上个月接了一个咖啡品牌的电商海报单子客户丢来一句话夏日清凉感人物和产品都要高清玻璃瓶上的水珠要有层次。前一个工作室用在线工具出的图被他们打回来三回——背景里多长了一只手瓶身 logo 全是乱码想改某个局部简直是撞运气。我拿到需求后没有急着生成而是在 ComfyUI 里重新搭了一条 AI 绘画工作流先把节点逻辑理顺再让 PS 收尾精修最后用了不到两天交付。这个案例特别能说明问题AI 绘画要做到商业能用的程度靠的从来不是“生成一张惊艳的图”而是能稳定地控制它、批量地修改它、精细地收尾它。这也是为什么我现在的主力工具是 ComfyUI PS 这套组合而不是那些一键出图的在线平台。这篇文章我不打算整理成一份软件说明书而是把控制节点逻辑、参数调优、PS 精修介入、商单报价交付这一整条链路讲透给准备靠 AI 绘画接活的人一条能直接上手的路径。1. 为什么我现在坚持用 ComfyUI PS而不是被“一键出图”带偏先给结论如果你的目标是做一张“发朋友圈好看”的图Midjourney 或者各种在线生成工具完全够用但如果要靠 AI 绘画接活养活自己或者在公司里把它当作正式生产工具那没有可控性就等于没有生产力。这句话是我踩了半年多坑才彻底理解的。1.1 一个真实商单把我从云端出图拽回了本地工作流上面提到的咖啡海报并不是我第一次接 AI 绘画相关的单但它是压垮骆驼的最后一根稻草。在那之前我有一半业务在用在线工具跑客户需求集中在“氛围感”“风格化”那种需求确实适合快速出图。可一旦进入电商物料需求就变成“产品不能变形”“人物手指要正常”“背景元素指定”“构图要按参考图来”在线工具的弱点暴露无遗。那次海报需求其实不复杂背景要清凉冷色调的流动感主体是玻璃瓶冷萃咖啡画面右下角有托着瓶身的手部动作上方留白放文案。我用在线工具生成单张图的时候手部结构错了瓶身文字也乱码更要命的是我无法锁定其中一个满意的局部让生成结果只改背景不动产品。来回折腾接近一天最后我只保留在线工具生成的“氛围草稿”转到 ComfyUI 里重搭。ComfyUI 的节点逻辑让我第一次感受到“生成可控”这四个字的分量。我把产品区域用遮罩锁死背景交给 ControlNet 的深度约束手部姿态用 openpose 骨架卡住反复调了三十多轮终于得到一张结构基本正确、后续可以精修的底图。那次之后我所有商单全部切回本地环境PS 负责后期精修和排版收尾ComfyUI 负责生成和批量产出——两条腿走路比任何“全家桶”都稳妥。1.2 两套软件的分工ComfyUI 管“可控生成”PS 管“最后那 5%”很多刚接触 AI 绘画的朋友有个误区觉得 ComfyUI 和 PS 是替代关系其实它们更像流水线上的两个工位。ComfyUI 的优势在于把生成过程拆成可视化节点每一步都能干预适合做批量出图、局部重绘、姿态和构图控制这些事。PS 的优势则在于像素级的精修它能处理 AI 生成结果里那些“大方向对、细节脏乱差”的部分比如乱码文字、畸形手指、光源不一致、边缘锯齿。我习惯把一条完整商业工作流分成三段ComfyUI 负责从无到有的生成PS 负责从有到精的打磨两者之间用“导出高清底图 PSD 分层”来衔接。也就是说ComfyUI 跑出了一张 80 分的图不需要硬改成 98 分——在节点里为追求最后 10% 的细节反复烧显卡远不如把那 80 分导入 PS用二十分钟做手工精修来得高效。下面这个表格是我自己划分的职责边界接单时我会把它写进制作流程避免客户觉得“AI 是万能的”工作阶段ComfyUIPS文生图初稿负责批量出多张候选基本不参与构图控制负责通过 ControlNet/reference 锁结构只在需求极明确时画草图辅助局部修改负责遮罩重绘局部区域适合快速小改大范围改不如重绘细节精修不擅长成本高负责去瑕疵/修手/清乱码调色合成可做基础色调但难精细负责Camera Raw 统一色温排版加字基本不参与负责字体、排版、包装贴图这套职责划分不是绝对的但用熟了以后你会发现效率提升非常明显。