最近连续有好几个做设计的朋友跑来问我同一个问题ComfyUI 的节点图看起来就像程序员的流程图学了一周还是只会复制别人的工作流模板PS 本身的修图功能又多到让人头疼这两个东西到底要怎么配合才能真的接商业订单我的答案其实很直接ComfyUI 负责把“想法”稳定地变成“底图”PS 负责把“底图”变成“能交付的作品”。这套组合我把将近一年靠它完成过电商主图、海报背景、公众号配图、IP 角色延展这些实际项目。今天不绕弯子直接把这套 AI 绘画工作流从节点逻辑到商业落地拆开讲适合两类人看一类是刚入门 ComfyUI、还在复制别人工作流的萌新另一类是已经能用 ComfyUI 出图、但一碰到客户需求就手忙脚乱的设计师和自由职业者。1. 先想明白分工ComfyUI 管生成PS 管落地1.1 ComfyUI 在流水线里的位置生成引擎而非修图工具很多新手最大的误区是把 ComfyUI 当成一个“升级版 PS”来用进去就到处找滤镜、找画笔结果被节点图劝退。换个角度理解就通了ComfyUI 本质是一个参数化的生成引擎它的产出物是“接近成品”的素材底图。这里的核心优势不是“画得快”而是可控、可复现、可批量。举个例子你接了个电商客户的单子要求“护肤品产品图保持原样背景换成海边日落”传统做法是 PS 里慢慢抠图、找素材、调光影一套下来两小时。用 ComfyUI 的做法是加载底模拖入客户产品实拍图接上 ControlNet 锁住轮廓写下提示词“ocean, golden hour, soft sand”采样输出。三十秒出一版不满意就改提示词再跑三分钟内有四五版备选效率完全不是一个量级。但 ComfyUI 也有明显的短板生成结果的随机性、局部细节崩坏、物体边缘融进背景、文字乱码这些都是家常便饭。这时候 PS 就该进场了。所以我的工作习惯是ComfyUI 只做“生产”不做“最终品”永远默认生成结果还要过一遍 PS。1.2 PS 的不可替代环节精修、合成与商业排版AI 生成图可以做到 80 分剩下的 20 分恰恰是客户愿意付钱的部分。PS 在这条流水线里承担三件事精修修复 AI 画坏的手、模糊的 logo、背景里的乱码文字统一肤色和光影。合成把 AI 生成的背景、元素和客户提供的实拍产品图合在一起叠加阴影和反射让画面光影一致。商业排版加主图文案、价格标签、logo、安全边距输出符合平台规则的尺寸和色彩模式。我见过太多人只把 ComfyUI 的出图直接丢给客户结果被“背景有点脏”“产品变形了”这类反馈打回来。问题不在 AI 绘画本身而是缺少 PS 这道把关工序。商业项目里客户不会为“这是 AI 生成的效果”买单只会为“这张图能用、好看、符合品牌调性”买单。下面我先把 ComfyUI 的节点逻辑讲透然后给一条从线稿到成图的完整实操链路。2. 节点逻辑拆解为什么 ComfyUI 难上手但效率上限高2.1 从一张最简单的文生图看节点链路如果你打开 ComfyUI 默认模板会看到一张文生图的标准流程图它长这样Load Checkpoint加载模型 ├── CLIP Text Encode正向提示词 ├── CLIP Text Encode负向提示词 └── Empty Latent Image创建潜空间画布 └── KSampler采样器 └── VAE Decode解码成图片 └── Save Image保存图片别被“潜空间”这个概念唬住把它理解成**生成过程的“草稿纸”**就行。模型不是在像素上直接画画而是在一个压缩的低维空间里做计算最后通过 VAE 解码成我们看得见的图片。这解释了为什么 ComfyUI 的图片尺寸越大显存消耗越猛——草稿纸越大计算量就越大。这条链路上新手最容易忽略的是CLIP Text Encode 会分别给正向和负向提示词各接一次模型权重也是分开调用的。