前言

本文适合:AI 绘图新手 / ComfyUI 初学者 / FLUX 本地部署玩家

FLUX.1 是由 Black Forest Labs 推出的顶级 AI 文生图模型,由 Stability AI 前核心团队打造。

相比传统 Stable Diffusion 模型,FLUX 在以下方面表现更强:

  • 更真实的人像

  • 更高级的光影

  • 更强的 Prompt 理解能力

  • 更低的 AI 感

  • 更接近 Midjourney 的商业效果

但官方原版模型体积高达 23GB+,普通电脑很难直接运行。

因此,本教程采用:

  • GGUF 量化模型

  • ComfyUI 可视化工作流

  • 小体积 FLUX 部署方案

实现:

✅ 8G 显存即可运行
✅ 新手也能快速部署
✅ 支持高清写实出图
✅ 完全本地离线运行


教程效果预览

部署完成后,你可以本地生成:

  • 电影级写真

  • 高质量动漫插画

  • 游戏概念图

  • AI 商业海报

  • 超真实人像

并且:

✅ 无需 API
✅ 无需联网
✅ 永久免费


本文目录

  1. 环境配置要求

  2. ComfyUI 安装

  3. GGUF 插件安装

  4. 模型文件放置

  5. FLUX 工作流搭建

  6. Prompt 编写技巧

  7. 参数优化建议

  8. 常见报错解决

  9. 性能优化技巧

FLUX.1 是由 Black Forest Labs 推出的新一代 AI 文生图模型。

相比传统 Stable Diffusion:

  • 画质更强

  • 光影更真实

  • Prompt 理解能力更高

  • 更接近 Midjourney 的效果

但官方原版模型体积非常大:

  • 原版 FLUX Dev 超过 23GB

  • 普通电脑难以运行

  • 显存占用非常高

因此,本教程采用:

  • GGUF 量化模型

  • ComfyUI 图形界面

  • 小体积 FLUX 工作流

实现:

✅ 8G 显存即可运行
✅ 新手无需代码基础
✅ 一步一步部署成功
✅ 支持高清出图



一、电脑配置要求(必看)

1.1 最低配置

配置 要求
显卡 NVIDIA 8G 显存
内存 16GB
系统 Windows 10/11
硬盘 50GB 可用空间

1.2 推荐配置

配置 推荐
显卡 RTX 3060 12G / 4070
内存 32GB
硬盘 NVMe SSD
CUDA 12.x


二、安装 ComfyUI

2.1 解压程序

下载后解压:

ComfyUI.zip

推荐路径:

D:\AI\ComfyUI

注意:

❌ 不要放桌面
❌ 不要中文路径
❌ 不要路径带空格


2.2 自动安装依赖(推荐)

进入 ComfyUI 根目录:

双击:

run_nvidia_gpu.bat

程序会自动:

  • 安装 Python 依赖

  • 安装 CUDA

  • 安装 torch

看到:

Installation successful

即安装成功。


2.3 手动安装(备用)

打开 CMD:

cd D:\AI\ComfyUI

执行:

pip install -r requirements.txt

推荐 Python:

  • Python 3.10

  • Python 3.11

不推荐:

❌ Python 3.12+



三、启动 ComfyUI

双击:

run_nvidia_gpu.bat

看到:

Starting server at http://127.0.0.1:8188

说明启动成功。

浏览器打开:

http://127.0.0.1:8188

即可进入 ComfyUI 页面。



四、安装 GGUF 插件(关键步骤)

4.1 为什么必须安装?

