折腾了这么多作图模型，我却没打开过 ComfyUI
杂货铺 · 第054篇
欢迎来到我的小铺，今天聊聊AI生图。
这是我的第二块重要积木，不跑模型时，我会切换成ComfyUI专属模式来跑图，当前大约跑了五六千张了吧。部署环境、加载模型、拼接工作流，再到把生成的图片分拣归档，全程几乎都是在命令行和 Agent 对话框里完成的。
直到交流本地AI如何生图，问我 ComfyUI 的工作流怎么配的、LoRA 有哪些等等，我愣了一下才反应过来：
前后测试了那么多模型，我好像压根不知道如何打开 ComfyUI 的前端界面。
一、算力到手，先装满再说
之前笔记本显存只有8G，那会跑图动不动的就爆显存，图片质量压根不敢超过512x512，现在一口气拉到了128G，还是2台，能尝试的开源模型多了很多，很容易就进入一种“集邮”的状态，看到什么新东西都想拉下来跑跑看。
Z-Image 很火，装一个；FLUX 表现扎实，必须得有；Krea2 很有特点，也留一份。更不用说开源社区里那些琳琅满目的画风 LoRA——水彩的、复古胶片的、特种材质的，别人展示的效果图一张比一张惊艳，就总想看看放进自己的机器里能出什么效果。
刚开始并没有太明确的规划。反正机器空着也是空着，既然能跑，就先跑起来。
那一阵子确实摸出了不少门道。不同模型的脾气各不相同：有的出图快但经不起放大，有的材质细腻但构图死板，有的则带着很强的个人风格。碰上想要的画面，往往不需要费尽心思写几百字的提示词，换个对路的模型，挂一个恰到好处的 LoRA，比怎么描述都管用。
下面这几张，来自前面不同模型的尝试。
但这种“集邮”的新鲜感过去之后，我慢慢发现了一个问题：我准备的工具，远远超过了我的真实需求。
我既不是专业设计师，也不指望靠出图接单。大多数时候，我只是想在闲暇时把脑子里闪过的一个模糊想法具象化。我不需要为了交付客户去调到毫米级精度，更不需要每天追着几十个新节点的更新跑。
模型越装越多，硬盘越来越满，可我每天真正想表达的东西，并没有跟着膨胀。
二、当模型够用了，瓶颈变成了我自己的语言
直到换上Qwen-Image-2.1，我决定把“到处找新模型”的步子彻底收一收。
在综合素质上，它在我这套环境下表现得相当省心。日常的画面构图、不同媒介风格的模拟，甚至带文字的海报排版，它基本上都能给出非常稳定的可用结果。它当然也会翻车，也需要反复挑选，但我已经不再有那种“换下一个模型会不会更好”的焦虑了。
不过，够用归够用，出图速度并没有快到可以忽略。模型已经加载、机器没有其他任务的时候，我这里的快档大约十几到二十秒一张，慢档往往要一分钟到一分半，粗略相差三到六倍。画幅、配方和内容不同，耗时也会变化；第一次加载模型，还得另外等一会儿。真要临时赶一张图，这个等待是能感觉到的。
用行业的话说，这叫“边际收益递减”；对我个人来说，就是工具已经跑到了我的需求前面。
可当这套环境已经基本能满足我的日常需求之后，另一个更尴尬的问题浮了上来：
我到底想画什么？
很多时候，我脑子里只有一个特别干瘪的画面：一条街、一间屋子、或者黄昏时的一扇窗。提示词里堆砌着“高质量”、“氛围感”、“艺术感”，这些词对于现代模型来说早就是车轱辘废话。等它画完，点开看，画面的完成度可能不错，我却还是觉得那并不是心里真正想要的那一张。
更残酷的现实是：我心里想要的那张图到底长什么样，我自己也根本说不清楚。
看见优秀的摄影或画作，我能直觉地感受到喜欢。但喜欢的究竟是光影的冷暖反差，是画面留白的疏密，还是某种材质粗糙的质感？一旦脱离原图，换个场景，我就失去了描述它的能力。
这种人类语言的匮乏和审美的模糊，不是多下载两百个 G 的模型或打十几个 LoRA 补丁就能解决的。
三、把算力当成“审美的撞击机”
想弄清楚自己到底喜欢什么，光靠坐在屏幕前干想是想不明白的。人的眼睛和审美很现实，必须看过足够多的样本，在大规模的对比中，喜好才会逐渐浮现。