不要只写正向提示词负向提示词在控制画面质量上同样重要后面实操里我会给一组具体写法。2.2 潜空间与采样参数决定出图质量的四个旋钮采样器 KSampler 上有四个参数是整条工作流里最值得花时间理解的东西参数作用我的常用值steps采样步数决定画面精细程度25-30SDXL 用 25 左右足够cfg提示词遵循强度太高容易画面过曝太低会跑题SD1.5 系列用 7SDXL 用 5-6sampler_name采样算法影响画面风格和收敛速度新手固定用 dpmpp_2m别换来换去scheduler调度器配合采样器使用karras这是通用性最好的组合这里有个很重要的经验采样器不是越花哨越好。网上有人推荐什么“restart”采样器、什么“align your steps”那都是针对特定模型调好的。新手老老实实用 dpmpp_2m karras先把提示词和 ControlNet 玩明白再考虑换别的。我见过太多人一天换一个采样器结果风格完全不稳定最后都不知道自己哪组参数好用。2.3 工作流为什么值得做可复现、可批量、可交接PS 里你修一张图过程和结果都留在历史记录里但换个图就全都失效。ComfyUI 的工作流 JSON 是把“生产方法”固化下来这次老板说好看那整个节点连接、参数、提示词就全部存档下次换产品图直接复用。我自己的习惯是每个项目存一份 workflow JSON命名规则是“日期_项目名_风格_v2”比如“20250115_美妆详情页_海边日落_v2.json”。半年下来存了三十多套接新单时先翻一遍历史工作流八成需求都能直接套用。这才是节点逻辑真正值钱的地方——它让 AI 绘画从“碰运气”变成了“工艺积累”。3. 一条能直接跑的电商海报工作流从线稿到成图3.1 一个真实的电商海报需求为了把前面讲的逻辑落到实际操作上我拿最近做的一个护肤品电商主图项目当例子。客户的需求很明确产品是一瓶白色的护肤精华手里有一张实拍图要求背景换成“海边沙滩、傍晚蓝金色调、空间感要强、产品位置和大小不能动”。这种需求如果纯靠生图AI 很容易把产品也重画一遍和实拍图对不上。所以我的思路是用实拍图锁定产品用 AI 重绘背景最后进 PS 合成精修。这也是 AI 绘画商业项目里最常用的套路之一。3.2 ComfyUI 侧的节点搭建与参数选择具体操作分五步载入产品图用 Load Image 把客户的实拍图拖进来同时接一个 ImageScale 把分辨率统一到 1024x1024。SDXL 模型在这个尺寸下表现最稳定如果显存吃紧就降到 768x768。锁定产品轮廓从 Load Image 引一条线到 ControlNet 的 Canny 预处理器提取产品轮廓图ControlNet 权重我设 0.85。这一步是防止 AI 把产品改形的关键。如果没有 Canny 模型也可以用 Depth 深度图但 Canny 对边缘更敏感更适合产品保留。写提示词。正向提示词我通常会写两段内容段和风格段混合着来skincare product bottle on a beach, ocean waves, golden hour sunset, warm blue and gold tones, soft sand, depth of field, commercial photography, masterpiece, best quality负向提示词固定一套安全项low quality, worst quality, watermark, text, logo, deformed product, extra fingers, blurry设置遮罩局部重绘如果不想让 AI 碰到产品区域可以再加一个局部重绘分支用 Load Image 配合遮罩图标记产品所在区域接 VAE Encode 生成带噪声的潜空间和采样器串联。