别再乱调参数了！一篇带你搞懂 ComfyUI + SDXL 文生图工作流，效果直接拉满

这是一篇适合新手直接照着复现的 ComfyUI + SDXL 实战文章。
通过一个“超可爱水豚做早餐”的案例，带你搞懂最基础的文生图工作流、Prompt 写法和参数配置。

工作流

最终效果

---

前言：为什么你学了 ComfyUI，还是出不了满意的图？

很多人刚接触 ComfyUI 时，都会遇到几个很典型的问题：

• 节点看起来不复杂，但就是不会搭完整流程
• Prompt 抄了很多，生成效果却还是不稳定
• 参数认识归认识，一组合起来就容易翻车
• 明明是文生图，最终效果却总感觉差点意思

其实问题并不一定出在 ComfyUI 本身，而是因为你还没有一套真正能跑通、能复现、能理解的基础工作流。

所以这次我直接拿一个完整案例来拆解：
使用 sd_xl_base_1.0.safetensors 模型，在 ComfyUI 中搭建一套最基础、但非常实用的 SDXL 文生图流程，包括模型加载、正反向提示词编码、Latent 初始化、KSampler 采样、VAE 解码和图片保存 [1][2]。

为了让测试更有趣，我没有选择常见的人像案例，而是用了一个非常有画面感的主题：

一只穿着围裙、在温馨厨房里笨拙做早餐的超可爱水豚

实际跑下来，这套工作流不仅可以稳定出图，而且画面在暖色调、厨房氛围、毛发质感和可爱表达上都比较统一。
如果你也想快速理解 ComfyUI + SDXL 的基本工作方式，这篇文章可以直接照着复现。

---

一、先看本次案例的核心目标

本次生成的主题可以概括为：

• 主体：水豚
• 风格：可爱、治愈、温暖
• 场景：厨房、早餐、晨光
• 画面：高细节、电影感光照、竖构图

相比单纯生成一个角色，这种“主体 + 动作 + 场景 + 氛围”的写法，更容易让图片具备故事感。

---

二、这套 ComfyUI 工作流包含哪些节点？

本次使用的是最经典的一条 SDXL 基础文生图链路，主要节点如下：

1. CheckpointLoaderSimple：加载 SDXL 模型
2. CLIPTextEncode：输入正向提示词
3. CLIPTextEncode：输入反向提示词
4. EmptyLatentImage：创建空白 Latent 图像
5. KSampler：执行采样生成
6. VAEDecode：将 latent 解码为图片
7. SaveImage：保存结果图像 [1][2]

如果你是第一次用 ComfyUI，可以先记住一个最基础的公式：

模型 + Prompt + Negative Prompt + Latent + 采样器 = 最终图片

ComfyUI 的优势就在于：
它不是“黑盒出图”，而是把这条完整链路拆成可视化节点，方便你逐步理解每一步在做什么。

---

三、本次使用的模型

本次工作流使用的主模型是：

sd_xl_base_1.0.safetensors

它是通过 CheckpointLoaderSimple 节点加载的 [1]。

如果你当前拿到的是 diffusers 格式模型，也可以先转换成 ComfyUI 常用的 safetensors 格式。转换方式如下 [3]：

1）下载转换脚本

wget https://raw.githubusercontent.com/huggingface/diffusers/main/scripts/convert_diffusers_to_original_sdxl.py

2）执行模型转换

python convert_diffusers_to_original_sdxl.py \
  --model_path /work/models/sdxl-base-diffusers \
  --checkpoint_path /work/models/sd_xl_base_1.0.safetensors \
  --use_safetensors

如果你已经有 sd_xl_base_1.0.safetensors，那这一步可以直接跳过。

---

四、先把可复现参数放出来，照着抄就能跑

很多教程喜欢先讲原理，但对新手来说，最重要的其实是：
先跑通，再理解。

下面是本次工作流里最关键的一组参数：

1）模型

sd_xl_base_1.0.safetensors

[1]

2）图像尺寸

• 宽度：832
• 高度：1216
• 批量大小：10 [1][2]

3）KSampler 参数

• seed：734568506095117
• steps：20
• cfg：8
• sampler_name：euler
• scheduler：simple
• denoise：1 [1][2]

4）图片保存前缀

• ComfyUI [1]

这套参数的优点很明显：

• 容易复现
• 稳定性不错
• 出图速度和质量比较平衡
• 很适合新手理解基础采样配置

---

五、正向提示词（Prompt）怎么写？这次直接给完整版本

本次使用的正向提示词如下 [1][2]：

a super cute capybara, light brown fur, round chubby face, big innocent eyes,
slightly goofy and blank expression, lovable silly look, gentle and naive charm,
soft cheeks, small rounded ears, wearing a tiny apron, standing in a cozy kitchen,
making breakfast, holding bread clumsily, warm morning sunlight through the window,
cinematic lighting, realistic fur, highly detailed, cozy home atmosphere,
heart-melting cuteness, warm tones, vertical composition

