本地ComfyUI图像生成工具,支持文生图基础工作流与默认模型,适合个人创作。
ComfyUI绘画免费版
功能概述
ComfyUI绘画免费版是一项面向实际任务的技能,主要用于ComfyUI绘画免费版是一款面向个人用户的轻量级本地AI图像生成工具,基于ComfyUI工作流引擎实现;提供文生图核心能力,内置默认工作流与基础模型支持,帮助用户通过文字描述快速生成图像;
核心要点
- 完全本地运行,无需云端API;
- 根据文字描述生成图像;
- 默认工作流;
使用与执行
内置标准文生图工作流;支持SD1.5、SDXL等基础模型;采样步数、CFG、种子。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
结果检查与注意事项
从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
ComfyUI绘画免费版
概述
ComfyUI绘画免费版是一款面向个人用户的轻量级本地AI图像生成工具,基于ComfyUI工作流引擎实现。提供文生图核心能力,内置默认工作流与基础模型支持,帮助用户通过文字描述快速生成图像。完全本地运行,无需云端API。
核心能力
| 能力 | 说明 |
|---|---|
| 文生图 | 根据文字描述生成图像 |
| 默认工作流 | 内置标准文生图工作流 |
| 基础模型 | 支持SD1.5、SDXL等基础模型 |
| 参数调整 | 采样步数、CFG、种子、尺寸 |
| 图像保存 | 自动保存到本地目录 |
| 提示词优化 | 基础提示词建议 |
技术实现要点:核心能力基于input_params参数与output_format配置实现,支持创建/查询/修改/删除等操作模式,通过config_options进行运行时配置。 |
核心功能执行
用input_params参数进行配置。
输入: 用户提供核心功能执行所需的指令和必要参数。 处理: 按照skill规范执行核心功能执行操作,遵循单一意图原则。 输出: 返回核心功能执行的执行结果,包含操作状态和输出数据。
- 执行此能力时使用
input_params参数,支持创建/查询/导出操作
参数配置与调用
用config_options参数进行配置。
输入: 用户提供参数配置与调用所需的指令和必要参数。 处理: 按照skill规范执行参数配置与调用操作,遵循单一意图原则。 输出: 返回参数配置与调用的执行结果,包含操作状态和输出数据。
- 执行此能力时使用
config_options参数,支持修改/重置/导入操作
结果处理与输出
用output_format参数进行配置。
输入: 用户提供结果处理与输出所需的指令和必要参数。 处理: 按照skill规范执行结果处理与输出操作,遵循单一意图原则。 输出: 返回结果处理与输出的执行结果,包含操作状态和输出数据。
- 执行此能力时使用
output_format参数,支持导出/保存/转换操作 能力覆盖范围:本skill的核心能力覆盖以下场景关键词:ComfyUI、图像生成工具、支持文生图基础工、作流与默认模型、适合个人创作、绘画免费版、面向个人用户的轻、量级本地、Text、Image、基础工作流、内置默认文生图工、开箱即用、默认模型支持、Use、when、模型调用、智能对话、Agent、LLM、应用时使用、不适用于需要、确定性的关键决策等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。
使用场景
场景一:文生图基础使用
根据文字描述生成图像。
# 启动ComfyUI服务 cd ComfyUI python main.py --listen 0.0.0.0 --port 8188 # 使用默认工作流生成图像 python generate.py --prompt "a beautiful sunset over mountains, golden light, photorealistic" --output ./output/sunset.png
# Python API调用ComfyUI
import requests
import json
COMFYUI_URL = "http://127.0.0.1:8188"
def generate_image(prompt, negative_prompt="", seed=-1, steps=20, cfg=7.0,
width=512, height=512, model="v1-5-pruned-emaonly.safetensors"):
"""基础文生图"""
workflow = {
"3": {
"class_type": "KSampler",
"inputs": {
"seed": seed,
"steps": steps,
"cfg": cfg,
"sampler_name": "euler",
"scheduler": "normal",
"denoise": 1.0,
"model": ["4", 0],
"positive": ["6", 0],
"negative": ["7", 0],
"latent_image": ["5", 0]
}
},
"4": {
"class_type": "CheckpointLoaderSimple",
"inputs": {"ckpt_name": model}
},
"5": {
"class_type": "EmptyLatentImage",
"inputs": {"width": width, "height": height, "batch_size": 1}
},
"6": {
"class_type": "CLIPTextEncode",
"inputs": {"text": prompt, "clip": ["4", 1]}
},
"7": {