等于告诉模型“产品这块别动只重绘背景”。做这一步需要单独准备一张黑白遮罩图你在 PS 里拿画笔随便涂黑产品区域就能用。采样输出KSampler 参数按我前面说的steps 30CFG 6.5sampler dpmpp_2mscheduler karrasdenoise 设 0.6。denoise 这个参数决定重绘幅度0.6 表示在原图基础上重画六成背景会完全变化产品轮廓因为有 ControlNet 拉着也不会跑太偏。跑完 VAE Decode先存一张 1x 的小图预览确认构图和背景方向对再挑满意的底图进入放大环节。放大我一般用 Ultimate SD Upscale 或 4x-UltraSharp 模型做一次 2 倍放大不要多次反复重绘否则画质会越来越软。3.3 PS 侧的精修流程从瑕疵修复到光影统一ComfyUI 产出的底图进 PS 后按我的常规流程走四步第一步瑕疵清理AI 生成图最常见的毛病是背景边缘残留半透明文字、产品标签糊字、沙滩纹理有不自然重复。用污点修复画笔和仿制图章逐个修别嫌麻烦这一步最耗时间但也最能拉开专业度。第二步抠图合成客户的产品实拍图用钢笔或快速选择工具抠出来放到 AI 背景之上。然后给产品图层加一个图层蒙版用黑色画笔在蒙版上轻轻涂抹底部边缘让产品边缘有融入沙地的感觉而不是“贴上去”的硬边。第三步光影统一全选图层盖印一张CtrlAltShiftE打开 Camera Raw 滤镜把色温往暖调调一点对比度适度增加再单独给产品图层提升一点亮度让产品从背景里跳出来。AI 生成的背景和实拍产品通常光源方向、色温都有细微差别这一步就是靠滤镜和曲线把它们“捏”到同一个世界里。第四步绘制阴影与反射新建图层用黑色画笔在产品和沙滩接触的位置画一条软阴影高斯模糊几个像素再把图层不透明度降到 40% 左右。没有这条阴影产品永远是“悬浮”的。这四步做完一张能交付的主图底板基本就成了。剩下的文案、logo 是和客户确认后再排的。3.4 交付标准与文件规范商业交付不是丢一张 JPG 就完事我有几个固定标准尺寸电商主图按平台要求官方常见是 800x800 或 1000x1000海报按 A3/A4 300dpi详情页宽度 750px 或 790px按客户平台来。色彩模式线上图统一 sRGB印刷图必须转 CMYK否则色差会大到客户直接拒收。文件组织源文件给 PSD 分图层版所有修改痕迹保留客户后续要改文案、换 logo自己动手也能改。AI 生成的原始底图单列一个文件夹和精修图分开方便回溯。提示AI 绘画商用前请务必确认你使用的大模型、LoRA 和 ControlNet 的授权条款尽量选择明确允许商用的模型这是行业里最容易踩的合规坑。4. 商业项目里真正决定成败的三件事效率、稳定与交付规范4.1 效率不是“画得快”而是“批量出图批处理精修”自由职业接单时间就是收入。AI 绘画看起来快但如果每次都从零开始调工作流、一张一张精修效率反而比传统设计更低。我的做法是两条腿跑ComfyUI 侧一次 Queue 批量提交 4-6 组不同提示词变体让显卡排队跑跑完快速筛选。筛选标准就两个构图完整、无明显硬伤。细节瑕疵留给 PS。PS 侧把上节讲的精修流程录成动作Action。比如“统一尺寸 转 sRGB 加安全边距 输出 JPG”这套动作录一次以后每次跑批处理文件夹就行。我手上有十几条 PS 动作从“电商主图标准化”到“海报出血线添加”全是日常高频率操作。真正的效率提升来自把重复劳动固化成“工作流 动作”而不是每次都重新发明一遍轮子。4.2 稳定用节点图和参数记录锁住交付质量商业客户最怕的事情是不稳定这版好看下版跑十张全是垃圾。要解决这个问题必须利用 ComfyUI 的两个特性一是固定 seed。KSampler 里的 seed 参数固定后同样的输入一定会得到同样的输出。