Image Gen

图像生成工作流

按以下流程完成图像生成任务。每步完成后向用户报告进展，遇到问题时给出明确的解决指引。

前置检查

1. 确认 .comfyui-studio/inventory.json 存在，不存在则提示用户运行 /studio-scan。
2. 读取 inventory.json，提取：
   • recommended_tier（low_vram / mid_vram / high_vram）
   • installed_models（已安装的 checkpoint / LoRA / VAE 列表）
   • installed_nodes（已安装的自定义节点列表）
3. 确认 ComfyUI 正在运行（连接 http://127.0.0.1:8188）。

步骤 1：工作流选择

根据用户需求和 recommended_tier 选择工作流类型：

步骤 2：模型选择决策树

根据 recommended_tier 和已安装模型自动选择：

low_vram（≤12GB 显存）

优先级 1: FLUX.1-dev GGUF Q4_K_S（~6GB 显存）
  → 需要节点: ComfyUI-GGUF
  → 优点: 高质量文本理解、低显存占用
  → 缺点: 生成速度较慢

优先级 2: RealVisXL V5.0（SDXL，~8GB 显存）
  → 优点: 写实风格出色、生态成熟
  → 缺点: 文本理解弱于 FLUX

优先级 3: SD 1.5 系列（~4GB 显存）
  → 仅在显存极低（<8GB）时使用
  → 配合 --lowvram 模式

mid_vram（12-20GB 显存）

优先级 1: FLUX.1-dev FP16（~12GB 显存）
  → 最佳质量/显存平衡
  → 可配合 IP-Adapter FLUX

优先级 2: FLUX.1-dev FP8（~10GB 显存）
  → 质量略低于 FP16，速度更快

优先级 3: RealVisXL V5.0 + Refiner
  → SDXL 全流程，写实最优

high_vram（≥24GB 显存）

优先级 1: FLUX.1-dev 原生 FP16 + 高级身份保持
  → PuLID FLUX / InfiniteYou
  → 最高质量角色一致性

优先级 2: FLUX.1-dev + In-Context LoRA
  → 多角色/多场景一致性

优先级 3: SDXL + InstantID + IP-Adapter
  → 组合方案，灵活度最高

选择逻辑：

1. 检查 inventory.json 中已安装的 checkpoint，优先使用已有模型
2. 如果没有合适模型，根据 tier 推荐下载（使用 download_model 工具）
3. 同时检查所需自定义节点是否已安装，缺失则提示安装

步骤 3：身份保持方案选择

当用户需要角色一致性（多张图保持同一角色外观）时，按以下决策树选择：

方案 A — IP-Adapter（通用方案）

• 显存需求： 8GB+
• 适用模型： SDXL / FLUX
• 适用场景： 风格参考、角色参考（面部+服装）、构图参考
• 所需节点： ComfyUI_IPAdapter_plus
• 参考强度推荐： 0.6-0.8（面部）、0.4-0.6（风格）
• 优点： 通用性强，显存占用适中，支持多参考图
• 缺点： 面部相似度不如专用方案

方案 B — InstantID（面部身份）

• 显存需求： 10GB+
• 适用模型： 仅 SDXL
• 适用场景： 严格面部身份保持（如真人照片风格）
• 所需节点： ComfyUI_InstantID
• 参考强度推荐： 0.7-0.9
• 优点： 面部身份保持度最高（SDXL 生态内）
• 缺点： 仅支持 SDXL、姿态自由度受限

方案 C — In-Context LoRA（FLUX 专用）

• 显存需求： 12GB+
• 适用模型： 仅 FLUX
• 适用场景： 角色一致性多场景生成、漫画/插画分镜
• 所需节点： 无特殊节点需求（标准 LoRA 加载）
• 使用方式： 将参考图拼接在生成区域旁边，模型自动学习一致性
• 优点： 无需额外模型、角色+服装+风格全面一致
• 缺点： 需要 FLUX、占用较多显存

方案 D — PuLID / InfiniteYou（最高质量）

• 显存需求： 24GB+
• 适用模型： FLUX（PuLID-FLUX）/ SDXL（PuLID）
• 适用场景： 要求最高面部保真度的商业级应用
• 所需节点： ComfyUI-PuLID-FLUX / ComfyUI-InfiniteYou
• 优点： 面部质量最高、编辑自由度大
• 缺点： 显存需求大、生成速度慢