ComfyUI 不跟 PS 抢“精修”这口饭PS 也不跟 ComfyUI 抢“从无到有”的活各管一段才不会陷入“夹生饭”的状态。1.3 对照三种主流方案的选型思考整理一下市面上能落地的方案给还没想清楚的读者做个对照。第一类是纯在线生成平台优点很明显不用折腾硬件和模型上手快适合做概念图、灵感收集、社交媒体配图。但它对具体元素的可控性弱不能离线使用大批量商单处理时需要反复切换、逐张下载效率很低。第二类是 PS 内置的生成式 AI 功能这是我很多设计师朋友最常用的在局部修补、背景扩展这些场景非常顺手但它的定位是“PS 的补充功能”没办法搭建可复现的完整生成逻辑也不方便批量跑参数组合。第三类就是 ComfyUI PS前期要投入不少时间学习节点显卡压力也大但换来的是每个环节都能控制、能记录、能复现跑通了可以沉淀成自己的模板不用每次从零开始。我的建议很简单只是玩玩怎么方便怎么来要拿它赚钱尽早进入第三类。学习曲线虽然陡了一点但长期回报值回票价。用一句话总结——选型不是选“哪个更流行”而是选“问题最多出现在哪个环节”。商单里 70% 的问题都出在可控性上这就决定了 ComfyUI 路线几乎是必经之路。2. 节点逻辑不是接线游戏采样、控制、修饰三层的真实作用网上大量的 ComfyUI 教程喜欢让你模仿别人截图里的节点连接但很少有人讲清楚一条工作流为什么要分这么多层。我觉得把节点拆成采样层、控制层、修饰层三层来理解所有参数设置就有了判断依据。2.1 采样层步数、CFG、采样器到底在调什么采样层的核心是把一组随机噪声逐步还原成清晰图像的过程你可以把它想象成从一块满是噪点的毛玻璃上一点一点擦出画面。扩散模型做的事情就是“逐步去噪”每一步都让画面向提示词描述的方向靠近一点步数越多理论上越接近理想状态但实际操作里步数超过某条线后收益会迅速衰减。先说步数 steps。常用的采样器在 20~30 步基本收敛我习惯性用 25 步作为起点。有些人迷信“步数越高画质越好”结果 50 步、80 步跑下去出来的图反而可能出现油光感、伪影增加而且生成时间翻倍一点不划算。再说 CFG这个参数控制的是“提示词对画面的引导强度”。CFG 拉得越高生成结果越贴近文本描述但也容易出现色彩饱和过度、线条生硬、画面“烧焦”等情况拉得太低画面会跟提示词貌合神离甚至出现主体缺失、构图混乱。我的通用区间是 6~8默认 7风格化需求时再单独调整。采样器选型上我用最多的是dpmpp_2m配合karras调度器这个组合在写实题材里细节扎实、风格稳定。偶尔追求特殊质感会用euler a它的随机性更强适合画插画、概念设计。另一个容易忽略的是随机种子 seed。很多人以为 seed 决定构图其实 seed 只是决定初始噪声的随机数同样的参数配不同 seed 会得到不同结果但这些结果跟 seed 数值之间没有一一对应的规律。商业出图时我习惯先固定步数、CFG、采样器摆一堆 seed 批量跑再从结果里挑构图而不是靠运气“刷图”。2.2 控制层ControlNet 和遮罩让生成学会“听指挥”提示词是一种软控制它告诉模型“大概要什么”但模型对具体构图、空间关系、姿态的理解经常飘。ControlNet 补上的正是这个缺口它把一张参考条件图比如线稿、深度图、姿态骨架编码成额外条件在采样时持续约束生成结果让画面严格跟着你的设计意图走。