第一次看 ComfyUI：把一張圖的流程讀懂

這一課先完成什麼

第一次打開 ComfyUI，滿畫面的方塊和線很容易讓人不知道從哪裡開始。我們先只做一件事：找出文字從哪裡進去，圖片從哪裡出來。

你會用官方最簡單的文字生圖範例，認識七個節點。已經裝好 ComfyUI 的人，可以跟著載入、改一段文字、另存，再重新開啟；還沒安裝的人，也能靠本課圖片完成讀圖練習。

本課是讀圖與工作流編輯課，全程不必按 Run，也不需要下載模型、付費帳號或 API 金鑰。 預估 25–35 分鐘，指閱讀與練習時間。本課尚未進行獨立安裝或 GPU 生成實測，不提供硬體相容性或生成速度保證。

學完先留下一份筆記：提示詞在哪裡、尺寸在哪裡、圖會經過哪幾站。後面的 Qwen 圖像與 MiniMax 影片課，會繼續用到這個讀圖習慣。

第 0 步 選你的起點

我還沒安裝 ComfyUI

直接往下看圖即可。先下載本課練習單，用 Windows 記事本開啟，或拿一張紙記錄答案。

若你想接著在電腦操作，課前準備的目標是「能看到圖 1 的節點畫布」。Windows 新手可先讀官方 Comfy Desktop 安裝說明；它有圖形化安裝流程。安裝、驅動與模型下載需要另外安排時間，本課不把它們藏在閱讀時數裡。若手邊已經有 Portable 版本，可沿用現有環境，不需要為了這一課再裝一份。

我已經能開啟 ComfyUI

開啟你現有的 ComfyUI。Desktop 使用者從 Windows 開始功能表啟動 Comfy Desktop，開啟現有安裝；NVIDIA Portable 使用者從自己的官方 Portable 資料夾啟動 run_nvidia_gpu.bat，等它顯示介面。若瀏覽器沒有自動開啟，請使用啟動視窗列出的本機網址；使用期間保留那個啟動視窗。官方 Portable 說明

應該看到： 中央可擺放方塊的工作區。若程式還沒成功啟動，先走看圖路線；不要為了追進度隨意更改驅動或安裝陌生整合包。

第 1 步 先認識畫面上的四個位置

對照圖 1，先找到這四處，不用立刻按任何生成按鈕：

1. 左上主選單：開啟與匯出工作流會用到
2. 中央畫布：放方塊、拉線的區域；這裡的「畫布」是流程編輯區，不是生成圖片的尺寸
3. 右上 Run：執行工作流；今天先認位置
4. 右下檢視工具：縮放、將流程移回視野

三個詞先記住：節點（node）是一個有工作要做的方塊；連線（link）把資料送到另一個節點；工作流（workflow）就是這些節點、連線與設定組成的整份流程。官方工作流入門

應該看到： 能指出主選單與 Run，並分得清「方塊」和「方塊之間的線」。如果你的按鈕外觀不同，先對照英文名稱。官方文件中的圖片來自不同介面版本；新版 Nodes 2.0、舊版節點與主題會改變外觀，這一課不必切換版本。Nodes 2.0 官方說明

第 2 步 載入大家都一樣的練習檔

JSON 是用來儲存工作流結構與設定的文字檔，副檔名是 .json。你不用打開它寫程式。

1. 下載官方入門工作流 text-to-image.json，先留在 Windows 的「下載」資料夾
2. 如果 ComfyUI 裡已有你自己的未儲存作品，先保存那份作品
3. 回到 ComfyUI，打開左上主選單，找 Workflow／Workflows → Open，選取剛下載的 JSON。不同介面可能把 Workflow 選單直接放在頂端
4. 也可以把 JSON 檔從檔案總管拖到中央畫布；若拖曳沒有載入，改用前一個 Open 方法
5. 如果節點太小或偏到畫面外，用右下 Fit View（對齊整個流程的四角框圖示）把它們帶回視野

