Qwen-Image ControlNet Model Patch 工作流旨在通过使用 Qwen-Image 模型，为图像生成提供更强的控制能力。该工作流集成了多个高级节点，包括 KSampler、CLIPTextEncode 和 QwenImageDiffsynthControlnet，可对 canny、depth、图像修复 等图像属性进行精细控制。借助 ModelPatchLoader 节点，用户可以为模型应用补丁，从而实现动态调整并提升图像质量。该工作流特别适合需要按指定风格或主题生成图像的艺术家与设计师，可通过 ControlNet 技术实现更细粒度的自定义。
从技术流程看，工作流会先加载所需模型与参考图像，然后通过一系列节点对输入进行编码、解码，并应用目标变换。VAELoader 和 UNETLoader 节点负责管理图像数据；CLIPLoader 与 CLIPTextEncode 节点用于处理文本提示词，为图像生成提供引导。QwenImageDiffsynthControlnet 节点支持应用 ControlNet 模型以细化图像细节，使该工作流适合生成高质量、可定制的图像输出。
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 "Qwen-Image ControlNet 模型补丁" (TypeScript)
import { Comfy } from "@comfyorg/sdk";
const client = new Comfy({ apiKey: "comfyui-..." });
// This workflow, exported in API format (see note below)
const wf = await client.workflows.fromFile("image_qwen_image_controlnet_patch_api.json");
const asset = client.assets.fromFile("input.png");
wf.setInput("71", "image", asset); // LoadImage
wf.setInput("6", "text", "your prompt here"); // CLIPTextEncode
const job = await client.run(wf);
await job.getOutputs("60")[0].toFile("output.png"); // SaveImageSDK 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