这段 Prompt 写得比较完整，建议从 5 个层次来理解。

1）主体特征

• capybara
• light brown fur
• round chubby face
• big innocent eyes

也就是：
一只浅棕色毛发、圆脸、大眼睛的可爱水豚。

2）表情与气质

• slightly goofy and blank expression
• lovable silly look
• gentle and naive charm

也就是：
呆萌、憨憨的、很有亲和力。

3）动作设计

• wearing a tiny apron
• making breakfast
• holding bread clumsily

也就是：
穿着小围裙，在厨房里笨拙地做早餐。

4）场景描述

• standing in a cozy kitchen
• warm morning sunlight through the window

也就是：
温馨厨房、晨光照进来、家庭氛围感强。

5）风格与质感

• cinematic lighting
• realistic fur
• highly detailed
• cozy home atmosphere
• warm tones
• vertical composition

也就是：
电影感光照、真实毛发、高细节、暖色调、竖图构图。

---

六、为什么 Negative Prompt 一定要写？

很多新手容易忽略反向提示词，结果就是：

• 脸崩
• 结构畸形
• 多肢体
• 画面怪异
• 甚至出现莫名文字和水印

本次使用的反向提示词如下 [1][2]：

ugly, scary, angry, aggressive, weird face, distorted face, deformed, bad anatomy,
extra limbs, blurry, low quality, text, watermark, overly realistic human face,
creepy expression

它的作用可以简单理解为：
告诉模型“哪些内容不要出现”。

例如：

• ugly：避免生成太丑
• scary / creepy expression：避免恐怖感
• weird face / distorted face：避免五官扭曲
• deformed / bad anatomy：避免结构畸形
• extra limbs：避免多肢体
• blurry / low quality：避免低清图
• text / watermark：避免画面出现文字和水印
• overly realistic human face：避免水豚脸被生成得太像“真人脸”

对于“动物拟人 + 可爱风”这种题材来说，Negative Prompt 非常重要。

---

七、这套参数为什么适合新手？核心原因其实就 4 点

1）尺寸适合做角色场景图

本次使用尺寸为 832 × 1216 [1][2]，是比较典型的竖构图。

这个尺寸很适合：

• 主体居中
• 上下保留环境空间
• 同时表现角色和场景关系

如果你是做角色故事感图片，这种比例很实用。

---

2）Batch Size 直接开到 10，方便筛图

本次 batch_size = 10 [1][2]。

优点很直接：
一次生成 10 张图，更容易从中挑出表情、构图、氛围最满意的结果。

如果你的显存不够，也可以把它改成：

• 1
• 2
• 4

根据显卡情况来调整。

---

3）Steps=20，速度和质量平衡得比较好

本次采样步数设置为 20 [1][2]。

这个数值属于比较稳妥的入门区间：

• 不会太慢
• 也能保证基本细节
• 很适合第一轮测试

如果后续你想追求更高细节，可以尝试：

• 24
• 28
• 30

---

4）CFG=8，属于比较稳的默认值

本次 cfg = 8 [1][2]。

可以简单理解为：
这个参数控制模型对 Prompt 的“服从程度”。

• 太低：模型容易自由发挥
• 太高：画面容易变僵、变硬

8 基本是一个平衡型配置，特别适合新手起步。

---

八、工作流节点是怎么连接的？看懂这个你就算入门了

从整体结构上看，这条工作流的连接关系是这样的 [1][2]：

• CheckpointLoaderSimple 输出模型给 KSampler
• CheckpointLoaderSimple 输出 CLIP 给两个 CLIPTextEncode
• 一个 CLIPTextEncode 负责正向提示词
• 一个 CLIPTextEncode 负责反向提示词
• EmptyLatentImage 输出 latent 给 KSampler
• KSampler 输出 latent 给 VAEDecode
• VAEDecode 输出图片给 SaveImage