项目确认稿时我会记下对应 seed客户说“背景再蓝一点”我基于同一张图微调提示词重跑出来依然能保留基本构图。二是完整保存 workflow JSON。ComfyUI 本身会把每个节点的所有参数写进 JSON这意味着你不需要额外记笔记。每次交付后把最终采用的 JSON 存档项目出问题随时可以复盘。模型层面同一个项目周期内不要随意换大模型。风格调整优先用 LoRA结构问题优先调 ControlNet只有这两个手段都解决不了才考虑换底模。换来换去容易把风格基线打乱。4.3 交付规范设计师该有的商业底线接 AI 绘画商业单交付规范和传统设计一样重要有三点最容易忽略改稿次数合同里写清楚总包含几次修改、超出怎么收费。AI 绘画出图快客户容易形成“反正改起来快”的错觉不提前约定会被零碎修改拖垮。源文件管理PSD 分层、workflow JSON、素材文件夹、最终 JPG按项目归档。客户半年后要加一张同系列图你翻出当时的 JSON 改两笔就能交付这就是你作为 AI 设计师的“资产库”。版权说明在交付协议里注明生成图的 AI 辅助属性同时保证所用模型和素材不侵权。每一条都落实到文档白纸黑字避免后续扯皮。5. 实操踩过的六个坑显存、模型、画质与 PS 联动5.1 显存不足的典型症状与解决方案接商业单必跑大图显存不足是最常见的拦路虎。症状一般有三类直接报 OOM、跑一半程序卡死、出图是全黑的。我踩过的坑和对应解决办法整理成表症状原因解决采样时报 CUDA out of memory单张图尺寸太大或 batch 数太高降分辨率到 768x768batch 设为 1加载 ControlNet 后频繁卡死预处理器也吃显存给 ComfyUI 启动参数加 --lowvram或先跑完预处理再卸掉节点出图全黑但流程正常VAE 解码阶段显存溢出挂一个 Tiled VAE 节点分块解码批量队列跑到中途停止前面任务占满显存没释放CtrlM 清空队列重启 ComfyUI 再继续这块儿的经验是不要贪大图。商业交付的大图完全可以靠放大模型后期处理生成阶段用 768x768 或 1024x1024 足够。8G 显存跑 SDXL 也没有想象中那么痛苦关键是把流程拆开。5.2 模型选型与采样器搭配的“风格翻车”问题另一个高发问题是模型混用。SD1.5 系列和 SDXL 系列的模型结构不同ControlNet、LoRA 也分版本混着用会出现两种典型情况加载时报错提示结构不匹配或者不报错但出图效果极其诡异。我犯过一次很蠢的错把 SD1.5 的 Canny ControlNet 直接拖进 SDXL 工作流里出来了整个画面轮廓扭曲的图排查了半天才发现是模型版本不对。现在我的原则是一套工作流确定一个基础模型体系SDXL 就全部用 SDXL 的 ControlNet 和 LoRASD1.5 就全部用 SD1.5 的配套。采样器方面初学者最稳妥的组合就是 dpmpp_2m karrasSDXL 用户的 cfg 从 5 起步试SD1.5 用户用 7。别一上来就学别人玩各种极端采样器等你能稳定输出十张以上满意作品再尝试换参数。5.3 多次重绘导致的画质劣化“越修越糊”是很多人的痛点。根源在于每一次图生图重绘都要经历 VAE 编解码和采样过程多次循环等于在草稿纸上反复涂改细节信息必然丢失。我踩过最深的坑是为了追求高清晰度先出 1x 图再局部重绘放大远景又单独放大产品最后再整体重绘一次结果画面软得像一层雾。后来改成一次性出图 一次高质量放大先定稿 1024x1024确认无构图问题后直接挂 4x-UltraSharp 或 SwinIR 放大模型做单次 2x 放大失真的问题基本绝迹。放大后如果还有局部细节模糊就在 PS 里用“高频低频分离”处理低频层负责光影高频层加锐化比重新跑一遍生成更可控。另外提醒一句JPG 保存次数越多画质越差中间过程用 PNG 保存最终交付再导出 JPG。