这个 ComfyUI 教程工作流演示了使用 Qwen Image Edit 2511 进行基于指令的图像编辑，并通过一个定向的 “ACTION” LoRA 将主体变成玩具风格版本。它通过 UNETLoader 加载 Qwen Image Edit 2511 扩散模型，并用 LoraLoaderModelOnly 应用 ACTION LoRA，把审美倾向引导到更偏趣味、微缩或收藏玩具的外观。QwenEditTextEncode_EditUtils 节点将专用的 Qwen 2.5 VL 文本编码器与你的输入图像和指令（例如 “action the cat”）配对，生成面向编辑的条件；RandomNoise 用于初始化 Latent。SamplerCustomAdvanced 使用你在 KSamplerSelect 中选择的采样器，以及 BasicScheduler 的调度来运行扩散过程，同时由 CFGGuider 控制 classifier-free guidance 强度。
输入图像会通过 ResizeImagesByLongerEdge 和 ImageCrop+ 做预处理以统一尺寸，并由 GetImageSize 与 PrimitiveInt 将尺寸信息传给采样器。采样完成后，VAELoader 与 VAEDecode 将 Latent 转回 RGB 图像，最后 SaveImage 写入结果。由于这是一个遵循指令的编辑模型，你不需要 init-latent 路径——原始照片会作为视觉参考被 Qwen 编码器读取，而 LoRA 负责将结果稳定引导到一致的玩具风格。附带的 Note 节点记录了提示词模式（“action the [subject]”），便于你快速生成一致的输出。
API
通过代码使用此工作流
每个 Comfy 工作流都是一个 JSON 图。下面的内容就是此工作流的完整数据，ComfyUI 运行时也是如此——你可以从该 URL 获取、放入版本控制，或在 ComfyUI 中加载并逐节点运行。
使用 Comfy SDK 从 TypeScript 或 Python 运行。相同代码可用于 Comfy Cloud 或你自托管的 ComfyUI——只需更改基础 URL。
// Install (beta)
npm i @comfyorg/sdk
// Run this workflow (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
const wf = await client.workflows.fromFile("workflow_api.json");
const job = await client.run(wf);
await job.getOutputs("<output-node-id>")[0].toFile("output.png");SDK 需要 API 格式的工作流：在 ComfyUI 中打开此工作流，使用 文件 → 导出工作流（API）。
常见问题