常用的 ControlNet 类型里canny适合锁边缘比如你已经确定产品轮廓或整体线稿它会约束生成的物体不超出这些边缘depth锁深度信息适合需要保持前后景关系的场景openpose锁人体姿态人物动作要跟参考图一致时靠它。实际商单里我最常用的是 depth canny 组合先定构图框架再用深度约束保证透视关系正确。控制层另一块是遮罩重绘。ComfyUI 里的局部重绘逻辑是把图片加载进来画一个 mask 指定要重新生成的区域然后在采样时给这个区域注入独立噪声重新生成那一块内容不动 mask 外的区域。听起来简单但新手经常遇到两个问题一是 mask 边缘太锐利重绘区域跟原图之间有一道明显的“拼接线”二是 denoise重绘强度设置不合理要么改得不彻底要么把原区域内容也带偏了。我的习惯是mask 边缘用羽化过渡denoise 控制在 0.55~0.75 之间改背景用低一点换主体元素时用高一点。2.3 修饰层VAE、高清放大、细节修复为什么必须放最后把修饰层的节点放到整个工作流的末端不是随手排的是有讲究的。VAE 负责把模型在潜空间里的编码解码成人眼能看的图像很多写实模型如果没有挂配对的 VAE出来的图会灰蒙蒙的、对比度像隔了一层雾。这个节点该接在哪一步接在采样器之后、保存图之前这是标准做法。高清放大节点Hires Fix / Ultimate Upscale为什么必须放在构图确定之后原因有两个。第一低分辨率生成阶段运算量小、显存压力低方便快速试多组 seed 找构图构图一旦确定再投入算力做细节放大效率最高否则每个 seed 都跑高分辨率时间成本成倍增长。第二从控制角度看高清放大只负责“把画面细节做得更好”它不应该改变构图语义。如果你放大阶段给的条件太强画面有可能出现内容偏移、多余元素被强行放大等问题。细节修复节点FaceDetailer 这类则放在放大之后它通常只对检测到的人脸区域做一次轻量重绘解决眼睛、嘴巴等部位的瑕疵。为什么不直接全图重采因为全图重采会连带改变画质造成局部修好、整体变味的问题而 face detailer 只锁区域修完跟背景融合自然。我搭人像相关工作流时必定放一个这样的局部修复节点它能把“废稿率”砍掉大半。2.4 不要把提示词当全部节点结构才是工作流的骨骼很多新手把大量时间花在背提示词上到处找“魔法词汇”结果换了一个模型、换了一套设备效果立刻不稳定。我跟你说句实话提示词在 ComfyUI 里只是输入文本真正决定产出质量的是节点结构以及节点之间的连接逻辑。同一个提示词放在文生图主路径里和放在重绘分支里效果完全不同同一个 checkpoint配不配 ControlNet、VAE 放哪个位置结果也会有肉眼可见的差异。工作流里的“骨骼”指的是数据流向文本条件怎么注入采样器图像条件怎么叠加控制噪声从哪里来、最终解码到哪里去。这些结构设计对了提示词只需要表达清楚“内容”就够了不需要承载太多“控制”功能。另外嵌入模型embeddings和 LoRA 本质上属于模型侧的扩展它们是给模型注入额外风格和概念用的跟工作流结构是两回事。我见过有人把十来个 LoRA 一起塞进一个节点里跑结果画面风格互相打架这就是典型的“把模型侧的东西当成工作流逻辑”来用。我自己的经验是商业项目的工作流节点复杂度控制在 20~50 之间最舒服。超过 60 个节点的“神级工作流”看起来炫跑起来要命的很每次换需求都要大改结构调试时间远超产出时间。稳定、可复用、出图可预期这三条对赚钱来说永远比炫技重要。3. 一张电商海报从空白画布到准交付稿的完整路径光讲概念不够我用咖啡海报这个案例完整走一遍流程。以下是实际操作记录参数基于我的常用配置你可以根据自己模型的情况微调。3.1 需求拆解先写清楚“生什么”再去动节点接到需求后的第一件事不是开软件而是把客户的描述翻译成可执行的清单。