1、大模型加载节点

大模型加载节点是Comfyui的核心节点之一，用来加载训练好的模型文件，不同的模型包容性和偏向性不同，模型可以在C站（https://civitai.com）免费下载使用，也可以自己基于某个基础模型训练处自己的模型。

大模型加载节点使用时选择一个模型路径，就可以输出三个值，模型、条件和VAE

2、正向提示词节点

正向提示词节点是我们控制AI生成走向的关键手段，通过描述不通的正向提示词，告诉AI我们想要的画面，AI会基于这些词语，努力生成我们想要的样子。

正向提示词书写时在早期SD1.5大模型时，都以单个单词+一个逗号（例如：1girl，black hair）这种形式来书写，越靠前的单词，权重越高，权重的意思就是AI识别词语时的重视程度，越往后的提示词，AI越容易忽略。在SDXL大模型时期，已经不在提倡用单词形式提示AI了，而是变成了自然语言为主，(例如：A big head photo of a girl with black hair)

正向提示词节点左侧的CLIP要连接大模型输出的CLIP，右侧的输出条件，后面会连接到采样器的正向提示词上

3、负向提示词节点

负向提示词节点也是我们控制AI生成走向的手段，通过描述不通的负向提示词，告诉AI我们不想要出现的元素。比如图片中不想要出现文字，不想要都出现坏手等等，

负向提示词节点左侧的CLIP连接的是大模型输出的CLIP，右侧的输出条件，后面会连接到采样器的负向提示上

4、空潜节点

空潜就是设置要绘制的图片的几个属性，有宽高，和批次，批次就是要生成多少个图片，文生图工作流会用到空潜，另外如果是图生图，就是对空潜做修改，下一篇会讲到。

空潜没有输入值，只有输出值，输出的Latent连接到采样器的Latent上

5、采样器节点

采样器节点是Comfyui工作流最重要核心节点，可以说其他节点都是在输入，采样器就是AI的大脑部分，所有的条件经过采样器后就形成了一个AI印象中的图片，后面只需要经过解码就能拿到这张图。

采样器的输入一般有

模型，来自大模型的模型数据

正面条件，来自大模型的CLIP并经过正向提示词节点插入的正面条件

负面条件，来自大模型的CLIP并经过负向提示词节点插入的负向条件

Latent，来自空潜的Latent数据

随机种子，随机种子就是其他所有条件都不变的情况下的其中一张AI大脑中的图片，如果条件都不变，改变了随机种子，那么生成的图片就是一张新图，如果其他条件都不变，随机种子也不变，最终出来的图也是不变的

运行后操作，可以选择随机，固定等，用来设置随机种子的变化方式的

步数，步数是AI生成图片的过程中的变化次数，简单理解就是AI要生成要一张图，会根据条件，先大概画一张模糊的，然后让这一张模糊的一步步变得清晰，变化过程中会按照提示词的意思添加一些元素上去，大模型的不同所需的步数是不一样的，有的大模型20步就够了，有的要30步，步数的设置按照选择的大模型不同而改变就行，一般下载大模型的时候，模型作者都会提供步数的参考值

CFG，意思是提示词相关性，AI绘图时，AI有一定的随机性，而CFG的值是用来强调提示词的权重，值越大，最终图片受到提示词影响越大，这个不用太大，总要留一些空间给AI发挥，一般选择大模型的时候，作者也会提供CFG的参考值

采样器，就是采样方法，采样器会给出几个选项，一般大模型的作者也会给出采样方法的参考选项
调度器，就是采样曲线，一般大模型作者也会给出参考曲线，或者选择不同的调度器都试一下，那个出图符合预期就用那个

降噪，文生图一般都设置为1就行，在图生图的时候，降噪设置给0.4到0.5时就相当于在参考图基础上做微调，如果图生图的时候，降噪设置为1，那么参考图就会被修改的面目全非

6、VAE解码节点

VAE解码节点左侧连接的是采样器的输出值Latent，以及大模型的输出值VAE，右侧输出的是能显示出来的图片数据

VAE解码节点的作用就是将在AI大脑采样器中形成的图片描述数据，转换成像素数据，因为只有像素数据才能生成图片文件

7、图片保存节点

图片保存节点就是用来将解码后的数据转换成我们经常用的PNG图片，这个节点一般会工程的output目录下保存一个名称前缀是ComfyUI的png图片
当然如果只是随手生成，不想保存图片，只想看看，也可将图片保存节点替换为图片预览节点

这一篇讲到了Comfyui的基础文生图工作流，以及基础节点的值的大概意思，通过基础工作流，我们能通过描写不同的提示词得到一些随机图片，想要一张自己满意的图，在这个基础工作流只能通过不断的随机生成，靠运气获取，下一篇讲解通过基础文生图的稍微变种，就能变成图生图工作流，图生图能做到的是提供参考图，生成和参考图相关的图片，比如图片修复，图片风格修改等等，会更好玩一些