把 ComfyUI 工作流发给同事，然后呢？

“效果不错，把流程发我一下”

设想一个小团队正在做商品海报。设计同事把一张实拍杯子变成了插画，发进群里。大家觉得方向不错，算法同事接着问：用的哪个模型？图怎么进去的？杯把有没有专门控制？这张能再跑一次吗？

这时，单发一张成图有点不够。再补一张工作流截图，也可能看不清那些缩得很小的参数。最后大家只好挤到一台电脑前，看作者挨个点开节点解释。画面做出来了，做法还留在那个人的电脑上。

ComfyUI 很适合解决这类交接问题。模型、输入、处理步骤和参数，可以组织成一份能保存、能打开、还能继续修改的工作流。对 AI 图像和视频实验团队来说，它可以成为一张共同查看的实验台。

我看重的是这个延续性：创意人员试出一个方向，算法同事能沿着同一套流程检查；算法改了其中一段，创意人员也能拿熟悉的素材验证。每个人都能接着已有的实验往下做，不必从一张效果图重新猜起。

导出的文件里，装着哪些东西？

工作流可以理解为一张可执行的步骤图。节点负责加载模型、处理图像、采样或保存；连线说明数据从哪里来、送到哪里去；节点上的参数决定这一步怎么做。ComfyUI 的工作流说明支持把这张图独立保存成 JSON 文件。

JSON 是一种记录结构化信息的文本格式。交接时不必逐行读它，收件人把文件加载进 ComfyUI，就能重新打开那份流程。用于画布编辑的保存格式还会保留布局、分组等信息，便于继续读图。

但它不会顺手把你硬盘上的模型权重、输入图片和 Python 环境都塞进去。更接近剪辑软件的工程文件：工程知道某段素材放在哪里，发工程时仍然得把素材交代清楚。官方依赖说明也把这些外部文件和运行依赖单独列了出来。

这一区别会直接影响协作。导出成功，说明方案可以传递；接收方能否运行，还要看所需资源是否齐全。下面这张图把两部分放在一起：中间是流程，周围是让它再次运行所需的条件。

和算法同事，先说清楚改什么

回到那只杯子。如果需求只写“插画感再强一点，产品别变”，两边可能都很努力，却在做不同的事。有人增强了颜色，有人换了模型，有人把杯子的边缘重新画了一遍。交付时才发现，大家对“产品别变”的理解不一样。

我会先把这句话拆开：想增强的是笔触、色块，还是轮廓的概括？不能改变的是杯把方向、杯口形状，还是杯身的标记？这些要先在图上指给对方看。

再把改动落到具体节点上：“这轮先不换模型，只比较 KSampler 里的 denoise。杯把还在不在右边？杯口有没有歪？蓝色圆形还在原位吗？”同事可以沿着同一张图检查，不必猜我说的“差点意思”到底差在哪里。

例子：把这只杯子变成插画

就用下面这只杯子。目标是把摄影质感改成大色块的插画，同时尽量保留杯子的样子。杯口是一圈椭圆，杯把在右边，正面有一个蓝色圆形。先把这三处记住，等会儿看结果就有了落点。

这个例子用基础的 Stable Diffusion 1.5 图生图流程，只需要内置节点，方便把输入、连线和参数讲清楚。先把最基础的流程跑明白，后面更换模型，也能沿用这套对照方法。下载下方的 512×512 输入图，团队选用同一份 SD 1.5 模型，接下来每个人处理的才是同一个问题。

123

这 8 个节点怎么接

顺着图片走一遍：Load Image 读入杯子，VAE Encode 把像素图转成模型使用的潜空间表示；KSampler 接收它，结合提示词进行采样；VAE Decode 再把结果转回像素图，最后由 Save Image 保存。

旁边还有两路输入：Load Checkpoint 提供 MODEL、CLIP、VAE；两个 CLIP Text Encode 分别把正向、负向提示词转成条件，送给 KSampler。正负提示词用的是同一种节点，只是连接的位置不同。

下面把这 8 个节点重新画开了，名称和端口对应实际流程。点节点可以看它接什么、填什么，以及这一步容易漏掉什么。橙色的 KSampler 是这一轮要改的地方。

只改 denoise，跑两次

先把下载的工作流拖入 ComfyUI。在 Load Checkpoint 里选择本机的 SD 1.5 模型；下载文件里的模型名是占位名，必须改。再到 Load Image 上传 cup.png。模型权重不在 JSON 里，流程文件也不会替你安装模型。

找到编号 #3 的 KSampler：Seed 填 424242，Seed 自动变化方式设为 fixed，步数 20，CFG 7，采样器 euler，调度器 normal。正负提示词照下方填写。这些都是本次对照的固定条件。

A 先用 denoise = 0.25，保存结果和这一版工作流。接着只把同一节点的 denoise 改成 0.55，跑 B，再保存 B 的结果和工作流。不要中途顺手“优化”提示词，否则就不知道差异是哪个改动带来的。

denoise 通常叫重绘强度。在这类基础图生图流程里，较低的值通常较多保留输入图，较高的值允许更大的变化。0.55 不等于改掉 55% 的像素，也不保证更接近插画。图生图的编码、采样顺序可以对照ComfyUI 作者的示例。