因为:

flux1-dev-Q4_0.gguf

属于 GGUF 量化模型。

默认 ComfyUI 无法识别 GGUF。

因此必须安装:

ComfyUI-GGUF

插件。


4.2 插件安装步骤

关闭 ComfyUI。

进入:

ComfyUI/custom_nodes

复制:

ComfyUI-GGUF

到该目录。

最终结构:

ComfyUI/
 └─ custom_nodes/
     └─ ComfyUI-GGUF/

4.3 安装插件依赖

进入:

ComfyUI/custom_nodes/ComfyUI-GGUF

执行:

pip install -r requirements.txt

完成后重启 ComfyUI。



五、模型文件放置(重点)

5.1 创建目录

进入:

ComfyUI/models

创建:

unet
vae
clip

5.2 模型放置位置

模型文件 作用 存放路径
flux1-dev-Q4_0.gguf FLUX 主模型 models/unet
ae.safetensors VAE 解码 models/vae
clip_l.safetensors CLIP-L models/clip
t5xxl_fp8_e4m3fn.safetensors T5XXL models/clip
sd3_medium.safetensors 备用模型 models/checkpoints

建议把:

ae.safetensors

改名为:

flux_ae.safetensors


六、FLUX 工作流原理

在正式搭建工作流前,建议先理解 FLUX 的生成逻辑。

FLUX 的整体流程:

Prompt 文本
   ↓
CLIP 文本编码
   ↓
UNET 模型推理
   ↓
Latent 潜空间生成
   ↓
VAE 解码
   ↓
最终图片

简单理解:

  • CLIP 负责“理解文字”

  • UNET 负责“生成图像”

  • VAE 负责“把潜空间转换成真实图片”

理解这个流程后,后面排错会容易很多。

FLUX 工作流程:

提示词
 ↓
CLIP 编码
 ↓
UNET 推理
 ↓
Latent 潜空间
 ↓
VAE 解码
 ↓
最终图片

理解后更容易排错。



七、搭建 FLUX 工作流(核心部分)

FLUX 工作流主要分为:

  1. 模型加载

  2. Prompt 编码

  3. 采样设置

  4. 潜空间生成

  5. VAE 解码出图

下面开始一步一步搭建。


7.1 加载模型

节点1:UNETLoader

搜索:

UNETLoader

参数:

参数 设置
model_name flux1-dev-Q4_0.gguf
weight_dtype default

作用:

加载 FLUX 主模型。


节点2:DualCLIPLoader

搜索:

DualCLIPLoader

参数:

参数 设置
clip1 t5xxl_fp8_e4m3fn.safetensors
clip2 clip_l.safetensors
type flux

作用:

加载 FLUX 双文本编码器。


节点3:VAELoader

参数:

flux_ae.safetensors

作用:

负责把 latent 转换成图片。


7.2 Prompt 编码

节点4:CLIPTextEncodeFlux

这是 FLUX 专用文本编码器。

参数推荐:

参数 推荐
guidance 3.5

注意:

FLUX 不适合高 CFG。

推荐范围:

3.0~4.0

7.3 采样设置

节点5:ModelSamplingFlux

参数:

参数 推荐
base_shift 0.5
max_shift 1.15

作用:

控制 FLUX 采样稳定性。


节点6:KSamplerSelect

推荐:

euler

原因:

  • 最稳定

  • 细节均衡

  • 不容易崩图


节点7:BasicScheduler

推荐参数:

参数 推荐
steps 25

经验:

步数 效果
10 粗糙
20 可用
25 最佳
40+ 提升很小

7.4 Latent 图像

节点8:EmptyLatentImage

推荐尺寸:

类型 分辨率
方图 1024×1024
横图 1280×768
人像 1024×1536

显存不足时:

改为:

1024×768

7.5 出图节点

节点9:VAEDecode

作用:

把 latent 解码成图片。

连接:

samples → latent
vae → flux_ae

节点10:PreviewImage

用于预览生成结果。

右键图片即可保存。



八、推荐 Prompt 写法(非常重要)

FLUX 对 Prompt 的理解能力非常强。

因此:

  • Prompt 越详细

  • 构图越稳定

  • 光影越真实

  • 细节越丰富

并且:

✅ 英文 Prompt 效果明显好于中文

FLUX 更适合英文 Prompt。

推荐结构:

