AI 生图原理与 ComfyUI 工作流笔记

一、AI 生图的本质：不断去噪

AI 生图实际上是不断去噪的过程：

1. 去噪模型在得到生图要求后，随机生成一张噪声图（这个随机根据种子 seed 来）
2. 通过提示词不断地去噪
3. 最终得到图片

---

二、工作流各区块及专业名词的意义

文本理解模型

项目	说明
qwen3-4b-z-image-turbo-abliteratedv1-q4_k_m.gguf	选择具体的文本理解模型
stable_diffusion	指定 CLIP 模型的类型或加载模式
GGUF	一种专门为在普通电脑上（尤其是显存不够的电脑）运行大语言模型和 AI 绘图模型而设计的压缩文件格式

去噪主模型

项目	说明
z-image-turbo-q4_k_m.gguf	去噪模型（根据提示词生图的模型）

空 Latent 图像

项目	说明
宽高	生成图像的大小
批量大小	一次性生成的图片数量，数量越多越占显存

K 采样器

参数	说明
模型	来自去噪主模型
正负面条件	来自不同的 CLIP 文本编码
Latent 图像	来自空 Latent 图像
添加噪波	enable 表示加满噪点（从 0 开始），让 AI 从“雪花屏”开始去噪。如果是图生图，这里通常设为 disable，因为原图本身已经包含了部分信息
随机种	相同的随机种 + 相同的提示词 + 相同的模型 = 生成完全一样的图片。如果要固定一张图反复微调，就锁定这个数字；如果想每次都不一样，就设为随机
生成后控制	每次运行完随机种如何变化。randomize 表示每次运行完随机种都变化
步数	去噪几步后得到最终结果，一般 Turbo 模型经过特殊训练只需要 8 步
CFG	表示模型有多“听”提示词的话，通常 SD1.5 模型 CFG 在 7–9 之间。Turbo 模型的特性就是 CFG 必须设为 1.0，如果调高，画面就会严重过曝、色彩崩坏
采样器名称	选择哪种数学算法来去除噪点，euler（欧拉）是最基础、最快、最常用的采样算法之一
调度器	simple 代表均匀、简单地去噪。适合 Turbo 模型
返回剩余噪波	是否保留未去噪完的“半成品”，disable 表示不保留。因为我们要的是最终画好的成品图，而不是半成品，所以关闭

VAE 解码

项目	说明
VAE 解码	把 AI 画图的复杂矩阵和抽象向量解码成我们能看懂的图像

---

三、生成不同风格图片的方法

想生成不同风格的图片，需要：

1. 更换“去噪主模型” ✅ 这是最好的办法
2. 添加 LoRA（小型的风格外挂插件）

---

四、实用技巧

• 把生成的图片拖到 ComfyUI 的空工作流界面中，可以把生成这张图片的工作流原模原样地展现出来

---