本課下載檔是 Comfy-Org 官方文件的固定版本，沒有加入額外節點。匯入與匯出的選單用法可對照官方第一張圖教學。

應該看到： 圖 3 那樣的七個節點：一個 Load Checkpoint、兩個 CLIP Text Encode、一個 Empty Latent Image、一個 KSampler、一個 VAE Decode、一個 Save Image。缺模型警告不代表 JSON 沒載入；若出現警告，先看下方「卡住時」一節，再回來讀圖。

順便認識範本入口

Templates（範本）是官方提供的流程起點，也可能收錄已安裝擴充節點的範例。以後找特定模型時，可以點左側 Templates，或用 Workflow → Browse Workflow Templates。今天用上面的固定 JSON，確保大家看的節點與連線相同；不用另外挑一個新模型。官方範本說明

第 3 步 沿著連線走一遍

先看全圖，下一步再逐個放大。這份流程有三路資料一起準備：

• A 模型：提供生圖需要的模型元件
• C 文字：把想畫的內容、想減少的內容，轉成模型可使用的條件
• B 尺寸：準備指定寬高的一份空白中間資料

它們在 D 取樣會合，再送到 E 解碼 → F 儲存。

「取樣」可以先理解成根據模型與條件逐步計算畫面；「解碼」是把中間資料轉成真正可觀看的像素影像。今天能說清楚各站工作就夠了，不需要先背所有英文或數學。

跟著做： 用眼睛從 F 往回看，先找 E，再找 D；接著看看 D 左邊分別接到哪三路。連線表示資料依賴，不能只靠方塊擺在左邊或右邊判斷執行順序。連接埠的資料類型必須相容，辨認名稱比只記顏色可靠。官方連線說明

應該知道： 文字不會直接流進 Save Image，中間還要經過編碼、取樣和解碼。

第 4 步 逐個找到七個節點

A 模型從哪裡進來

找到 Load Checkpoint（載入模型檔）。下面的 ckpt_name 是檔名欄位；本課 JSON 指定 v1-5-pruned-emaonly-fp16.safetensors。

右邊的三個小圓點，是三種輸出：

• MODEL：提供生成過程要用的模型
• CLIP：提供文字編碼器，把提示詞轉成模型可使用的資料
• VAE：提供影像與中間資料之間的轉換模型

跟著做： 先只讀檔名，再沿 MODEL 的線找到 KSampler。尚未安裝該模型時，欄位可能是紅色或空的，先記錄，不必下載。

應該知道： 在這份 SD1.5 範例，一個 checkpoint 提供上述三個部分。其他模型的工作流可能把它們分開載入，不能看見一個載入器就假設所有模型都一樣。官方載入節點說明

C 文字要寫在哪裡

找到兩個 CLIP Text Encode（文字編碼）。中央 text 區域就是提示詞輸入框；右邊的 CONDITIONING（條件資料）是編碼後的輸出。

同樣的節點出現兩次，是因為它們接到不同的地方：

• 接到 KSampler 的 positive：描述想要的畫面
• 接到 KSampler 的 negative：描述希望減少的內容；它不是百分之百排除某物的保證

跟著做： 看圖 3，上方文字框原本提到 scenery、glass bottle；沿它的線確認接到 positive。下方文字框是 text, watermark，接到 negative。位置可以被搬動，請以連線判斷。官方文字編碼節點說明

應該知道： 若想換主角，先找連到 positive 的文字框。

B 圖片尺寸在哪裡

找到 Empty Latent Image。latent 是模型運算時使用的中間資料，還不是可直接存成 PNG 的像素圖片。

• width：圖片寬度，本課檔案是 512
• height：圖片高度，本課檔案是 512
• batch_size：一批處理的張數，本課是 1

跟著做： 確認這三個數字，今天保持不變。

這個節點先建立指定尺寸的空白 latent；在本課這種流程中，KSampler 會再依 seed 準備隨機雜訊。不要把這個方塊想成已經畫好的一張黑圖，也不需要手動做一張雪花雜訊圖。官方 Empty Latent Image 說明 · v0.38.0 實作

