LiblibAI工作流需按数据管道逻辑连接节点：先加载模型（Checkpoint Loader），再连CLIP文本编码和KSampler，最后接VAE Decode生成图像；ControlNet须按顺序接入预处理器与Apply节点；批量处理用ImageLoader并设batch_size；工作流保存为.json可复用分享。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在LiblibAI里搭建一个能自动运行的AI绘画或视频生成流程，但面对空白画布和一堆颜色各异的节点不知从哪连起——这不是配置错误，是缺少对节点间逻辑关系的直观认知。
认识节点本质：别把它们当按钮，当“数据管道”
每个节点不是功能开关，而是带输入/输出口的“数据处理单元”。红色端口进图像，绿色端口进文本，蓝色端口进模型，黄色端口出结果。连错颜色=插错USB口，工作流直接报错停摆。
右键画布→“添加节点”，别急着搜“图生图”，先拖一个Checkpoint Loader Simple进来——它才是整条流水线的起点，没它，后面所有节点都收不到模型数据。
【模型必须先加载，再连接其他节点】。如果你跳过这步直接连CLIP Text Encode，系统会提示“no model loaded”，此时删掉所有节点重来比调试快得多。
三步搭出第一个可用工作流
第一步：拖入Checkpoint Loader Simple→双击→在下拉菜单中选你已导入LiblibAI的模型（如liblibai_anime_v1.0.ckpt）→确认VAE留空（该模型自带）。
第二步：拖入CLIP Text Encode节点→双击→在“text”栏手动输入正向提示词，比如“masterpiece, best quality, 1girl, pink hair, studio lighting”；再拖一个同名节点处理负向提示词，填入“low quality, blurry, text, watermark”。
第三步：拖入KSampler→将Checkpoint Loader的“clip”输出连到两个CLIP Text Encode的“clip”输入→把两个CLIP Text Encode的“conditioning”分别连到KSampler的“positive”和“negative”→最后把KSampler的“latent”输出连到VAE Decode→右键VAE Decode→“队列提示”执行。
这串连接跑通后，你会看到画布右上角弹出渲染进度条，3秒后生成首张图。注意：KSampler里的采样步数建议设为30，低于20容易漏细节，高于50几乎不提升质量还拖慢速度。
ControlNet节点接入关键点
方法一：用OpenPose控制人物姿态
在已有基础工作流上，新增ControlNetLoader节点→双击选择controlnet_openpose-fp16.safetensors模型→再加ControlNetApply节点→将OpenPose节点的“control_net”输出连到Apply节点的同名输入→把Apply节点的“conditioning”输出连到KSampler的“positive”输入（覆盖原正向条件）。
方法二：用Canny提取线稿结构
上传一张草图→拖入Load Image节点→连到Canny Edge Preprocessor→再连到ControlNetApply→最后同样接回KSampler的positive端口。注意：【Canny预处理器必须放在ControlNetApply之前，顺序颠倒会导致边缘检测失效】。
批量处理：让工作流自己读文件夹
① 删除原“Load Image”节点，换成ImageLoader节点→双击→在“directory”栏粘贴本地图片文件夹绝对路径（Windows示例：D:\liblib\input\，Mac示例：/Users/name/Pictures/liblib_input/）。
② 将ImageLoader的“image”输出连到后续所有需要图像输入的节点（如ControlNet预处理器、图生图起始帧等）。
③ 在KSampler节点参数中勾选“batch_size”，设为4——这意味着一次运行同时处理4张图，显存占用翻倍但总耗时降为单张的1.8倍而非4倍。
这一步做完，点击“队列提示”后，工作流会自动遍历文件夹内所有PNG/JPG，逐张生成结果并保存到默认输出目录。
保存与复用你的工作流
完成调试后，直接按Ctrl+S（Windows）或Cmd+S（Mac）保存为JSON文件，后缀名必须是.json。
下次打开LiblibAI→点击左上角“工作流”→“打开工作流”→选择该JSON文件，整套节点和连线关系瞬间还原，无需重新拖拽。
如果想分享给他人，把JSON文件发过去即可——对方无需安装任何插件，只要登录LiblibAI就能一键加载运行。
