手把手教你搭一套 AI 写真工作流,8 个节点就行

手把手教你搭一套 AI 写真工作流，8 个节点就行

说实话，第一次打开 ComfyUI 的时候我盯着那块空白画布发了五分钟呆。

左边节点栏里几百个节点密密麻麻。我当时想的是：就为了生成一张图，我得学多少个节点？

后来真正跑通第一条管线之后回头看才发现——一个能用的写真工作流，核心节点只有 8 个。其他都是锦上添花，没有它们能出图，有了它们出图更好看。

今天这篇把这 8 个节点从零连起来。你跟着做，20 分钟搭好，直接出图。

先看懂数据流，再动手连

ComfyUI 的核心逻辑比它看起来简单得多。数据从左边流到右边，每个节点做一件事：

加载模型 → 输提示词 → 控制人脸 → 控制姿态 → 采样出图 → 解码显示

数据流向是单向的，不会绕圈。记住这个顺序，连节点的时候就不会乱。

8 个节点，逐个连

节点 1：Load Checkpoint（加载底模）

这是管线的起点。双击画布搜索 Load Checkpoint，点一下就创建了。

右边有两个输出口：

• MODEL：主模型，连后面所有生成相关的节点
• VAE：解码器，最后连到 VAE Decode

我选的是 DreamShaper XL_Turbo。为什么不用别的？这个模型对提示词的理解比较准，写实人像不容易有「塑料感」。

操作：点 ckpt_name 下拉框 → 选 DreamShaperXL_Turbo.safetensors

节点 2 & 3：CLIP Text Encode（提示词输入）

你需要两个这个节点，一个写正面提示词，一个写负面的。

正面提示词节点（双击搜 CLIP Text Encode，创建后左边连 Load Checkpoint 的 CLIP 输出）

我的正面提示词模板（直接复制用）：

a photorealistic portrait of a woman, natural skin texture, 
soft studio lighting, 85mm lens, f/1.8, shot on DSLR, 
detailed eyes, sharp focus, cinematic color grading, 
warm tone, high resolution, 8k

负面提示词节点（同样搜 CLIP Text Encode，但这次不连 CLIP，而是等后面连到 KSampler 的 negative 输入）

负面提示词模板：

cartoon, 3d render, bad anatomy, bad hands, extra fingers, 
blurry, noisy, watermark, text, logo, low quality, 
plastic skin, oversaturated

提示：负面提示词的意思是「不要出现这些东西」。手、文字、塑料感皮肤，全靠这行负面对抗。

这是整个写真工作流里最关键的一个节点。没有它，每张图的脸都不一样。

先装插件：ComfyUI_IPAdapter_plus（在 ComfyUI 的 Manager 里搜，一键安装）。

装完之后，双击画布搜 IPAdapter Apply，会出现一个节点，它有这些输入口：

• model：连 Load Checkpoint 的 MODEL
• ipadapter：连 Load IPAdapter Model 节点（单独创建，搜 Load IPAdapter Model，选 ip-adapter-faceid_sdxl_vit-h.safetensors）
• image：连 Load Image 节点（你上传参考人脸的地方）
• weight：重点参数，我一般用 0.75。太低脸不像，太高背景失控

weight 调参经验：

• 0.6 以下：脸开始不像你
• 0.7-0.8：平衡点，脸像，背景也正常
• 0.9 以上：背景被人脸特征「污染」，整张图都像你的脸了

如果你想控制人物的姿势（比如坐着、侧脸、手托下巴），需要加 ControlNet。

最常用的两个 ControlNet 模型：

• controlnet-canny-sdxl：控制轮廓边缘，适合保持服装形状
• controlnet-openpose-sdxl：控制人体骨骼姿态，适合固定姿势

接法：创建 Apply ControlNet 节点 → model 连 IP-Adapter 的输出 → image 连你上传的姿势参考图 → control_net 连 Load ControlNet Model 节点

strength 参数设 0.8，太低控制不住，太高画面失真。

这是最重要的节点，所有生成参数都在这里设。

连接方式：

• model：连 ControlNet 的输出（如果没用 ControlNet，就连 IP-Adapter 的输出）
• positive：连正面提示词节点的输出
• negative：连负面提示词节点的输出
• latent_image：连 Empty Latent Image 节点（设置出图尺寸）

参数详解（这是核心干货）：

| 参数 | 我的取值 | 为什么 |

|---|---|---|

| sampler | dpmpp_2m | 收敛快，12步就出质量不错的图，比 Euler 快一倍 |

| scheduler | karras | 配合 dpmpp_2m，细节更丰富 |

| steps | 25 | 20步以下细节不够，30步以上边际收益很低 |

| cfg | 7.0 | 低于 5 提示词失效，高于 9 画面过饱和 |

| seed | -1 | 随机；固定 seed 可以复现同一张图 |

| denoise | 1.0 | 图生图才调低（0.5-0.7），文生图保持 1.0 |

为什么用 dpmpp_2m 而不是 Euler？Euler 是 SD 1.5 时代的默认选择，SDXL 上 dpmpp_2m 的采样效率明显高一大截。我实测同样 25 步，皮肤细节比 Euler 好不少。