所以这件事绕了一大圈，还是得回到“出图”上。只不过，这回不是漫无目的地测模型，而是带着探索审美的目的在跑。
我的想法其实很朴素：反正算力摆在这里，机器闲着也是闲着，不跑白不跑。
单张出图慢一点，放到这种用法里，反而没有那么要紧。我不需要一直坐在旁边等，也不用每多试一张，就心疼一次按张计费的成本。机器已经买了，电费当然还有，但利用闲下来的时间多跑几轮，我更愿意把注意力放在能不能找到有意思的东西上。
不着急的时候，晚上把提示词和任务安排好，让机器慢慢跑，我去睡觉。按一分钟一张粗算，几百张就是几个小时；有足够的空闲窗口、任务也顺利的话，睡一觉起来，一批几百张图就已经在画廊里等着我了。两台机器都空闲时，还可以分别承担不同的任务。
所以我这里的“快”，更多是不用占着我的时间。我把要求交代好，过一段时间再来看；生成花了多久，和我需要守着多久，是两回事。
既然Qwen-Image-2.1已经能支撑起多维度的表达，我就让它去帮我撞击可能性。同一组主题，我可以让它发散出不同的打光方式、不同的构图透视、不同甚至互相矛盾的材质组合。我想看看，那些我用语言描述不出来的东西，机器能不能在随机探索中替我撞出一些火花。
在这个环节里，Agent 的价值才真正凸显出来：
- 它去翻阅相关的风格资料，把我的一个模糊念头拆解成几个维度的提示词矩阵；
- 它调用本地模型，批量跑出几十上百张差异化的尝试；
- 图片生成后直接落进画廊，我不需要关心中间的中间件怎么调度，我只需要坐下来看图。
下面是从不同轮次、不同模型的探索里挑出的几组图片。它们是我想留下来的素材，并不是一组同条件的模型评测。
人物、笔触和材料的尝试。
也有城市里的小场景。水塔、便利店、街边小车和窗户，都能成为画面的中心。
再往另一头试，画面也可以少一点。留白、斜光和小小的空间，同样值得看。
有的图第一眼惊艳，看两秒就觉得俗气；有的图虽然主体崩了，但角落里某种颜色的搭配、或者阴影处理的质感，却让我觉得“对，这就是我要的感觉”。
我把这些细微的感受反馈给 Agent，让它沉淀成某种特定的审美偏好，下一轮测试时继续沿着这个微小的切口往下挖。算力在这里不是用来追求“单张出奇迹”的，它更像是一个不知疲倦的草稿机，帮我在无限的可能性里做减法。
四、为什么 ComfyUI 必须“退居幕后”
看到这里，大概就能明白我为什么从不打开 ComfyUI 了。
不可否认，ComfyUI 是目前开源社区里最强、最灵活的生成调度器。但它的本质是一套工程逻辑：节点怎么连、依赖怎么装、显存怎么优化、参数怎么传。
如果我每产生一个微小的画图念头，都要先打开网页，面对密密麻麻像蜘蛛网一样的连接线，花半个小时去排查报错、微调两个浮点数权重，那我最初那点探索的兴致，大概率在连线的第三分钟就消耗殆尽了。
在我这套体系里，ComfyUI 是一套极好的无头（Headless）后端，但我坚决不要把它当成前端交互。
调参、查文档、找社区里验证过的最佳工作流 JSON、把任务丢进 DGX 执行……这些本就是 Agent 最擅长处理的结构化脏活。而作为人，我最不可替代、也最宝贵的能力，其实是直觉、挑剔和做决定。
我告诉 Agent 想要的感觉，它去调遣背后的工作流和算力；出图之后，我负责看，负责挑，负责说“这里不对”。
这不是说参数不重要，而是人机协作的分工变了。将来如果真有一天，我的审美探索细化到了某种极致，现有的一切通用配方都满足不了，非得亲自去改某个底层节点的采样数学逻辑，那我自然会点开它。但在那一天到来之前，我更享受现在的状态。
从最初盲目装模型的兴奋，到收拢到千问时的平静，再到如今借助 Agent 去寻找自己的审美边界，折腾的重心变了，但乐趣一点没少。
机器还在后台安静地跑着，我继续喝着茶看图。希望下一批落进画廊里的图，能有一张让我多停下来看一会儿。
感谢阅读。
哞小哞的杂货铺 · 第54篇 · 2026