ComfyUI 的节点大致上可以分为基础核心节点和强大的扩展生态两部分。简单来说，基础节点是搭建工作流必须掌握的“骨架”，而扩展节点则是决定工作流上限的“血肉”，可以根据你的需要随时添加。

📊 核心节点分类：搭建工作流的基石

这张表格汇集了最常用的基础核心节点，帮助你快速了解它们的主要作用：

节点分类	节点名称	作用
模型加载类	Checkpoint Loader (检查点加载器)	加载SD主模型（如 SD 1.5, SDXL）的“发动机”-5。
	VAE Loader (VAE加载器)	单独加载负责细节的VAE模型，用于改善色彩和锐度-5。
	LoRA Loader (LoRA加载器)	加载风格、角色等微调模型，快速赋予特定效果-5。
	ControlNet Loader (ControlNet加载器)	加载ControlNet模型，为生成过程增加精准控制-5。
文本编码类	CLIP Text Encode (CLIP文本编码)	将提示词转化为模型能理解的向量，是工作流的“指挥中心”-5。
	Text Multiline (多行文本输入)	提供一个方便编辑和预览长提示词的输入框-5。
图像创建/处理	Empty Latent Image (空Latent)	创建一张充满随机噪点的画布，作为生成的起点-5。
	Load Image (加载图像)	从本地加载图片，用于图生图等需要输入图像的场景-5。
	VAE Encode (VAE编码)	将像素图像编码为Latent格式，以便在潜在空间中进行处理-5。
	Image Scale (图像缩放)	调整图片尺寸以适应模型需求-5。
核心采样器	KSampler (采样器)	生成的“车间”，通过去噪过程最终生成图像，是工作流的心脏-5。
图像输出	VAE Decode (VAE解码)	将生成完成后的Latent图像解码回人类可见的像素图像-5。
	Save Image (保存图像)	将最终图像保存到本地硬盘-5。

1. 节点的基础结构与类型

根据数据流向，节点主要分为三类 ：‌‌

• ‌数据源节点（Source Nodes）‌

  • ‌特征‌：只有输出端口，没有输入端口。
  • ‌作用‌：工作流的起点，负责加载模型或创建初始数据。
  • ‌常见节点‌：Checkpoint Loader（加载大模型）、Load Image（加载图片）、Empty Latent Image（创建空白潜空间图像）。

• ‌数据处理节点（Processing Nodes）‌

  • ‌特征‌：既有输入也有输出。
  • ‌作用‌：对数据进行加工、转换或计算。
  • ‌常见节点‌：
    • CLIP Text Encode：将文本提示词转换为模型可理解的条件信息。
    • KSampler：核心采样器，负责在潜空间中进行去噪生成。
    • VAE Decode：将潜空间数据解码为像素图像。
    • ControlNet Apply：应用控制网络以约束图像结构。

• ‌数据终点节点（Sink Nodes）‌

  • ‌特征‌：只有输入端口，没有输出端口（或输出仅用于预览）。
  • ‌作用‌：工作流的终点，负责保存结果或展示预览。
  • ‌常见节点‌：Save Image（保存图片到本地）、Preview Image（界面内预览）。

2. 核心功能分类

ComfyUI 的节点按功能领域可分为以下几大类 ：‌‌

• ‌SD (Stable Diffusion) 专属‌：包含针对 SD 系列模型优化的加载器、采样器和条件处理节点。
• ‌Image (图像处理)‌：提供缩放、裁剪、模糊、锐化、混合、量化等基础图像处理功能 。
• ‌Latent (潜空间操作)‌：在压缩状态下进行图像操作，如批量管理、尺寸调整、拼接等，效率高于像素级操作。
• ‌Mask (遮罩)‌：用于局部重绘（Inpainting）或区域控制，允许用户指定图像中需要修改的具体区域。
• ‌Conditioning (条件控制)‌：高级提示词控制，包括合并多个提示词、设置提示词生效的区域（Set Area）、平均权重等 。
• ‌Advanced (高级/微调)‌：如 FreeU（提升画质/节省显存）、Model Patch 等深层参数调整工具。
• ‌Utils (工具)‌：提供数值计算、注释、节点隐藏/显示、数据类型转换等辅助功能。
• ‌Partner Nodes (合作伙伴节点)‌：官方认证的第三方商业级节点，如调用 GPT-4o 进行图像编辑、Bria 去背景、字节跳动视频生成等 。‌‌