D 哪一站負責取樣

找到 KSampler。看左側四個輸入：model、positive、negative、latent_image。右側輸出仍然是 LATENT。

這次只認三個設定，先不要調整：

• seed（隨機種子）：決定準備雜訊時使用的隨機起點
• steps（步數）：取樣計算的步數，不能直接當作「畫質分數」
• cfg（引導強度）：這類流程中控制文字條件的引導程度，不是越高越好

跟著做： 在自己的工作流找出 seed 和 steps。固定版 JSON 的 steps 是 20、cfg 是 8、sampler_name 是 euler、scheduler 是 normal；只核對，不把單一節點示意圖的其他數值抄進來。

應該知道： KSampler 的輸出還要解碼。往後要做受控比較時，還得固定模型、設定、軟體環境與 seed；只記一個 seed 不足以保證跨版本逐像素重現。官方 KSampler 說明 · PyTorch 重現性說明

E 中間資料怎麼變成圖片

找到 VAE Decode（解碼）。左側 samples 接 KSampler 的 LATENT；另一個 vae 輸入接 Load Checkpoint 提供的 VAE。它把中間資料轉成右側的 IMAGE（像素影像）。

跟著做： 找到這兩條輸入線，以及往 Save Image 的輸出線。今天不用拔線重接。官方 VAE Decode 說明

F 圖片最後存在哪一站

找到 Save Image（儲存圖片）。它接收 IMAGE，filename_prefix 是輸出檔名的前綴；本課原始值是 ComfyUI。實際執行成功時，內建節點會把圖片存到所設定的輸出資料夾，一般本機配置使用 ComfyUI/output。官方 Save Image 說明

應該知道： 今天沒有執行生成，所以節點裡沒有成品預覽是正常的。Save Image 負責存圖片；下一步的 Export 則是保存整份工作流 JSON，兩件事要分開記住。

第 5 步 改一段文字 然後把流程帶走

我們先替後續課程準備同一個主角：綠色小豆機器人、黃色背包、黑色圓眼。這三個特徵寫進練習單，之後做圖、修改與影片都沿用。

已經開啟 ComfyUI 的人，照著做：

1. 回到圖 5 的文字框，沿線確認你選的是接到 positive 的那一個
2. 在框內選取原文字，換成下面這一段練習提示詞
3. 點畫布空白處，確認文字仍在；尺寸、seed 與其他設定都先保留
4. 打開主選單的 Workflow／Workflows → Export，匯出一般工作流 JSON；這次不要選給程式使用的 API 格式
5. 把檔案命名為 greenbean-lesson-01.json，在自己的「文件」內新建 Greenbean-Learning 資料夾，將檔案移進去
6. 再用 Open 載入你剛匯出的檔案，確認七個節點、連線和新提示詞都在

練習提示詞：

一個圓潤的綠色小豆機器人，黃色背包，黑色圓眼，站在木桌旁；桌上只有一盞白色小桌燈，柔和晨光，淺灰背景，完整呈現主角與桌燈，簡潔 3D 插畫。

這段文字先用來練習「修改後有沒有保存」。本課沒有對 SD1.5 的中文理解或出圖品質做驗證；之後會按實際使用的模型調整提示詞。

應該看到： 重新開啟後，positive 文字框中仍有「綠色小豆機器人」。只截圖無法取代這份可重新載入的 JSON。官方工作流保存說明

還沒安裝的人，把提示詞與七個節點名稱記在練習單即可；「重新開啟 JSON」先留待環境準備好再完成，不需要假裝已經做過。

卡住時 先分清楚少了什麼

出現 Missing Models

這是缺模型檔案的提示。若畫面像圖 10，按 See Errors，看它列出的檔名。

在圖 11，checkpoints 是模型檔案分類。把完整檔名寫進練習單，再關閉詳細資訊，繼續讀圖。本課沒有生成任務，所以不用急著按 Download all。不同版本的缺檔視窗可能長得不同；關鍵是先辨認「模型檔案」這一類。官方缺模型說明

