用LiblibAI+ComfyUI生成电商主图需四步：一选支持ControlNet的模型并抠净白底产品图；二搭建含ADetailer的5节点工作流并设提示词与参数；三通过reference_only或canny启用ControlNet控制构图；四批量生成12张后按安全边距、结构准确、光影一致三指标筛选，再用Tone Mapping统一色温导出PNG。
☞☞☞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☜☜☜
前期准备：选对模型和抠干净产品图
用LiblibAI搭配ComfyUI生成电商主图，第一步不是点生成，而是确保你手头的素材能被ControlNet准确识别——否则AI会把产品边缘识别成背景噪点，生成图出现毛边、悬浮或穿模。
打开liblib.art网站，登录后进入「模型广场」→搜索「F.1 Kontext」或「Seedream 4.0」→点击进入详情页，确认右上角标注“支持ControlNet+LoRA”。
准备一张【必须是纯白底、边缘像素级干净、无灰边无投影的产品正视图】；如果是玻璃瓶、金属保温杯、亚克力收纳盒这类反光/透明材质，先用Remove.bg或秒出设计AI抠图预处理，导出PNG后放大检查边缘——哪怕一个2像素的灰点，都会导致ControlNet识别失败。
工作流搭建：拖节点→连线路→设参数
在ComfyUI界面左侧节点面板中，依次拖入以下5个核心节点并按顺序连接：
CLIP Text Encode（正向提示词）→ KSampler（采样器）→ VAE Decode（解码）→ Save Image（保存）→ 同时从节点面板拖入ADetailer节点，接在KSampler与VAE Decode之间。
在CLIP Text Encode框内输入结构化提示词：“matte ceramic mug, studio lighting from upper left, soft shadow on white marble surface, ultra-detailed 8k → cozy café corner background with warm ambient light → e-commerce product photography style, f/2.8 shallow depth of field → no text, no logo, cup handle fully visible, rim highlight consistent with light source”。
KSampler中关键参数设为：steps=25，cfg=7.0，denoising_strength=0.48——这个值低于0.4融合弱、高于0.6易失真，0.48是实测最稳的临界点。
控制构图：用ControlNet锁死产品位置和光影
方法一：启用reference_only模式（推荐新手）
在节点面板中添加ControlNet节点→选择「reference_only」类型→上传你准备好的风格参考图（如“北欧风客厅一角”或“极简办公桌”）→将该节点输出端连接至KSampler的“control_net”输入口。
方法二：用canny边缘控制（适合需精准还原结构者）
换用「canny」预处理器→上传同一张白底产品图→调整low_threshold=128、high_threshold=256→生成边缘图后手动检查是否完整勾勒出杯身、把手、杯盖三处结构线，缺失任一即重传原图。
注意：若ControlNet节点左下角未显示绿色“active”标识，说明未激活，所有控制逻辑无效。
批量生成与筛选：一次跑12张，3硬指标筛出可用图
第一步：在KSampler节点中将“batch_size”改为12，其他参数不动，点击“队列”提交任务。
第二步：生成完成后，在右侧预览窗口逐张快速扫视，只看三个硬指标：
① 产品主体是否完全落在安全边距虚线框内（边距线需提前在画布设置中启用）；
② 杯身/瓶盖/LOGO位是否有塑料感反光、模糊纹理或结构错位；
③ 背景与产品交界处是否存在色块撕裂、光影断裂或透视不一致。
第三步：仅保留同时满足三项的图片，其余全部删除——不要试图PS修补，返工成本远高于重跑一次。
后期统一调色：用色调匹配消除色温差
在节点面板中添加「Tone Mapping」节点，接在VAE Decode之后、Save Image之前。
点击该节点右上角齿轮图标→选择「Match to Reference」→上传一张你店铺已上架的主图作为色温基准图→系统自动计算并应用LUT映射。
这一步不做，12张图导出后会出现冷暖不一、品牌视觉割裂问题，运营审核直接打回。
最后点击Save Image节点右下角“保存”按钮，所有通过筛选的图片将按命名规则导出为无水印PNG。
