用 AI 助手在本地搭建 Flux 生图工作流,全程只要 3 句话

最近在尝试做视频号，需要大量配图。网上找图有版权风险，用 AI 生成是最稳的方案。

我手里有一张 RTX 4090 显卡（24GB 显存），想在本地搭一个生图环境——完全免费、不限次数、想怎么用就怎么用。

工具选的是 ComfyUI，一个开源的本地 AI 生图平台。但我不想自己折腾安装和配置，直接让我的 AI 助手帮我搞。

整个过程，我只说了 3 句话。

第一句话："帮我在 205 服务器上检查一下 ComfyUI 的状态"

我的 AI 助手叫龙虾（QwenPaw），它可以通过 SSH 连接到我的服务器执行命令。

我说完这句话，它几秒钟就回复了：

ComfyUI 已在运行，端口 8188，RTX 4090 显存 24GB 正常。

好消息，环境是现成的。

但服务器上装的模型是 Wan2.2 TI2V-5B，这是做视频用的，不是做图片的。试了一下，生成的图片质量很差——模糊、变形、人物多手多腿。

这个模型不行，得换。

第二句话："用 Flux Dev 模型，帮我创建一个生图工作流"

Flux Dev 是目前开源文生图模型里质量最好的之一，12GB，刚好 4090 的 24GB 显存跑得动。

助手帮我做了一整套事情：

检查模型文件。 Flux 需要 4 个文件：模型本体（flux1-dev-fp8）、两个文字编码器（clip_l + t5xxl）、一个解码器（ae）。助手逐一检查，发现都已经在服务器上了。

找到官方模板。 ComfyUI 内置了很多工作流模板，助手找到了 Flux Dev 的 txt2img 模板。但模板用了"子图"结构，API 调用不方便。

构建自定义工作流。 助手根据模板的节点结构，帮我拼了一个扁平的工作流：

加载模型（Flux Dev fp8）    ↓加载文字编码器（clip_l + t5xxl）    ↓输入提示词 → 编码    ↓空白画布 → 采样器生成 → 解码 → 保存图片

提交测试。 第一次测试用 1024×1024，20 步，cfg=1.0。大约 80 秒后图片出来了——细节丰富、色彩准确、没有变形。

质量非常好，如果要自己去学习搞这个工作流，没有个半天时间不一定搞的出来：

第三句话："分辨率改成竖屏 9:16，参数你来调"

我做的是手机端内容，需要竖屏。助手一开始设了 1080×1920，但这个分辨率对 Flux 来说太高了——200 万像素，显存压力大，生成慢。

它自动帮我调整到 768×1344，同样是 9:16 竖屏，但只有 100 万像素，刚好在 Flux 的"甜点区"。

最终确定的参数：

参数	值	说明
分辨率	768×1344	9:16 竖屏
模型	flux1-dev-fp8	12GB，fp8 量化
采样步数	25	质量和速度的平衡
CFG	4.0	Flux 不需要很高
Sampler	euler	稳定
Scheduler	normal	标准
生成时间	~90 秒	单张图

工作流保存了两个版本：一个 UI 格式（可以在 ComfyUI 界面加载），一个 API 格式（脚本调用用）。命名为 img_generate_flux。

以后我要生图，直接调用这个工作流就行。

比如下面这个提示词

“A clean, modern vertical tech poster for enterprise AI agent platform, dark futuristic background, glowing blue and purple lights, abstract data workflow, task decomposition, orchestration, knowledge base, APIs, professional, cinematic, high contrast, 1080x1920, minimal Chinese-friendly layout, sharp typography space, no text, no watermark”，生成效果如下：

关于 Flux，有几个和 SDXL 不一样的地方

如果你之前用过 SDXL，换 Flux 需要注意几点：

1. 负面提示词不一样。

SDXL 可以写"不要模糊、不要变形"之类的负面提示词。Flux 不支持这个——它用的是"条件清零"机制，没有输入框。

Flux 的做法是：在正面提示词里把你想要的描述清楚，比写负面提示词更有效。

2. CFG 要低。

SDXL 的 CFG 一般在 7-12，Flux 在 1.0-5.0 就够了。太高反而会出问题。

3. 分辨率有甜点区。

Flux 最佳工作范围在 100 万像素左右（比如 1024×1024、768×1344）。分辨率太高不仅慢，质量反而可能下降。

一个小插曲：磁盘满了

在连续测试的过程中，服务器突然连不上了。等恢复后一查，磁盘占用 99%——之前下到一半的 14B 模型占了 129GB，pip 缓存 11GB，conda 废弃环境 28GB。

清理之后释放了 143GB，从 99% 降到 83%。

这个故事告诉我们：本地跑 AI 模型，磁盘空间是第一道关。 模型文件动辄几十 GB，不下心就满了。养成定期清理的习惯很重要。

总结

整个过程，我只说了 3 句话：

"检查一下 ComfyUI 的状态" → 助手确认环境可用
"用 Flux Dev 帮我创建生图工作流" → 助手完成模型检查、模板分析、工作流构建、测试
"分辨率改成竖屏，参数你来调" → 助手自动优化参数并保存

从零到一个可用的生图工作流，不到 20 分钟。

AI 是效率的放大器。以前搭这么一套环境，查文档、看教程、调参数，怎么也得折腾半天。现在告诉助手你要什么，它帮你搞定中间所有技术细节。

但前提是你得知道自己要什么——用什么模型、什么分辨率、什么场景。这些判断还是得人来做。

我是AI易用君，我在此公众号分享探索、学习、使用AI的经验，让我们一起来学AI，用AI，AI（爱）让生活更美好。如果你觉得我说的对，欢迎点赞收藏。