你是否曾因ComfyUI复杂的环境配置而望而却步？现在，LiblibAI推出的ComfyUI在线服务彻底解决了这一难题——无需安装任何软件、无需手动配置环境、甚至连路径都不用调整，登录后直接拖拽节点即可开始生成图像。你只需掌握从哪里开始、连接哪些节点、以及填写哪些关键参数。

进入ComfyUI界面

操作方法非常简单：打开 https://www.liblib.ai，登录账号后，点击顶部导航栏的“AI绘画”，在文生图和图生图的模式切换区域找到“ComfyUI”标签，单击即可切换。

界面将自动加载节点画布，初始状态可能是空白，也可能自带一个基础模板。不过有一个小细节值得确认——查看一下浏览器地址栏末尾是否出现了 【/comfyui】 这个路径标识，如果有，说明你确实进入了ComfyUI环境，而非WebUI的伪装页面。

加载并运行他人工作流

共有两种方法。第一种是粘贴JSON代码：从社区下载.json工作流文件，复制其中的文本内容，返回ComfyUI画布的空白区域，按下Ctrl+V，系统会自动解析并生成完整的节点链。第二种是上传文件：点击右上角的“导入”按钮，选择本地的.json文件，等待解析完成后，节点会自动排列好。

有一点需要特别留意：如果节点上显示红色感叹号，说明工作流使用了未预装的插件，需要手动补充。不过LiblibAI已经预置了ControlNet、IPAdapter、TiledDiffusion等主流插件，因此绝大多数热门工作流都可以即开即用。

配置基础文生图流程

第一步是加载模型。拖拽一个CheckpointLoaderSimple节点，在下拉菜单中从“我的模型”或“收藏”里选择一个已上传的大模型，例如F.1或Seedream 4.0。

第二步是输入提示词。拖拽一个CLIPTextEncode节点，双击打开，在“text”框中直接输入中文即可，比如“水墨山水，远山含黛，雾气缭绕”。同样的操作也可以配置一个反向提示词节点，但这不是必须的。

第三步是设置采样器。拖拽一个KSampler节点，展开参数面板，将steps设为【25】，cfg设为【7】，sampler_name选择dpmpp_2m，scheduler选择karras。这组参数经过日常验证，出图速度快且细节稳定。

第四步是连接节点并生成。用鼠标拖拽连线：将CheckpointLoaderSimple的MODEL端口连接到KSampler的model端；将CLIPTextEncode的CONDITIONING端口连接到KSampler的positive端；再拖拽一个EmptyLatentImage节点，设置好width和height（例如1024×1024），将其LATENT端口连接到KSampler的latent_image端；最后将KSampler的LATENT端口连接到VAEEncode节点，再连接到VAE节点，最终接上SaveImage。点击右上角的“Queue Prompt”按钮，等待右下角出现生成图片的缩略图即完成。

上传图片做图生图或扩图

找到LoadImage节点，点击“choose file to upload”选择一张本地图片，图片会自动载入并生成像素张量输出端口。如果要进行扩图，必须将该节点的输出接入外补画板类节点（如ExpandImageSize或InpaintModelConditioning）的image输入口。如果跳过直接连到KSampler，系统会报错并中断队列。

扩图方向参数的填写方式很简单：只填写需要扩展的方向数值，例如向右扩展300像素就写right: 300，其他方向保持0即可。单次扩幅建议不超过400像素，否则容易导致结构崩坏或出现边缘伪影。

批量生成多张不同图

进入ComfyUI标签页，新建流程，使用“文生图基础流程”模板。在KSampler节点中将seed改为-1，即可启用随机种子。右键点击CLIPTextEncode正向提示词节点，选择“Convert to Input”，然后添加一个BatchPromptScheduler节点，将其连接到文本编码器的输入端。准备一个TXT文件，每行写入一条提示词，最后点击右上角“Queue Batch”。系统会逐行读取、逐张生成，输出的图片数量与TXT行数严格一致，且每张图的seed不同、构图不会重复。