主体
+ 动作
+ 场景
+ 光线
+ 镜头
+ 风格
+ 质量词

8.1 写实女生

A beautiful Chinese woman standing beside a window, long black hair, white dress, soft natural light, cinematic shadows, ultra realistic skin texture, masterpiece, highly detailed

8.2 女王风格

A Chinese queen sitting on a giant golden throne, black stockings, golden high heels, dramatic palace lighting, low angle shot, cinematic atmosphere, masterpiece

8.3 动漫风格

anime girl, silver hair, blue eyes, cyberpunk city, neon lights, masterpiece, vibrant colors

九、FLUX Prompt 技巧

9.1 镜头词

中文 英文
特写 close-up
广角 wide shot
低角度 low angle
景深 depth of field

9.2 光线词

中文 英文
自然光 natural light
柔光 soft light
电影光 cinematic lighting
逆光 backlight

9.3 质量词

推荐放在结尾:

masterpiece, ultra detailed, best quality, realistic

十、为什么 FLUX 不需要负面提示词?

SDXL:

negative prompt

非常重要。

但 FLUX:

  • Prompt 理解更强

  • 模型结构不同

  • 自带较强约束能力

因此:

✅ 通常只需要正向 Prompt


十一、显存优化技巧

显存不足解决方法

降低:

参数 调整
分辨率 1024×768
步数 20
batch 1

关闭:

  • 浏览器

  • 微信

  • 游戏

  • 视频软件


十二、常见问题解决

12.1 GGUF 无法加载

原因:

未安装 GGUF 插件

解决:

重新安装:

ComfyUI-GGUF

12.2 模型不显示

检查:

  • 文件名

  • 模型路径

  • 文件是否损坏

重点目录:

models/unet
models/clip
models/vae

12.3 黑图

原因:

  • 步数太低

  • guidance 错误

  • Prompt 太短

推荐:

steps ≥ 20
guidance = 3.5

12.4 CUDA 显存不足

报错:

CUDA out of memory

解决:

  • 降低分辨率

  • 使用 Q4 量化模型

  • 关闭其他程序


十三、推荐参数(最稳组合)

参数 推荐
sampler euler
steps 25
guidance 3.5
分辨率 1024×1024
batch 1
shift 1.15

十四、FLUX 与 SDXL 对比

项目 FLUX SDXL
人像 顶级 一般
Prompt 理解 极强 普通
光影 电影级 一般
AI 感 很低 明显
速度 较慢 较快

十五、推荐插件

插件 作用
ComfyUI-Manager 插件管理
Impact Pack 高级节点
WAS Suite 工具节点
Efficiency Nodes 简化工作流


十六、总结

到这里,你已经完成:

✅ ComfyUI 安装
✅ GGUF 插件部署
✅ FLUX 模型加载
✅ 工作流搭建
✅ Prompt 编写
✅ 高清图片生成

对于新手来说,最重要的是先成功跑通第一张图。

后续你还可以继续学习:

  • LoRA

  • ControlNet

  • 高清修复

  • 局部重绘

  • 真人换脸

  • 视频生成

  • IPAdapter

FLUX 的潜力远远不止文生图。

FLUX 是目前最强的开源文生图模型之一。

只要记住以下几点:

必记核心

1、GGUF 插件必须安装

否则模型无法加载。


2、模型路径必须正确

重点:

models/unet
models/clip
models/vae

3、FLUX 不需要负面提示词

只写正向 Prompt 即可。


4、推荐参数固定

steps:25
guidance:3.5
sampler:euler

5、英文 Prompt 效果最好

英文语义理解远强于中文。


完成以上步骤后,你就能在本地生成:

  • 电影级写真

  • 高质量动漫

  • 游戏概念图

  • 商业海报

  • 超真实人像

并且:

✅ 完全离线
✅ 无需 API
✅ 无需联网
✅ 永久免费

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