"class_type": "CLIPTextEncode",
"inputs": {"text": negative_prompt, "clip": ["4", 1]}
},
"8": {
"class_type": "VAEDecode",
"inputs": {"samples": ["3", 0], "vae": ["4", 2]}
},
"9": {
"class_type": "SaveImage",
"inputs": {"filename_prefix": "ComfyUI", "images": ["8", 0]}
}
}
# 提交工作流
response = requests.post(f"{COMFYUI_URL}/prompt", json={"prompt": workflow})
prompt_id = response.json()["prompt_id"]
# 等待完成并获取结果
# ... 轮询 /history/{prompt_id} 获取结果
return prompt_id
# 生成图像
generate_image(
prompt="a beautiful sunset over mountains, golden light, photorealistic",
negative_prompt="blurry, low quality, distorted",
steps=20,
cfg=7.0,
width=512,
height=512
)
场景二:参数调整生成
调整生成参数获得不同效果。
# 高质量生成(更多步数) python generate.py --prompt "portrait of a woman, detailed face, soft lighting" --steps 30 --cfg 8.0 --width 768 --height 768 --output ./output/portrait.png # 快速预览(少步数) python generate.py --prompt "landscape, mountains, river" --steps 10 --cfg 5.0 --width 512 --height 512 --output ./output/preview.png
场景三:固定种子复现
使用固定种子复现相同结果。
# 固定种子生成 python generate.py --prompt "cyberpunk city, neon lights, rain" --seed 42 --steps 25 --output ./output/cyberpunk.png # 相同种子相同结果 python generate.py --prompt "cyberpunk city, neon lights, rain" --seed 42 --steps 25 --output ./output/cyberpunk_copy.png
快速开始
- 阅读## 核心能力章节了解skill功能
- 按## 依赖说明配置环境
- 执行所需能力对应的命令
- 参考## 错误处理章节处理异常
- 查看## FAQ解答常见疑问
依赖详情
# 克隆ComfyUI git clone cd ComfyUI # 安装依赖 pip install -r requirements.txt
2. 下载基础模型
# 下载SD1.5模型 cd models/checkpoints wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors
3. 启动并生成
# 启动ComfyUI python main.py --listen 0.0.0.0 --port 8188 # 生成第一张图像 python generate.py --prompt "a cat sitting on a windowsill" --output ./output/cat.png
示例
基础生成参数
| 参数 | 默认值 | 说明 | 推荐范围 |
|---|---|---|---|
steps |
20 | 采样步数 | 10-50 |
cfg |
7.0 | CFG Scale | 5.0-15.0 |
seed |
-1 | 随机种子 | -1或正整数 |
width |
512 | 图像宽度 | 512-1024 |
height |
512 | 图像高度 | 512-1024 |
sampler |
euler | 采样器 | euler/euler_a/dpmpp_2m |
支持的基础模型
| 模型 | 类型 | 显存需求 | 说明 |
|---|---|---|---|
| SD 1.5 | 基础 | 4GB+ | 经典模型,速度快 |
| SDXL | 基础 | 8GB+ | 高质量,分辨率大 |
| SDXL Turbo | 快速 | 6GB+ | 极速生成 |
采样器对比
| 采样器 | 速度 | 质量 | 特点 |
|---|---|---|---|
| euler | 快 | 中 | 基础采样 |
| euler_a | 快 | 中高 | 带噪声调度 |
| dpmpp_2m | 中 | 高 | 推荐常用 |
| dpmpp_sde | 慢 | 最高 | 质量最佳 |
最佳实践
- 提示词结构:主体 + 场景 + 风格 + 质量,如"cat, on windowsill, photo, high quality"
- 负面提示词:始终添加负面提示词,排除不想要的元素
- 步数选择:快速预览用10-15步,高质量用25-35步
- CFG调整:CFG值越高越遵循提示词,但过高会过曝
- 尺寸控制:SD1.5推荐512x512,SDXL推荐1024x1024
- 种子管理:满意的结果记录种子,便于复现与微调
常见问题
Q1:显存不足怎么办?