节点 7：VAE Decode（把潜空间解码成图片）

KSampler 出来的是「潜空间图像」——人眼看不懂，得用 VAE 解码。

创建 VAE Decode 节点：

• samples：连 KSampler 的 LATENT 输出
• vae：连 Load Checkpoint 的 VAE 输出（还记得节点 1 有两个输出口吗）
• IMAGE 输出口：连最后一个节点

节点 8：Save Image（保存结果）

最后一步，创建 Save Image 节点，images 连 VAE Decode 的 IMAGE 输出。

到此，8 个节点全部连完。点 Queue Prompt，等 30 秒左右，你的第一张 AI 写真就出来了。

一条完整管线的节点连接顺序

我把连接关系用文字再写一遍，方便你对照：

Load Checkpoint
  ├── CLIP → CLIP Text Encode (正面提示词)
  ├── CLIP → CLIP Text Encode (负面提示词)
  ├── MODEL → IP-Adapter Apply
  │         └── IP-Adapter → ControlNet Apply
  │                          └── KSampler
  │                               ├── positive → 正面提示词
  │                               ├── negative → 负面提示词
  │                               └── latent_image → Empty Latent Image
  └── VAE → VAE Decode ← KSampler(LATENT)
                    └── Save Image

如果你连完之后点 Queue Prompt 报错，90% 是某个连线接错了（比如把 VAE 连到了 MODEL 口）。删掉那条线重连就好。

翻车急救手册

我搭这套管线的时候翻过三次大的车，每次都花了半天排查。把修复方法写出来，你碰到了直接参考，不用绕路。

翻车 1：脸不像本人

如果你的 AI 写真出来像另一个人——先别急着调参数。检查三件事：

1. IP-Adapter 的 weight 是不是低于 0.7？调到 0.85 试试
2. 参考图质量行不行？换一张正脸、光线均匀、没遮挡的照片
3. IP-Adapter 模型选对没有？faceid 版本才保人脸，别选成 plus

这三项检查完，90% 的「不像」问题都能解决。

翻车 2：手指多一根、少一根，或者整只手畸形

这是 AI 绘画最经典的翻车现场，目前没有 100% 的解决方案。但有几个办法能明显改善：

1. 负面提示词加满：bad hands, extra fingers, missing fingers, deformed hands
2. 把 CFG 从 8 降到 6.5——CFG 太高会逼着 AI「硬画」，手容易变形
3. 如果还是不行，剩下的办法是用 inpaint 在手上区域局部重绘。这个操作下期会详细讲

翻车 3：整张图「塑料感」重，像 AI 滤镜

如果你觉得出图质量不像照片、像游戏渲染——通常不是模型的问题，是提示词和参数。

1. 正面提示词里加上 photorealistic, natural skin texture, DSLR, 8k——这几个词是「去塑料感」的关键
2. 确认底模是 DreamShaper XL 或 RealVisXL，别用动漫风底模
3. steps 降到 20——有时候 steps 太高反而会让画面「过度加工」，皮肤纹理被磨平了

这套管线能做什么，以及暂时做不好的

搭好之后，你已经可以：

• 换提示词生成不同风格的写真——日系、胶片、影楼、街头，改两行字就行
• 换参考图改变人物姿态，但脸始终是你自己
• 调整 CFG 和 steps 找到你最喜欢的出图风格

目前还没法完美解决的：

• 精确控制手指位置（整个 AI 摄影领域的公开难题）
• 大角度侧脸的一致性（IP-Adapter FaceID 对正脸效果最好，侧脸会打折扣）
• 复杂多人物场景（一张图里多张人脸，IP-Adapter 会混乱）

这些限制在接下来的几期里，我会逐个讲解决方案。

下期预告

这套管线跑通之后，你已经有了一张「能看」的 AI 写真。但如果你想让这张脸在任何场景、任何服装下都稳定输出——你需要训练自己的人脸 LoRA。

下期讲这件事。训练参数怎么设、用什么工具、怎么判断练好了没有，全拆开说。

如果你按这篇连完了管线，出图遇到奇怪的问题，截个图发我，我帮你看。

这是「AI 摄影实操系列」第 3 期。第 1 期讲认知模型，第 2 期讲工具选型，这期讲工作流搭建。后面还有 LoRA 训练、AI 修图、成本算账，持续更。