必须将ComfyUI工作流转换为LiblibAI参数化控制路径才能复用ControlNet，因其不支持.json导入，需手动提取strength、start/end_percent换算为Step值，并匹配控制类型名称。
☞☞☞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☜☜☜
要在LiblibAI中复用ComfyUI工作流并成功接入ControlNet，必须绕过LiblibAI在线平台对节点结构的限制，将ComfyUI原生工作流转换为LiblibAI可识别的参数化控制路径，否则上传后ControlNet模块无法加载预处理器或响应参考图。
确认LiblibAI是否支持ComfyUI工作流导入
LiblibAI在线创作界面不支持直接导入.json格式的ComfyUI工作流文件。它仅接受用户在网页端手动配置的ControlNet参数路径，所有节点逻辑需映射为“控制类型+权重+生效区间”三元组。试图拖入ComfyUI导出的JSON会触发格式错误提示，且无任何恢复入口。
这一步操作起来很简单，直接点击上传区会弹出“不支持该文件类型”的红色提示，无需尝试多次。
提取ComfyUI工作流中的ControlNet关键参数
打开你已调试成功的ComfyUI工作流JSON文件，用文本编辑器搜索关键词"control_net"或"apply_controlnet"，定位到Apply ControlNet节点配置段。
① 找到"strength"字段值（即Control Weight），典型范围为0.4–1.2，LiblibAI只接受0.6–1.0区间，超出需手动截断；
② 查找"start_percent"与"end_percent"，换算为LiblibAI的Start Step与End Step：Start Step = start_percent × 20，End Step = end_percent × 20（LiblibAI固定总步数为20）；
③ 记录"control_type"字段值（如"openpose"、"canny"），对照LiblibAI下拉菜单名称——注意"canny"在LiblibAI中显示为“边缘检测”，"depth"显示为“深度图”，名称不一致会导致控制失效。
在LiblibAI中重建ControlNet控制链
方法一：网页端手动配置（推荐）
进入LiblibAI创作页→点击右上角“高级设置”→开启ControlNet开关→在Control Type中选择与ComfyUI工作流一致的类型→上传对应参考图→勾选“完美像素”→将上一步提取的Control Weight填入Control Weight输入框→将换算后的Start Step和End Step填入对应位置。
方法二：URL参数注入（仅限高级用户）
在LiblibAI生成页URL末尾追加?control_type=openpose&control_weight=0.8&start_step=2&end_step=18，刷新页面后参数自动载入。⚠️注意：该方式不校验参考图是否已上传，未上传时仍会提交失败。
【必须确保所选Control Type与上传图像内容严格匹配】——例如上传的是人物骨骼图却选了“深度图”，系统不会报错，但输出结果完全忽略姿态信息，且无任何提示。
验证ControlNet是否真正生效
点击“生成”后观察右上角状态栏：若显示“ControlNet: active (openpose)”或类似字样，说明控制链已挂载；若仅显示“ControlNet: enabled”而无括号内类型标注，代表预处理器未触发，需返回检查参考图格式（必须为PNG，无透明通道，分辨率≥768×768）及Control Type选择是否正确。
生成首张图后，立即比对四肢关节角度与参考图偏差。偏差超过15度即判定为ControlNet未生效，此时不要调整提示词，应优先重传参考图并再次勾选“完美像素”。