我会整理成这么几列输出规格、主体产品、人物要求、环境氛围、画面结构、文案占位、负面清单。以这次咖啡海报为例输出规格是 1920×1080 横版电商 Banner主体是玻璃瓶冷萃咖啡瓶身要干净液体层次清晰人物是画面右下角一只手的动作手形要自然不穿帮环境是冷色调、有流动感、带水雾和气泡上方约三分之一留白准备放标题和卖点负面清单包括多余的手、畸形手指、乱码文字、光线不一致、瓶身变形。把这些拆完再写提示词就会清晰很多。正面提示词我会写成一段描述完整场景的英文或中文短句模型不同取效果不同负面提示词直接复用通用负面清单加上本单特有项。这里顺便提醒一句提示词不是越长越好长句要用逗号切成语义块模型才知道哪个关键词权重高。提供一下这次的主提示词示例我用的是写实类模型因此以英文/中文混合描述为主(冷萃咖啡玻璃瓶, 清凉冷色调, 水雾气泡, 流动感背景, 夏日氛围:1.2), (手托瓶身, 自然手势, 柔光, 高细节, 商业摄影风格:1.1), 顶部留白构图, 高清, 体积感, 产品前后景层次 负面提示词: lowres, bad anatomy, extra fingers, mutated hands, bad hands, watermark, text, logo, blurry, oversaturated, jpeg artifacts3.2 主流程搭建文生图、ControlNet、局部重绘的接线方式ComfyUI 里最基础的工作流是“加载模型 → 写正负面提示词 → 设定空潜空间 → KSampler 采样 → VAE 解码 → 保存”这条路径跑通了再往上加控制层。我按三层结构逐步搭第一层主生成路径。加载写实 checkpoint连接正向提示词和负向提示词节点到 CLIP Text Encode再接入 KSampler 的条件输入。空潜空间节点宽度设 768、高度 1344因为 16:9 的画面比例更适合产品海报构图。采样步数 25CFG 7采样器选dpmpp_2m调度器选karras。第二层加 ControlNet 分支。我这里用了两路条件一路是深度图取一张参考构图跑 depth 预处理器接 ControlNet 深度模型权重 0.7另一路是 openpose 骨架专门约束手的姿态权重 0.6。两个 ControlNet 条件节点都连到采样器上和文本条件一起参与去噪。需要说的是手部姿态控制是电商人物图里最划算的一笔投资后期修手的时间能省下大半。第三层局部重绘分支。先把 ControlNet 跑出来的一张“底图”加载进工作流用遮罩节点在瓶身区域画 mask这里我在 PS 里提前画好了一张黑白蒙版导入边缘做了羽化。然后用 SetLatentNoiseMask 把 mask 转成噪声掩码再接一个独立的 KSamplerdenoise 设为 0.65只重绘瓶身区域背景和手部结构原样保留。这种“主路径出结构 控制层锁约束 重绘层修局部”的接法最大的好处是每个环节都可回溯。客户说“背景太乱了”我只需要调整背景相关的 ControlNet 权重或重绘 mask不用重新跑完整张图。3.3 参数设置的实操记录这次跑下来的最终参数记录如下方便你对照自己的配置参数数值说明基础分辨率768×1344竖构图后期裁切出 16:9采样步数25收敛稳定不再加高CFG7通用值写实题材不激进采样器 / 调度器dpmpp_2m / karras稳定、细节干净ControlNet 深度权重0.7保持透视和远景关系ControlNet 姿态权重0.6卡住手部动作又不僵硬重绘 denoise0.65瓶身区域更换效果明显且不破坏整体高清放大倍数1.8 倍用 ESRGAN 类模型放大后导入 PS这几个参数的搭配逻辑CFG 不拉高是为了给 ControlNet 留出有效的控制空间CFG 越高文本的引导越强会压制参考条件的影响力所以商用图里经常出现“提示词很贴切但构图不受控”的现象就是因为 CFG 开太高了。