下面是待执行的两组参数，可以切换查看。杯子图是准备好的输入，还没有经过这两组配置生成，不能据此判断哪一组更好。

生成后，检查这三处

把原图、A、B 并排放，先别急着挑最漂亮的。对着输入图上圈出的三处，一项一项看。可以像下面这样记录；表中的失败情况是检查举例，不是这次已经跑出的结果。

这三处看完，再看插画目标：杯身是不是出现了更明确的色块，原来的摄影高光是否被概括，背景和主体是不是同一种画风。最好提前放一张团队认可的风格参考在旁边，免得一个人在找扁平插画，另一个人在找油画笔触。

假如 B 的色块更明显，却把杯把改坏了，可以写：“风格方向更接近，杯把不合格。”这条记录会比“B 更好，继续调”有用。下一轮就有具体的问题：是回调 denoise，还是增加结构条件，或者保留产品再处理背景？一次只验证一种改法。

还要提醒一句：这张图没有连遮罩，三个标记只是看图用的，不会替模型锁住杯子。负向提示词里的 extra handle 也只是一项条件，不能保证绝不多长一个杯把。若蓝色标记换成真实商品 Logo，这条基础流程不保证它原样保留。

固定一个 Seed 只能帮助比较这一次。初步找到方向后，再预先选几组种子，让 A、B 用同一组种子逐对测试；也要换几只杯子，看看换了形状和背景还能不能用。保存所有结果，才知道方法哪里可靠、哪里容易出错。

发给同事哪些文件

这轮做完，我会建一个“杯子插画化-v01”文件夹。工作流、输入和结果放一起，A 对应 A，B 对应 B，别让同事在十张“最终版”里找答案。

模型太大，可以不反复复制，但要写明下载位置、版本和文件哈希。哈希是根据文件内容计算的校验值，用来判断两个人拿到的是不是同一份文件。只写一个模型昵称，或者说“就那个最新版”，都不够明确。

环境也写实际使用的版本：ComfyUI、前端、PyTorch、设备及计算精度。本例使用基础节点；如果后来加了自定义节点，再补上仓库与版本。不要让接收方为了打开这次实验，先把所有东西都更新一遍。

下面这份记录已经填入杯子图片的校验值、下载工作流的文件名，以及 A、B 的计划参数。实际模型、环境和生成结果仍需运行后补充。这是交接记录，不是另一个能拖进 ComfyUI 的工作流。

两种 JSON 怎么导出

如果对方要在画布上读图、改节点，就从 File → Export 导出保留布局的普通工作流 JSON。在当前前端的菜单定义中，保存到工作区和下载导出文件是不同的操作，单点 Save 不等于已经拿到可发送的本地文件。不同版本的菜单文字可能有差别，交接时确认下载得到的是那份工作流即可。

如果算法或开发同事要通过程序调用，则使用 File → Export (API)。这种 JSON 面向执行，保留节点输入及关系，不带画布位置、分组等编辑布局信息。两种格式的文件后缀都可能是 .json，交接时最好在文件名里区分。具体入口与用途可对照官方 API 格式说明。

例如，把供人继续编辑的文件叫 cup-style.workflow.json，把供程序接入的文件叫 cup-style.api.json。它们对应同一轮方案；修改后重新导出，避免画布上已经换了参数，程序还在跑上周那份。

还可以利用输出文件里的工作流元数据：在保存节点和相关设置支持、元数据也保留完整时，把输出文件拖回画布，可以恢复所附的工作流。但聊天截图不是原文件，转码或平台处理也可能让附带信息丢失。正式交接时，我会把原始输出和同轮 JSON 放在一起。

同事拿到后怎么检查

同事收到文件后，先照记录跑 A：加载 A 的工作流，选对模型，上传同一张 cup.png，确认 KSampler 的 denoise 是 0.25、Seed 是 424242，自动变化方式是 fixed。先别换风格、别加节点，把原方案跑通再说。

如果界面报错，就按缺少的模型、素材或节点去查。如果能生成，但杯子差别很大，就逐项对照实际输入、模型文件、正负提示词、Seed 和采样参数。也要看看是不是误载了 B 的流程。文件名写清楚，确实能省掉这种尴尬。

参数相同也不等于跨机器一定逐像素相同。PyTorch 的复现说明指出，跨版本、平台或设备不能保证完全一致。团队要先约好，是核对这套方案能否重复运行、关键形状是否符合要求，还是必须输出完全相同的像素；后一种要求对环境的核对更严格。

A 核对好以后，再只改 denoise 跑 B。若算法同事想加入结构控制，就另存一个 C 方案，说明新增了哪些节点、模型和输入。这样再看结果，大家知道这一轮究竟动了哪里。

等到准备把流程接进正式产品，再讨论队列如何配置、失败任务怎么处理，以及算力成本能否接受。ComfyUI 本身已有队列和基础输入校验，API 导出方便程序接入；具体产品还需要哪些能力，要按实际需求补齐。

小结

这只杯子的实验，最后应该留下四样东西：输入图、A/B 工作流、对应结果，以及一份记录。记录里说明只改了 denoise，并把杯口、杯把、蓝色标记的变化写清楚。

我觉得 ComfyUI 在团队里好用，就好用在这里。设计同事可以指着图说哪一处不能变，算法同事可以指着节点说准备怎么改。发文件时多留下这些具体信息，下一位同事打开后，就知道先跑哪一份、到哪里改、拿什么判断结果。