5.4 PS 联动时最容易翻车的图层管理细节ComfyUI 出图速度快PS 里的图层管理如果跟不上返工成本翻倍。我见过同事批处理时把所有图层都合并了客户要改一个 logo 位置只能从头再来。说几个我一直坚持的习惯修图只用智能对象AI 底图转成智能对象后再做滤镜处理随时可以回溯换底。图层命名明确按“背景/产品/阴影/文字/调色”分类命名并加颜色标签区分。批处理动作里如果用到图层名命名不统一就会全乱。蒙版一定要用产品合成、边缘柔化、调色范围控制都靠蒙版实现而不是直接用橡皮擦。橡皮擦会把原图层像素销毁蒙版随时可以改回来。提示如果你的 PS 动作里涉及“选择图层”操作务必先把命名规则统一。我一般固定用“BG”“PRODUCT”“SHADOW”这类前缀确保任何项目放进动作里都能准确识别。6. 进阶玩法ControlNet、LoRA 和 PS 自动化批处理6.1 ControlNet 在商业图里的几种实用玩法ControlNet 是 AI 绘画商业落地最值得花时间钻研的节点它相当于给生成过程加了一个“结构标尺”。我在项目里最常用的有三种Canny 边缘锁定适合产品重绘背景、建筑线稿上色。用线条图限制主体结构AI 再天马行空也不会跑出圈。Depth 深度图适合空间关系复杂的场景。比如客户要求“产品放在桌子中央后面有窗户”深度图能框定近大远小的逻辑。Reference 参考图SDXL 生态里很常用的能力把喜欢的风格图作为参考传给生成过程适合快速模仿某种色调或构图风格。ControlNet 的权重建议从 0.7 起步权重太低结构容易飘太高则画面像直接贴上去的少了 AI 重绘的灵气。具体数值每张图不同我的习惯是出两版对比一版 0.7、一版 0.85选构图更自然的那份。6.2 LoRA 叠加风格资产的积木式复用LoRA 是轻量级模型插件相当于给大模型追加一种“特定风格”或“特定角色”的能力单个文件往往只有几十到几百 MB加载不影响主干模型。商业项目里LoRA 最常见的用法是风格统一。比如我接了一个日系动漫风格头像的系列单会在底模上叠一个人设 LoRA权重设 0.7 左右出来的角色五官稳定表情风格统一。叠加多个 LoRA 时有个原则叠加的数量宁少勿多权重总和保持在 1.2 以内。两个 LoRA 各 0.6 是可以的三个 LoRA 各 0.5 画面就会变得很“脏”这是我实测后的直观感受。LoRA 的存放位置是 ComfyUI 的 models/loras 文件夹加载后作为独立节点介入采样链路在 Checkpoint 之后、KSampler 之前串接。如果加载后提示模型结构不匹配检查一下 LoRA 对应的底模流派SD1.5 和 SDXL 的 LoRA 不通用。6.3 把 PS 动作做成批处理流水线最后说一个让交付效率翻倍的操作把 PS 动作用到批处理上。具体路径是窗口 → 动作 → 新建动作 → 录制。录制的操作最好包含固定尺寸设定、色彩模式转换、加安全边距、保存为指定 JPG 质量等。录完后在“文件 → 自动 → 批处理”里选择源文件夹和目标文件夹一键跑完几十张图。如果你愿意再折腾一点可以再用 Droplet 功能把动作打包成一个可执行文件放到桌面从此只需要把图片拖到图标上就能自动处理。这一步适合批量详情页、批量主图这类重复活。把这些旁路技能组合起来才是完整的“从节点逻辑到商业落地”的闭环。我这套流程不是标准答案但按它跑通的项目已经不少。刚起步的朋友建议别一上来就研究几十个节点的大工作流先把这条最基础的链路玩熟Load Checkpoint → 提示词 → ControlNet → KSampler → VAE Decode再配合 PS 把精修流程跑顺。等你能把一个成功项目完整存成 JSON 和 PS 动作接单效率自然会上去那时再慢慢扩展插件也不迟。