AI工作流平台快速上手技巧解析

引言

今天，我们将开始一系列关于AI Agent构建的连载，内容主要分为三个部分。首先，我们将深入探讨AI Agent构建的基础工作流，随后，本文将以ComfyUI为实例，向大家展示如何迅速掌握工作流平台，并分享一些实用的技巧和思路。系列的最后一部分，我们将利用Agent平台构建一个实际的AI Agent案例，旨在帮助大家理解工作流的构建方式，并尝试为自己搭建一些实用的AI助手，或者提供构建方法的指导。

关于不得不说的闲话

目前，市场上的图像生成平台功能越来越强大。比如最新版本的ChatGPT 4o和即梦AI，它们不仅使得提示词描述变得更加简洁，图像生成效果也更加出色。只需几张参考图和一些需求说明，就能迅速完成高质量的图像融合、局部修复、风格转换和效果扩展。甚至即梦AI还能处理中文和文字效果。

或许有人会问，既然有了如此强大的图像生成平台，我们还需要用ComfyUI来做工作流上手案例吗？答案是肯定的！

原因在于，专业的业务场景需要复杂且专业的工作流或Agent来实现。我们学习的是一套可复用的思维或方法，而不仅仅是ComfyUI。在第三篇案例构建中，我还会使用这套方法熟悉其他智能体平台，以搭建一个Agent助手。

因此，通过学习和掌握复杂的工作流，我们可以更加从容地应对AI应用的快速变化。

设计目标解析

明确我们的构建目标、业务背景、需求提供的数据以及预期结果，这些都是围绕目标需求来拆解基本流程和寻求实现工作流的技术平台的关键。

例如，如果我们需要构建一个图像生成的工作流，需求中包含了图像的风格和主题内容说明，那么我们的目标就是生成一张符合要求的图像。如果我们要通过一套工作流实现这一目标，那么这个工作流平台就必须具备文生图的插件能力，比如基于SD图像生成的ComfyUI。

那么，基于图像工作流ComfyUI，我们来探讨一下如何快速上手一款工作流平台，使其服务于我们的需求。

现有流程结构分析

本质上，工作流是一套数字化的生产流程。因此，我们首先要分析和明确实现目标的基本工作或流程，以及从起始到结束的数据转化涉及的加工步骤，中间至少需要哪些插件或AI模型的能力来实现转化。

例如，如果老板提供了一张小狗的草图，希望我们通过工作流上色和完善图像，最终得到一张二维卡通风格的狗狗图片，那么基于AIGC的方法概念，我们可以简单地思考一下，这个流程至少需要以下几个节点：

Step1. 拥有一个风格匹配的大模型

Step2. 插件能够加载和识别草图图

Step3. 能够输入关键词来指导图像的基本要求

Step4. 能够配置图像规格的参数

Step5. 能够基于以上数据生成期望的图像

根据这套基础流程和插件需求，我们就可以匹配合适的工作流平台了。

工作流搭建平台选择

以代码托管部署为例，我们可以寻找代码相关的工作流部署平台。如果是AI智能体相关工作流，可以考虑扣子、文心智能体平台、百宝箱、Dify等。这些平台会提供相应的插件、工具或模型。我的选择标准主要有三个方面：

1. 能够满足我的设计目标或业务需求（需求可行性）

2. 提供丰富可用的插件或AI模型（能力扩展性）

3. 用户体验友好且成本可控（体验与商业平衡）

经过一番初步的考察，一旦确认了上述三个关键要素的满足，我们便可以深入地探索和体验这个工作流平台，并着手尝试构建或部署我们的业务解决方案。

迅速掌握工作流平台的技巧

一切都要从最基础的部分入手。当我们初次面对一个看似复杂的工作流时，可能会感到有些望而却步。然而，任何复杂的系统都是由简单元素逐步构建而成的。面对一个全新的工作流，我们可以采取以下策略来快速熟悉并掌握它：