denoise 取 0.65 是因为低了对瓶身区域的重绘不彻底高了会连周围水雾的材质一起换掉造成新的不自然。3.4 PS 精修介入哪些地方必须人工收尾ComfyUI 出图后先在 PS 里做一次完整检查再决定重绘还是精修。检查顺序我总结为“先整体后局部”先看整体色彩和光影是否统一再看主体边缘是否有异常最后放大到 100% 检查细节。优先级最高的几项基本也是 AI 生成图的常见硬伤。第一手部虽然 openpose 控制住了大体形态但手指之间的粘连、关节别扭还是时有发生这种问题靠 PS 的修补工具和液化工具处理比分分钟重绘更快。第二文字乱码瓶身 logo、包装上的文字区域经常是一团“伪文字”这个别指望重绘解决直接把文案区域选出来用 PS 图层盖掉重新排一版干净的文字上去。第三光源一致性AI 生成图里产品的高光方向有时跟背景不完全统一我会用 dodge/burn 轻微提亮或压暗局部让它看起来像同一盏灯拍的。精修最后两步是调色和输出。调色我习惯用 Camera Raw 滤镜统一整体色温把高光的蓝色往冷调收一点、阴影的绿色往灰调压一压这样“夏日清凉感”就出来了。输出前记得把图层整理成规范的 PSD 分层背景层、产品层、文字层、调色调整层分开这样客户后续改文案、换背景时能直接动手不用每次回来找你重新出图。3.5 交付前的核对清单我把每次交付前必查的项目列成了一张表检查完打钩再发文件人物肢体手指是否自然手部关节是否穿帮产品外观瓶身是否变形logo 是否清晰浮雕和印刷是否合理文字内容画面内所有可见文字是否可读、无乱码边缘细节产品与背景交接处是否干净有无白边或锯齿光影统一主光源方向一致高光、阴影协调色彩倾向整体色调符合设定无脏灰、无过饱和输出规格分辨率是否达到甲方要求色彩模式是否正确文件结构PSD 分层命名规范附带预览 JPG 和源文件这份清单不止是为了交付它也是控制返工率的工具。我在第一次给客户预览稿之前就会走一遍把明显问题提前筛掉后面沟通过程会顺畅很多。4. 商业落地最容易翻车的四个环节技术跑通只是第一步真正让 AI 绘画变成收入的是后面这些看起来跟技术无关、但实际决定“你赚不赚钱、亏不亏钱”的环节。4.1 报价不是按张算而是按“修改轮次”算新手最容易犯的错是给客户报“一张图 XX 元”听起来简单但实际做完发现亏得裤衩都不剩。原因很简单一张图的成本大头不在“生成那一张”而在后续的需求理解、筛选、修改、精修、交付沟通。客户说“稍微改一下”对你来说可能就是一次局部重绘加一轮精修时间成本一小时打底。我现在的报价方式是把项目拆成“初稿 修改轮次”的结构。先估算完整交付耗时乘以目标时薪得出项目报价规则写明“包含两轮修改每轮修改只能在既定的需求范围内超出部分按新增工作内容单独报价”。沟通成本也要算进去尤其是需求模糊的客户一定要在前期把参考方向确认清楚否则后续修改永无止境。举个例子这张海报我的时间账是这样需求沟通 1.5 小时主工作流出图和调参 3 小时PS 精修 2.5 小时一轮修改变动 1.5 小时交付整理 0.5 小时合计约 9 小时。按 150 元/小时的底线来看这个单的报价就已经不应该低于 1350 元。很多新手只看“出图十几分钟”就报个 200 元/张等于把精修和沟通时间全白送了。4.2 批量出图效率和质量的平衡商单里经常遇到“先出 20 个方向让我们选”的需求这就是批量出图的场景。ComfyUI 最舒服的一点是批量能力特别强。我会用批量 seed 的方式在基础参数不变的前提下一次性跑出十几二十张构图方向不同的初稿再人工筛。