本機端 AI 影像生成工作流
從硬體部署、模型選型到 MCP 全自動化生產線
把算力與資產握在自己手上,AI 創作才會從隨機摸索變成穩定的生產線。
商業資產、圖像與提示詞完全留在本機。
沒有按次點數計費,只需負擔設備與電力。
不受平台規則限制,可自由組裝工作流。
| 本機 GPU 獨立運算 | 雲端 / 遠端 API | |
|---|---|---|
| 算圖速度 | 視本地 GPU 與顯存而定,NVIDIA(CUDA)最佳 | 視雲端算力而定,不佔本地資源 |
| 成本架構 | 零點數邊際成本 | 儲值扣點制,與秒數、解析度成正比 |
| 數據安全 | 極高,資產不外流 | 需上傳第三方,須評估保密協議 |
| 離線可用 | 完全支援離網執行 | 需持續連網與 API 驗證 |
| 適用場景 | SD 1.5、SDXL、LoRA、Flux Schnell 等開源模型 | 非開源或高門檻模型,如 MiniMax H3 圖生影片 |
Mac(Apple Silicon)可跑本機算圖,但超大模型受 Unified Memory 頻寬與 Metal 算力限制。ComfyUI Desktop 安裝後自動配置環境,首次啟動引導下載 SD 1.5。
所有外掛資產依標準路徑放進 ComfyUI/models/,引擎才能精準調用。
新模型複製進資料夾或下載完成後,不用重啟,Load Checkpoint、LoRA Loader 的選單就會更新。
在 ComfyUI Manager 搜尋關鍵字(如 SDXL)按 Install,系統自動下載並歸檔到正確路徑。
可從「資源」面板檢視歷史作品,大型檔案清理與備份都在這個資料夾進行。
一個完整 Checkpoint 封裝三個組件,再用 LoRA 疊加風格。
主導構圖,在潛在空間中執行去噪與特徵演算。
把自然語言轉成模型能理解的數學向量與概念編碼。
把潛在空間的草稿解碼成色彩鮮明的實際像素圖像。
models/loras/StickerSchnell 負責極速出圖,Fill 專職修圖與擴圖,兩者的節點配置完全不同。
clip_l 與 T5 語言模型models/diffusion_models/| 情境 | Steps | CFG | Sampler / Scheduler |
|---|---|---|---|
| A SDXL / Juggernaut 寫實 | 25–30 | 7.0 | DPM++ 2M + Karras |
| B Flux Schnell 極速 | 4 | 1.0 | Euler + Normal |
| C Animagine XL 動漫 | 28 | 7.0 | DPM++ 2M + Karras |
| D Flux Fill 修補 / 擴圖 | 25 | 1.0 | Euler + Normal |
Denoise:純文生圖 1.0;圖生圖或局部修圖低於 1.0 以保留原圖結構。
Randomize 抽卡 → 滿意後切 Fixed 鎖構圖。要「當下」鎖住,須把控制模式從 After 改成 Before。
SD 1.5 用 512×512,SDXL 與 Flux 用 1024×1024,寬螢幕用 1280×720,避免結構崩壞。
商業專案需要指定構圖、高解析度與可延展的畫面,三個工具各管一段。
Claude 或 ChatGPT 擔任編排代理人,用自然語言調度整座 ComfyUI 工坊。
① 官網點「安裝 MCP」選本地安裝並複製指令 ② LLM 桌面端指定 ComfyUI 資料夾並「信任工作區」 ③ 貼上指令執行,重啟 LLM 應用程式。
匯出 .json 做版本控制;PNG 內嵌 Metadata,拖進畫布即可還原節點。缺模型按「全部下載」;缺節點走 Manager → Install Missing Custom Nodes,裝完務必完整重啟。