1. 一套基础的工作流程应当包含哪些节点和参数。比如，我们常用的启动和结束节点需要哪些特定的节点和设置，以及整个工作流的配置设置有哪些，它们之间的差异在哪里，哪一种更适合我们的业务需求（比如，是否需要支持单个Agent的对话模式、多个Agent的协同触发模式，或者我正在使用的应用模式）。

2. 了解节点之间的连接关系和条件。这包括输入输出的数据类型、参数以及节点间的准入和准出规则，理解节点如何连接在一起并确保其正常运行。

3. 熟悉各类节点插件的作用或类别。也就是说，不同节点的用途是什么，它们通常在流程的哪个阶段使用，以及需要哪些必要的输入输出才能完善整个流程（通常，各类节点或AI模型都会有相应的介绍说明，这些信息是必须要了解的）。

了解ComfyUI的基本操作流程

接下来，让我们借助这套方法，迅速掌握ComfyUI的基础操作流程及其插件功能。对于那些没有在本地电脑上部署ComfyUI的用户，不妨尝试使用这款在线的工作流平台（）

言归正传，当我们面对这样一个完整的工作流时，是否会感到有些头晕目眩，心中不禁产生疑问：这究竟是个什么玩意儿？

无需焦虑，让我们逐一掌握这个简易的工作流系统。首先，ComfyUI是一个基于Stable Diffusion的节点式工作流平台，因此，任何工作流的基础流程都应当遵循以下这套编排逻辑来逐步构建。

接下来，我们需逐一锁定这些关键环节，具体如下所示，我们已经成功在工作流界面的搜索栏中筛选出了构建基础流程所需的关键节点。

深入了解节点间的关联与约束

接下来，让我们深入探讨节点间的连接关系及其限制条件。观察发现，每个节点卡片的两侧分别标注了输入和输出的字段，而卡片中央则是需要我们进行配置的参数。这种结构典型的包含了输入输出与数据配置两个部分。值得一提的是，为了方便区分不同类型的输入输出字段，设计者甚至巧妙地运用了不同颜色来进行区分。因此，我们只需根据颜色指引，便能够轻松地将各个节点之间进行连接，极大地简化了连接过程，使得连接关系变得更加直观和易于理解。

在这里，我们迅速地完成了连接，似乎已经对ComfyUI的基础工作流程有了掌控。然而，当我们点击运行时，却遭遇了错误提示！

细心观察的人立刻便能察觉到问题所在，原来是因为某个节点缺少了执行所需的预设输入配置。于是，我们决定寻找一个“粉色”的“Latent”节点来填补这一空缺，再次尝试运行。

借助平台提供的便捷功能，我们只需将粉色的空白输入接口拖拽至界面上，便成功加入了一个名为“Latent”的组件。经过对参数的仔细观察，不难发现这个粉色的组件主要用于调整图像的尺寸和批次数量。经过一番操作，我们顺利地完成了设置，并成功启动了整个工作流程。

那么，经过前期的学习，我们已经熟悉了工作流的搭建基础，并了解了节点之间如何准确连接并运行。这种方法的优点在于，当我们了解到1+1=2的原理后，便可以直接应用，无需深入探讨1+1=2背后的原因。当然，如果你对ComfyUI的基础生成流程的构建方式感兴趣，完全可以在网络上进行深入的学习。

接下来，我们将进入第三个阶段，学习不同节点插件的用途和类型差异，同时揭示第一张杂乱工作流的概念及其应用。

精通核心节点或插件的操作

在ComfyUI中，节点插件种类繁多，且随着时间的推移，数量还将持续增长。不过，这并不妨碍我们的学习。我们首先从核心且使用频率较高的节点开始入手。

在接触各种节点时，我们首先需要了解它们在哪些流程阶段应该被使用。以ComfyUI平台为例，每个节点都会通过颜色来标记其输入输出的分类。当你拖拽输入输出端口时，还会出现一个浮窗，显示与该节点相关联的条件节点。这意味着，当你对一个节点不够熟悉时，只需将其添加到面板上，并观察其输入输出端口，基本上就能判断出这个节点适用于哪个阶段。以下是一个示例图示：

