这个 ComfyUI 工作流使用经典的 Stable Diffusion 管线，通过文本提示词生成动漫角色与动漫风格场景。在步骤 1（Load Models）中，UNETLoader、CLIPLoader 和 VAELoader 会加载你选择的动漫向 checkpoint、文本编码器和 VAE。步骤 2（Image Size (1MP)）使用 ResolutionSelector 设定高效的 1MP 画布，然后传给 EmptyLatentImage，在所选尺寸下创建 Latent 噪波张量。步骤 3（Prompt）将你的正面与负面提示词交由 CLIPTextEncode 处理，KSampler 在 UNet 的配合下根据提示词与采样设置对 Latent 进行迭代去噪。最后 VAEDecode 将去噪后的 Latent 转为全分辨率图像，SaveImage 将输出写入磁盘。
从技术角度看，生成核心发生在 KSampler：它接收 UNet 权重（UNETLoader）、文本嵌入（CLIPTextEncode）以及初始噪波 Latent（EmptyLatentImage）。ResolutionSelector 将 Latent 尺寸控制在接近 1MP，以在速度与质量之间取得平衡——适合动漫线稿与干净的上色阴影。你加载的 VAE 很关键：它决定颜色与细节在编码/解码时的表现。CLIPTextEncode 支持正面和负面提示词，你可以加入质量标签和风格提示（如“masterpiece, anime, dramatic lighting”），并排除缺陷（如“worst quality, blurry, jpeg artifacts”）。组合起来可输出清晰、风格化的动漫图像，并对构图、细节与风格保持稳定控制。
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