降低图像尺寸(如512x512),减少采样步数,或使用SD1.5而非SDXL。关闭其他占显存的程序。
Q2:生成结果不理想怎么办?
优化提示词,增加细节描述。调整CFG值(7-9通常效果较好)。尝试不同采样器。
Q3:免费版支持图生图吗?
免费版仅支持文生图。图生图功能需要升级至PRO版本。
Q4:可以使用自定义模型吗?
免费版支持基础模型。自定义模型(如CivitAI下载的模型)需要升级至PRO版本。
Q5:生成速度慢怎么办?
减少采样步数,使用SD1.5模型,或使用SDXL Turbo快速模型。确保GPU驱动为最新版本。
依赖说明
运行环境
- Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
- 操作系统: Windows / macOS / Linux
- Python版本: 3.8及以上
- GPU: NVIDIA GPU(推荐4GB+显存)或CPU(速度较慢)
第三方依赖
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
| Python 3 | 运行时 | 必需 | python.org 下载安装 |
| ComfyUI | 工作流引擎 | 必需 | ComfyUI项目下载 |
| PyTorch | 深度学习框架 | 必需 | pip install torch |
| requests | Python库 | 必需 | pip install requests |
| 基础模型 | AI模型 | 必需 | HuggingFace下载 |
API Key 配置
- 免费版完全本地运行,无需任何API Key
- ComfyUI通过本地HTTP API通信(默认端口8188)
可用性分类
- 分类: MD+EXEC(纯Markdown指令,核心功能需要exec命令行执行能力)
- 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行AI图像生成任务。核心功能通过Python脚本调用本地ComfyUI API实现,无需云端服务。
错误处理
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,参考国内替代方案 |
已知限制
- 本地运行,不支持多设备同步
热门AI工具
相关专题
本专题汇总了Uvicorn服务器常见问题与报错解决的教程合集,涵盖启动失败、端口占用、模块导入错误、事件循环冲突及热重载失效等典型故障的排查思路。同时整理了多进程与Worker配置、SSL/HTTPS证书报错、跨域与代理配置等实战解决方案,助你快速定位并解决Uvicorn运行中的各类问题。
0
2026.11.02
本专题汇总了Uvicorn使用教程与启动运行指南,涵盖其作为Python ASGI服务器的定位与特点,以及命令行启动(uvicorn main:app --reload)、参数配置(host/port/workers)、程序内嵌运行与Gunicorn结合部署等核心用法。同时整理了热重载调试、日志配置与生产环境部署优化等技巧,助你快速掌握Uvicorn的运行与配置。
0
2026.11.02
本专题汇总了Uvicorn的安装配置教程与部署指南,涵盖通过pip安装Uvicorn、启动FastAPI/Starlette应用、开发模式热重载(--reload)及多进程工作模式配置等核心操作。同时整理了结合Gunicorn的生产部署方案、HTTPS与反向代理配置及性能调优技巧,助你快速完成Uvicorn服务的安装与上线部署。
0
2026.11.02
Vite项目打包部署专题汇集生产构建、产物预览、输出目录、资源路径、Nginx与GitHub Pages部署及常见白屏和路由404问题的已审核文章,帮助读者完成上线流程。
0
2026.10.28
Vite搭配Vue.js专题汇集创建Vue 3项目、配置开发环境、路径别名、Vue插件、代理、多环境构建与调试的已审核文章,帮助读者完成从初始化到日常开发的配置。
0
2026.10.28
Vite项目目录专题汇集入口文件、src源码、public静态资源、路径别名、项目根目录和构建输出目录相关的已审核文章,帮助读者理解各文件夹的用途与引用方式。
0
2026.10.28
本专题介绍Gradle插件开发的基本流程,涵盖插件类编写、自定义任务注册、扩展参数设计和插件应用方法,帮助你理解插件如何组织构建逻辑,减少多个项目之间的重复配置。
0
2026.10.22
本专题介绍Gradle Wrapper的基本作用,涵盖文件组成、生成方法、版本配置和任务调用,帮助你理解项目如何使用指定的Gradle版本,减少不同开发环境带来的构建差异。
0
2026.10.22
本专题整理Golangci-lint常用Linters的用途与配置方法,覆盖错误处理、无效代码、安全、复杂度、命名和依赖检查,帮助项目合理选规则。
0
2026.10.22
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.7万人学习
共6课时 | 54.7万人学习
最新文章