从上图中我们可以明显观察到，“遮罩阈值”这一节点是在图像处理节点群中发挥作用的，而且其输出端均以橙色和紫色的线条作为结束标志。结合我们对基础工作流节点的理解，不难发现，“遮罩阈值”节点实际上扮演着连接“关键词”与“K采样器”的关键角色。

那么，在掌握了节点应用的关键技巧之后，我们再进一步探讨一下平台中的核心节点，它们各自的功能、应用领域。下面，我将为您呈现一份精心整理的说明表格：

一、ComfyUI平台的基础核心节点详解

二、ComfyUI的图像控制与增强节点

三、ComfyUI的条件控制节点

四、ComfyUI的逻辑与流程控制节点

五、ComfyUI的特殊功能节点

六、ComfyUI的高频节点参数配置参考

当然，这仅仅是对核心节点信息的一个简要梳理。若您对ComfyUI或这些节点充满好奇，不妨前往“某设计社区”深入了解，亦或是利用ComfyUI工具对节点进行分类，正如下图中所示，这里就不再一一赘述了。

在深入探索SD图像生成的高级应用时，ControlNet成为了不可或缺的进阶技能点。它不仅是我们先前工作流程中曾经遇到的关键节点，而且记忆犹新。现在，让我们来对这些内容进行简要梳理，以便为破解之前遇到的复杂工作流程打下坚实的基础。

七、ControlNet模型节点分类详解

在运用ControlNet模型进行图像生成时，我们需注意其对于参考图的要求。这些模型虽能助力图像的参考生成，却对输入的参考图设定了特定的条件。一般情况下，需配合相应的条件预处理器一同使用，比如提取图像中的黑白线稿。然而，若你提供的参考图本身即为符合要求的黑白线稿，那么在应用这些模型时，就可以省略预处理器这一步骤。

对于想要深入探究ControlNet节点及其功能效果的朋友们，不妨前往以下链接一探究竟：

一窥复杂工作流截图的秘密

当你阅读至此，相信你已经对ComfyUI的出图流程有了初步的了解，掌握了核心节点有哪些，节点间如何相互连接与运用，以及如何通过添加上下级节点来分析工作流的各个阶段。

或许你的思绪已经有些混乱，但请放心，即便如此，当你后续在案例中遇到不熟悉的节点时，你仍然可以回顾前面的节点或插件介绍来寻求帮助。

接下来，让我们继续深入。再次审视这个复杂的工作流，你会发现紫色部分构成了生图的基础节点，而基础流程的前后分别由一个Lora节点和一套图像放大节点所组成。在关键词与K采样器之间，还存在着一套灰色的节点任务。现在，让我们逐一对其进行拆解。

Lora节点所运用的是一种与“Realistic Vison V5.1”写实类高级模型相辅相成的绒毛效果Lora，其主要功能在于打造出更加细腻的绒毛质感。

图像放大大节点实际上涵盖了三个关键子任务，其中最为核心的是“图像通过模型放大”（ImageUpscaleWithModel）。这一功能通过将图像分割成多个区块，逐步进行放大处理，并且在放大过程中，还能有效应对内存资源紧张的问题。

在利用AI工作流平台进行图像放大处理时，我们需通过“放大模型加载器”这一功能模块来精心挑选适合的放大模型。在输出环节，虽然仅凭颜色观察即可直接完成图像的输出，但为了进一步提升图像的清晰度，我们引入了一个名为“缩放节点”的关键组件。该节点会根据“空Latent”参数中指定的尺寸以及缩放节点的缩放系数2进行计算，从而生成一幅高清的、放大至原始图像两倍大小的图像。

接下来，我们注意到这些灰色的节点，通过观察节点名称，我们发现关键词为“ControlNet”。进一步观察可以发现，这些节点实际上是通过“ControlNet应用（旧版高级）”节点与基础流程相连接的。根据节点输入输出的颜色标记，我们可以看出这些节点在CLIP关键词与K采样器之间的环节发挥作用。而且，这里有两个“ControlNet应用（旧版高级）”节点是串联使用的。那么，我们就一组一组地来深入解析这些节点吧。

