl + Enter。成功标志：节点依次执行，Save Image 出现预览，Media Assets 中新增了生成图片，ComfyUI/output 目录中能够找到对应文件。失败处理：如果执行立即停止，从标红的节点开始排查模型、连线和参数设置；运行很慢但没有报错，请先等待当前队列完成，不要连续重复点击，否则任务会堆积。

2. 入口位置：

   生成结果和 KSampler 的 seed 设置。主要操作：确认第一张图可以正常保存后，再重新执行一次，观察随机种子变化带来的结果差异。成功标志：第二次生成仍然能够顺利完成，工作流结构没有丢失，结果图与上一张之间存在可解释的变化。失败处理：如果想要复现同一张图，请固定 seed 值，并保持提示词、尺寸和采样参数完全一致；对比不同参数时，每次只修改一项。

通过九项检查确认基础链路已搭建完成

• checkpoint 文件位于当前 ComfyUI 实例的 models/checkpoints 目录中。
• 官方工作流 PNG 已成功加载为节点，而非作为普通图片显示。
• Load Checkpoint 显示真实的模型文件名，没有停留在 null 状态。
• 正向和负向提示词分别正确连接到 KSampler 的 positive 与 negative 端口。
• Empty Latent Image 设置了明确的宽高，首次测试使用可承受的尺寸和批次。
• KSampler 的四个输入端口齐全，采样参数均包含有效值。
• VAE Decode 同时接收 samples 与 vae 输入，并正常输出 IMAGE。
• Save Image 已连接，运行后能在 Media Assets 和 ComfyUI/output 目录中找到生成结果。
• 遇到失败时，能够从标红节点、缺失连线、模型目录、显存状态和输出路径逐层回溯排查。

基础链路稳定之后，再尝试更换提示词、调整画布比例或修改采样参数。建议先保留一份能够重复运行的工作流，每次只改变一个变量并观察结果，后续学习 LoRA、ControlNet 或更复杂的节点时，排查问题会变得容易得多。