快速选择表：

步骤 4：构建工作流

使用 Comfy Pilot 的 edit_graph 工具构建工作流，按以下步骤操作：

4.1 清空画布

调用 edit_graph，删除所有现有节点（或新建空工作流）

4.2 创建核心节点

FLUX txt2img 基础节点链：

1. 模型加载器
   • GGUF: UNETLoader（class_type: "UNETLoader"）
   • FP16/FP8: CheckpointLoaderSimple
2. 文本编码器 — DualCLIPLoader → CLIPTextEncode（正向提示词）
3. 空潜空间 — EmptyLatentImage（设置分辨率）
4. 采样器 — KSampler（设置步数、CFG、采样器、调度器）
5. VAE 解码 — VAEDecode
6. 保存图片 — SaveImage

SDXL txt2img 基础节点链：

1. CheckpointLoaderSimple → checkpoint
2. CLIPTextEncode x2 → 正向/负向提示词
3. EmptyLatentImage → 分辨率
4. KSampler → 采样
5. VAEDecode → 解码
6. SaveImage → 保存

4.3 添加身份保持节点（如需要）

根据步骤 3 选择的方案，追加对应的控制节点：

• IP-Adapter: IPAdapterApply + IPAdapterModelLoader + CLIPVisionLoader
• InstantID: InstantIDApply + InstantIDModelLoader + FaceAnalysis
• PuLID: ApplyPulidFlux + PulidFluxModelLoader

4.4 添加增强节点（可选）

• LoRA: LoraLoader 插入在 checkpoint 和 CLIP 编码之间
• ControlNet: ControlNetApply + ControlNetLoader
• 超分放大: UpscaleModelLoader + ImageUpscaleWithModel
• Tiled VAE（低显存）： 替换标准 VAEDecode 为 VAEDecodeTiled

4.5 连接节点

按照数据流方向连接所有节点的输入/输出端口。确保：

• MODEL 输出连接到 KSampler 的 model 输入
• CONDITIONING 正确连接到 positive/negative
• LATENT 从 EmptyLatentImage 流向 KSampler 再流向 VAEDecode
• IMAGE 从 VAEDecode 流向 SaveImage

步骤 5：参数填充

参考 references/param-guide.md 和 references/model-matrix.md，根据选定模型和 tier 填充参数：

1. 分辨率 — 根据模型和显存选择（详见 param-guide.md）
2. 步数 — 质量/速度权衡（详见 param-guide.md）
3. CFG Scale — 根据模型类型设置（FLUX 通常 1.0-3.5，SDXL 通常 5-8）
4. 采样器/调度器 — 根据模型推荐选择
5. 提示词 — 协助用户优化提示词（FLUX 使用自然语言，SDXL 使用标签式）
6. 种子 — 随机或用户指定

步骤 6：执行与检查

6.1 执行工作流

调用 run 工具执行工作流

6.2 查看输出

调用 view_image 查看生成结果

6.3 质量检查清单

逐项检查生成图像质量：

• 面部质量 — 是否存在变形、不对称、模糊
• 手部质量 — 手指数量是否正确、是否有融合/缺失
• 身体比例 — 四肢比例是否自然、是否有断裂
• 文本渲染 — 如果包含文字，是否拼写正确（FLUX 擅长此项）
• 风格一致性 — 是否符合目标风格
• 构图与光影 — 是否自然、是否有明显瑕疵
• 身份保持 — 如使用参考图，面部/服装是否一致
• 分辨率 — 输出分辨率是否符合预期

6.4 迭代优化

如果质量不达标：

1. 面部/手部问题 → 增加步数、使用 ADetailer/FaceDetailer 节点修复
2. 风格偏差 → 调整提示词权重、LoRA 强度、IP-Adapter 强度
3. 构图问题 → 使用 ControlNet（OpenPose/Depth）引导
4. 清晰度不足 → 使用 upscale 工作流放大
5. 身份不一致 → 提高参考强度、切换身份保持方案

向用户展示结果并询问是否需要调整。