3. 关键操作与连线规则

• ‌颜色匹配原则‌：连线的颜色代表数据类型（如粉色为 Latent，蓝色为 Image，黄色为 Conditioning）。‌不同颜色的端口无法直接连接‌，必须通过转换节点（如 VAE Encode/Decode）进行中转 。
• ‌单向流动‌：数据只能从右侧的输出端口流向左侧的输入端口。
• ‌多对一限制‌：一个输入端口通常只能连接一根线。若需合并多个数据流（如两个提示词），需使用专门的合并节点（如 Conditioning Combine）。
• ‌右键菜单功能‌：
  • ‌Pin (固定)‌：冻结节点输出，避免上游变动导致重新计算。
  • ‌Bypass (绕过)‌：暂时跳过该节点，数据直通下游。
  • ‌Convert to Subgraph (转为子图)‌：将一组节点封装为一个新节点，简化工作流视图。
  • ‌Promote to Widget (提升组件)‌：将子图内部的关键参数暴露到外层节点面板，方便调整 。‌‌

4. 扩展与管理

• ‌自定义节点安装‌：通过 ‌ComfyUI Manager‌ 插件，用户可以搜索并安装社区开发的数千个自定义节点，涵盖视频生成、3D 处理、音频合成等领域 。
• ‌最新版本动态‌：截至 2026 年 6 月，ComfyUI v0.24.0 版本已正式集成 ‌Ideogram 4‌ 支持，并优化了 BiRefNet 和 DINOv3 模型的推理稳定性与精度 。‌‌

掌握节点的颜色含义、数据流向以及常用功能分类，是高效使用 ComfyUI 的关键。建议从基础的“文生图”工作流开始，逐步尝试添加 ControlNet、LoRA 和图像后处理节点。

🔧 扩展节点生态：解锁进阶功能

除了核心节点，ComfyUI的魅力在于其庞大的扩展生态。这些扩展包（Custom Nodes）极大地拓展了工作流的可能性。

• 🎬 视频生成扩展：安装相关扩展节点后，ComfyUI就能实现从图像到视频的进阶。像LTX Video这样大火的视频模型，官方或社区都会发布专属节点包。工作流通常涵盖文本到视频和图像到视频两条路径-32，并可能包含文本编码、运动控制、帧插值等多个子模块-12-32。

• ⚙️ 高级控制扩展：以AnimateDiff节点为例，它能在生成动画时确保画面在不同时间点上保持连贯、不跳帧-11，非常适合制作动态效果-11。

• 🎨 风格化与高级渲染扩展：你可能会遇到像 SDXL Prompt Styler-28这样的节点，它内置了数十种艺术风格模板，可以一键套用。此外，许多专用的渲染节点能实现3D、光影等特殊效果，让你的作品更具艺术感。

🧠 节点如何连接与工作？

理解了这些节点后，它们是如何通过“连线”协同工作的呢？可以把这个过程理解为数据流：

文本输入 ➡️ 文本编码 ➡️ 采样生成 ➡️ 图像解码 ➡️ 图像保存

• 输入的提示词会被 CLIP Text Encode 节点编码。

• 编码后的结果会作为“工作指令”，输入到 KSampler 采样器节点中。

• Empty Latent Image 节点为 KSampler 提供一张空白的画布。

• KSampler 在“条件”（提示词）和“画布”（Latent）的共同作用下开始处理，最终输出一副处理好的“数字画布”（Latent图像）。

• 最后，这个“数字画布”通过 VAE Decode 节点转换成可看的图片，并由 Save Image 节点保存下来-1。

需要注意的是，每个节点的输入输出端口都有其指定的数据类型，只有类型匹配时才能成功连接。比如 模型类型(Model) 的端口，只能接收加载SD模型后输出的数据，不能直接连接一张图片-2。

💡 实用操作技巧

为了让你使用起来更顺手，还有两个非常实用的操作技巧：

• 转换输入形式：在节点上右键，可以将参数面板上的参数（如CFG值）“转换为输入”，为其创建一个新的输入端，方便从其他节点接收数据；反之，也可以将输入端“转换为组件”，变为面板上的固定数值-2。

• 排查连接错误：如果节点出现红色边框，或输入端有红色圆圈，说明必需的输入没有正确连接，需要检查并修复连线-2。