批量出图要注意两类风险。第一风格漂移同一套参数换了 seed 以后画面风格可能会上下浮动尤其是一些微调模型不够稳定的 checkpoint。这种情况我会固定 CFG、采样器、ControlNet 权重只允许 seed 和提示词的局部变量变化保证批量结果在“同一风格框架”里。第二筛选标准不统一人工看多了容易眼花建议先按“构图是否有有效主体、透视是否合理、有没有明显穿帮”三个硬标准筛掉一半再从剩下的一半里看细节。还有一个小技巧批量初稿分辨率可以降低比如用 768×768 甚至 640×640选出构图后再开发高清放大节点把分辨率提到交付规格。这样既节省显存和时间又不牺牲最终质量。商用项目里批量的目的是“找方向”不是“直接交付”——方向定了后面精修的成本才值得投入。4.3 版权与模型授权不被看见的雷区商用落地时最隐蔽的雷区是版权授权。很多人默认“AI 生成的图就是我的”但实际上不同模型的授权范围差别很大有的模型对商用很宽松有的明确限制不能用于商业有的要求必须在作品里标注生成模型还有的模型训练数据本身存在争议。接单之前至少要确认三件事你用的 checkpoint 和 LoRA 是否允许商用、渲染成品是否需要标注模型来源、客户如果要求“独家版权”你是否能兜住。我自己的处理方式是准备一个“素材来源清单”记录项目里用的模型、LoRA、ControlNet 模型、参考图素材的来源和授权类型交付时一并给客户。虽然大部分客户不会细看但一旦出现争议这份清单能保护你。另一个稳妥的做法是商单主力模型尽量用授权清晰的模型需要风格定制就自己训练专用 LoRA尽量减少外部版权风险。还有个现实问题经常被忽略给客户交付的 PSD 里可能残留参考图素材比如我前面说的 PS 里画的黑白蒙版或者从别处抠来的产品图。这些素材如果是客户提供的那没问题如果来源不明一定要跟客户说明或换成自制的版本避免甲方后续被找麻烦。4.4 把工作流沉淀成自己的“生产资料”时间越长越会发现最有价值的不是你某张图跑得多好看而是你攒下的那套可以反复使用的“生产资料”。我从第三个月开始把每次项目用到的工作流 JSON 按类型存档产品图流、人像精修流、电商场景流、风格化概念流。每个存档里固定了 checkpoint 和 LoRA 的选择标注了参数区间下次接单时直接“换需求不换框架”从打开软件到出第一版图的时间能压缩一半以上。提示词库也要沉淀。我会按行业分餐饮类、美妆类、服饰类、电子产品类每个类目里存几十条跑过真实项目的提示词和负面清单再附上当时的工作流截图或 JSON。这类东西属于“越攒越值钱”的资产换个机器、换个环境也能快速进入状态。团队协作时还会有额外的需求。如果同事或甲方要看工作流逻辑我会把关键节点和参数选择整理成一份简要说明把图、PSD、工作流 JSON 一起归档。这套习惯可能听起来有点琐碎但到了月底你会发现能快速拿出“上次那个项目的完整过程文件”比任何汇报都更有说服力。5. 这套工作流后续还能怎么长ComfyUIPS 这套组合不是静态的它一直在跟着模型和插件生态一起更新。我目前常跑的方向已经开始向视频延伸ComfyUI 里已经可以接视频生成模型和关键帧插值节点思路跟静态图非常像——先用 ControlNet 把握关键帧的构图和动作再用 batch 方式批量生成中间帧最后到 PS 里统一调色和补充细节。如果你已经吃透了静态图工作流的节点逻辑转移到视频方向并没有想象中那么陡。我的最后一个建议是每个项目结束后花 20 分钟把这次跑过的参数、踩过的坑、写进工作流的注释都记录下来。三个月后回头看你会发现自己对“节点逻辑”和“商业落地”的理解都比同行快了一大截。AI 绘画这个领域变化很快但节点化、可控化、工程化这条路大概率还会往前走很久。