如果你想用一句话理解：

加载模型 -> 告诉模型想画什么 -> 告诉模型不要画什么 -> 创建空白潜空间 -> 采样生成 -> 解码成图片 -> 保存

ComfyUI 的学习重点，不是死记节点名字，而是理解这条生成链路。

---

九、为什么这个“水豚做早餐”的案例特别适合拿来练手？

我很推荐新手从这种案例开始，原因有几个。

1）主题足够具体

“水豚做早餐”比“生成一张好看的图”更明确，模型更容易理解，你也更容易判断结果对不对。

2）有动作，有场景，有风格

这个案例不是单纯生成一个角色，而是同时包含：

• 主体
• 动作
• 场景
• 氛围
• 光影

这对于练习 Prompt 结构特别有帮助。

3）问题很容易定位

如果结果不好，你能快速判断是：

• 主体不对
• 表情不对
• 动作不明显
• 厨房感太弱
• 还是脸崩了

4）后续很容易继续扩展

这套工作流后面完全可以继续叠加：

• LoRA
• Refiner
• 高清修复
• ControlNet
• 局部重绘

所以它不只是一个测试案例，也可以当成你后续的基础模板。

---

十、想继续优化？这几个方向最值得你试

虽然当前这套工作流已经能稳定出图，但如果你还想继续打磨，建议优先从下面几个方向优化。

1）调整尺寸

当前尺寸是：

832 × 1216

你也可以尝试：

• 横图：1216 × 832
• 方图：1024 × 1024

不同构图比例会直接影响画面叙事方式。

---

2）提高采样步数

当前：

steps = 20

可以尝试提高到：

• 24
• 28
• 30

通常会增加一些细节，但同时也会更耗时。

---

3）微调 CFG

当前：

cfg = 8

建议测试区间：

• 6.5 ~ 7：更自然
• 8：比较平衡
• 9 以上：更强调 Prompt，但有时会变得僵硬

---

4）强化动作词

如果你觉得“做早餐”的表现还不够明显，可以在 Prompt 中追加：

frying eggs, preparing breakfast, holding a spatula, standing near the kitchen table

这样动作会更明确。

---

5）切换风格方向

如果你想从“写实可爱”改为“插画可爱”，可以加入：

storybook style, soft illustration, pastel colors, cute children’s book vibe

这样整体风格会更偏绘本和插画感。

---

十一、给新手的复现步骤：建议按这个顺序来

如果你准备自己跑一遍，推荐按下面这个顺序操作。

第一步：准备模型

将 sd_xl_base_1.0.safetensors 放到 ComfyUI 模型目录中 [1]。
如果你当前拿到的是 diffusers 格式，先按前面的命令转换 [3]。

第二步：搭建基础节点

至少需要以下节点：

• CheckpointLoaderSimple
• CLIPTextEncode（正向）
• CLIPTextEncode（反向）
• EmptyLatentImage
• KSampler
• VAEDecode
• SaveImage [1][2]

第三步：填入参数

建议先不要乱改，直接使用本文参数：

宽度：832
高度：1216
batch_size：10
seed：734568506095117
steps：20
cfg：8
sampler：euler
scheduler：simple

[1][2]

第四步：复制 Prompt

把正向提示词和反向提示词原样填进去 [1][2]。

第五步：运行并筛图

一次出 10 张图后，从中挑出你最满意的结果，再围绕 seed、Prompt 和尺寸继续微调。

---

十二、这套工作流最大的价值是什么？

很多人学 ComfyUI，总想一步到位玩高级节点。
但实际上，最重要的不是堆功能，而是先搞懂最基础的生成逻辑。

通过这套工作流，你至少可以真正理解 3 件事：

1）Prompt 是如何参与生成的

正向和反向提示词并不是“随便填填”，而是经过 CLIPTextEncode 编码后送入采样器的 [1][2]。

2）KSampler 为什么是核心节点

步数、CFG、采样器类型、调度器，这些参数会直接影响最终画面的质量和风格 [1][2]。

3）latent 和图片不是同一个东西

采样器输出的是 latent，真正变成可见图片，还需要经过 VAEDecode 解码 [1][2]。

只要你把这几件事看懂，后面再学 LoRA、图生图、ControlNet、高级修复，理解速度会快很多。

---

十三、总结：别再乱抄参数了，先把这套基础流程跑顺

这篇文章其实只做了一件事：

用一个完整、可复现、效果直观的案例，带你跑通 ComfyUI + SDXL 的基础文生图工作流。

本次案例中，你已经拿到了：

• 可直接使用的模型信息 [1]
• 标准的节点结构 [1][2]
• 完整的正向 / 反向提示词 [1][2]
• 可复现的尺寸和采样参数 [1][2]
• diffusers 转 safetensors 的转换命令 [3]

如果你是新手，这套流程足够你把 ComfyUI 的核心逻辑走明白。
如果你已经会用 ComfyUI，这套工作流也很适合作为一个基础模板，继续往上扩展更多玩法。

一句话总结：

不要一上来就乱堆节点、乱调参数，先把最基础的 SDXL 文生图流程跑通，你后面学什么都会更快。