在深入分析后，我们发现“ControlNet应用”这一节点实际上是由四个关键的任务节点所组成。这些节点的主要职能在于执行ControlNet模型的挑选以及参考图的加载处理工作。在前面的章节中，即“掌握核心节点或插件/七/ControlNet节点”部分，我们已经详细介绍了ControlNet模型的相关输出要求。鉴于此，我们必须对提交的参考图进行预处理，以确保其输出条件与所选模型相匹配。因此，在“加载图像”节点之后，我们引入了一个名为“PidNet模糊线预处理器”的图像处理步骤，该处理器与所选模型精确对应。

观察之下，我们发现所使用的ControlNet模型名为“control_v11p_sd15_softedge”，这一名称意味着它专为配合SD1.5版本的SoftEdge（软边缘）功能而设计。因此，适用于该模型的图像预处理工具为“Pidinet”，它能有效提取图像的柔和边缘轮廓。这种柔和的轮廓在图像生成过程中为AI提供了更大的发挥空间，避免了边缘过于生硬，从而确保了毛茸茸效果的优质呈现。

在完成了对第一组ControlNet任务节点的深入分析之后，转向第二组任务节点，我们会发现其操作起来相对更为直观。两组的结构大体一致，采用的模型是“control_v11fle_sd15_tile”，而图像预处理器则选用了“Tile平铺预处理器”。这一处理器本质上是一个分块采样器，它能在保持原有画面基础的同时，创造出更为细腻的画面质量或细节。这对于增强毛绒效果的质感尤为有效。由于这些预处理器的工作对象和结果是图像，因此在输出端特别添加了“预览图像”这一环节，使得我们能够直观地观察到预处理后的画面效果。

当您再次启动这个完备的ComfyUI工作流时，您是否对它有了更深的理解？又或者，您心中是否涌起了新的疑惑？

揭晓时刻终于到来！

在【紫色域】中，那些带有紫色标记的节点，它们是构成基本工作流的核心，主要负责将文字转化为图像；

紧随其后的是CHECKPOINT模型，它连接着黄色的Lora模型，这个模型的主要功能是创造出独特的毛绒质感；而在流程的末端，黄色的任务节点则被用来增强图像的清晰度以及放大图像尺寸；

进入【暗红域】与【绿色域】，我们可以看到两组分别以暗红色和绿色标记的ControlNet任务节点。它们的作用是提取参考图像的特征。这两组节点通过绿色的“加载图像”节点，从用户的设备中获取同一份参考素材。第一组节点运用SoftEdge（软边缘）技术来捕捉参考对象的边缘线条，而第二组则通过分块/模糊（tile/blur）的任务节点来捕捉图像的独特风格；

通过这样的工作流程，我们便能够绘制出具有毛绒效果的图标。

令人好奇的是！

我们可以看到，工作流程已经顺利运行。不过，值得注意的是，在ControlNet应用节点上并未添加“VAE”输入。这或许意味着它是为特定模型预留的。不过，你也可以选择添加主模型的“VAE”输入，这样工作流依然能够正常运行。

阅读至此，你是否已经掌握了快速掌握一款工作流平台的秘诀？接下来，我将深入探讨“工作流的编排与初步调试”以及“功能的拓展与调试”。

工作流的编排与初步调试

这一步骤主要涉及将任务分解为最小的工作流单元，然后尝试将这些单元中的节点进行合理编排和连接。同时，需要对工作流运行的基础参数进行细致的设置，确保工作流能够顺利启动。在成功运行后，根据实际效果对节点参数进行优化调整，或者替换成其他效果更佳的任务节点。简而言之，这就像是将一个大的目标分解为若干个小任务或基础流程，首先构建并运行基础工作流，然后再考虑如何进行功能的拓展和优化。

这一过程在之前的“熟悉ComfyUI的基本流程”部分中也有所体现。你还记得吗？