出現 Missing Nodes 或紅色方塊

缺節點表示某一種處理步驟無法被目前環境辨識；缺模型則是已有處理步驟，卻找不到它要讀的模型檔。下載一個模型檔，不能自動補出缺少的節點。

如果載入本課固定 JSON 就缺節點，先記下錯誤文字、節點名稱與你的 ComfyUI 版本。本課使用的是內建節點，不需要先去安裝一串陌生的 custom nodes（第三方擴充節點）。紅框也可能表示輸入錯誤，請讀訊息後再處理。官方節點狀態說明

另外三個新手常遇到的狀況

• 下載後變成網頁，或看見一整頁大括號：你可能開到了 JSON 預覽。使用本頁下載連結，確認檔案副檔名是 .json；不要把 HTML 網頁只改名成 JSON
• 所有節點突然不見：先用右下 Fit View 找回視野，不要急著重新安裝；如果本來就在看圖路線，請直接對照圖 3
• Save Image 沒有新圖片：本課不執行生成，這是預期狀態；完成標準是讀懂與保存流程，不是出圖張數

小練習 你真的找得到嗎

先看圖 3 回答，再往下核對。每題只寫一句話就好。

1. 想把「綠色機器人」改成「藍色機器人」，先改哪裡？
2. 想知道這份範例是正方形還是長方形，要看哪兩個欄位？
3. 從 KSampler 輸出的資料，能不能直接接到 Save Image？中間需要哪個節點？
4. 朋友只給你一份 JSON，你就一定擁有生成需要的模型檔嗎？
5. 這份範例有 A–F 六個區域，為什麼數起來是七個節點？

參考答案

1. 改接到 KSampler positive 的 CLIP Text Encode 文字框；不要改到 negative
2. 看 Empty Latent Image 的 width 與 height；本課都是 512，所以是正方形
3. 不可以，LATENT 與 IMAGE 是不同資料類型；先經 VAE Decode 轉成 IMAGE
4. 沒有。JSON 記錄流程、檔名與設定，模型檔仍須另外準備
5. C 區有兩個文字編碼節點，一個接 positive，一個接 negative

本課完成檢查

• 我能在圖上指出文字輸入、圖片尺寸和圖片輸出的位置
• 我能說出取樣後還要解碼，才能得到像素影像
• 我知道 JSON、模型檔、生成圖片是不同的檔案
• 我已把小豆機器人的三個固定特徵寫進練習單
• 若已有 ComfyUI，我已匯出並重新載入 greenbean-lesson-01.json；若尚未安裝，這一項記為「待操作」

下一課會接著做什麼

接著閱讀第 02 課：準備執行環境與模型檔案。從 Windows 環境準備開始，沿用今天的 JSON 和缺檔筆記，核對模型檔名、來源與資料夾，再依官方文件完成第一次生成與保存。先看第二課的環境條件；不符合時可先完成看圖與準備紀錄。

往後進入 Qwen-Image-2.1，會換用它對應的官方工作流，不會把這份 SD1.5 的數字整套搬過去。MiniMax H3 也會有自己的模型、輸入與驗證步驟。先把今天的「沿著線找資料」學會，下一次看到更大的流程就有起點。Qwen-Image-2.1 官方範例

版本與圖片來源

查核日期：2026 年 10 月 5 日。當日官方最新穩定核心版本為 ComfyUI v0.38.0。Desktop 啟動器、ComfyUI 核心、前端介面與範本套件各有版本；這裡的核心版本不是整套電腦的實測組合。

本課 12 張圖片均取自 Comfy-Org 官方文件，保留原圖與既有標示，未重畫或合成操作畫面，也不是本網站在你的電腦上拍攝的紀錄。部分圖片是舊介面，部分是新版節點；逐圖圖說已說明重要差異。官方圖片沒有公開每張截圖的完整軟體版本，因此不宣稱全部拍攝於 v0.38.0。

圖片與官方入門 JSON 固定取自 Comfy-Org/docs 版本 fd96fce。該來源庫的 GPL-3.0 授權原文隨教材保留；每張圖下方另附原文件連結。模型權重、第三方素材與生成成果的使用條件需要分別核對，本課沒有作出商業使用權承諾。