简介面向 ComfyUI 初学者与图生图实践者的基础工作流资源聚焦 QwenImageEdit 的入门调用场景适合想快速搭建图像编辑流程、理解节点数据流与参数配置的用户。整包对应编号 c0051压缩包内仅 1 个文件为 JSON 格式的 ComfyUI 工作流定义大小只有约 3KB导入后即可加载省去从零手动连线与调试的环节。目前已有 223 人学习下载。借助这份工作流读者能直观看到基础图生图涉及的模型加载、输入图像、提示词控制、采样参数与结果输出等关键节点并据此替换图片、调整提示词或步数继续扩展编辑效果同时可通过节点间的连接关系掌握 QwenImageEdit 与基础图生图任务的最小可用结构。整体轻量、指向明确既适合入门对照学习也可作为后续在 ComfyUI 中二次开发图像编辑流程的基线。1. ComfyUI/QwenImageEdit 基础图生图一句话改图的工作流到底和传统图生图差在哪很多人第一次见到“ComfyUI/QwenImageEdit 基础图生图”这个组合时会默认它和传统图生图一样一张图进去写提示词调参数然后赌运气。实际用下来差别非常大。QwenImageEdit 是通义实验室开源的指令式图像编辑模型0.6B 参数走 Apache-2.0 协议它不做整图重绘而是把你的中文指令直接翻译成像素级编辑操作。在 ComfyUI 里接入后工作流简单到只剩五六个节点加载图片、输入一句话、出图。这篇文章会从装插件、拉模型、搭工作流一路讲到 CFG、步数、指令写法这些真正影响出图质量的东西最后给一份避坑清单。适合要做电商素材、概念图、日常快速改图的人也适合刚入坑 ComfyUI 的新手照着搭出第一套能干活的基础图生图。2. 装模型和插件QwenImageEdit 的架构选型与环境准备2.1 QwenImageEdit 的思路与传统图生图差在哪传统图生图的底层逻辑是“噪声重绘”把输入图加噪到一定程度再用 SD 系列模型在去噪过程中根据提示词恢复画面。这套逻辑通用性很强但“改”的能力很弱——你想改一处背景它常常连着主体的材质、光影一起变了。所以后来才有了 ControlNet、局部重绘和 Inpainting 这些补丁式方案用来把“改哪里”这个问题从提示词里硬拆出来。QwenImageEdit 走的不是这条路。它基于 Qwen2.5-VL 的视觉语言能力压缩成一个 0.6B 的轻量模型输入是“图像 编辑指令”输出是编辑后的图像。中间由视觉语言模型理解指令里“改什么、改成什么样”再通过整流流Rectified Flow生成结果。换背景就是“把背景换成浅灰色摄影棚”加元素就是“在桌面上加一杯咖啡”指令写得越具体结果越可控。整个过程不需要画 mask不需要预设一堆反向提示词也不需要另外接 ControlNet 来控制结构。这带来两个直接好处。第一工作流结构大幅简化前面提到的“五六个节点”就能跑通一套基础图生图第二硬件门槛很低0.6B 的模型权重只有一个多 GB消费级显卡就能跑。但它也有自己的脾气对指令措辞非常敏感CFG 不能照着 SD 的习惯调多轮编辑时构图容易漂移。这些在后面都会展开讲。2.2 在 ComfyUI 里装插件与模型把 Qwen-Image-Edit-0.6B 请到本地在 ComfyUI 里接入 QwenImageEdit分两步装插件、放模型。插件这块如果你用的是秋叶整合包这类一键包建议先更新 ComfyUI 本体再在 ComfyUI Manager 里搜 QwenImageEdit一键安装如果你是从官方仓库手动部署的直接把插件目录放进custom_nodes后重启即可。我一般用 Manager 装因为能顺带解决依赖问题少踩很多坑。# 如果你的 ComfyUI 是手动部署可以这样进 custom_nodes 目录 cd ComfyUI/custom_nodes # 把 QwenImageEdit 节点仓库 clone 到当前目录 git clone QwenImageEdit 节点仓库地址 # 安装节点依赖注意在 ComfyUI 的虚拟环境里执行 pip install -r QwenImageEdit/requirements.txt代码里的QwenImageEdit 节点仓库地址请替换成你在 GitHub 或 Gitee 上搜到的实际仓库地址不同作者维护的版本字段略有差异。装完后重启 ComfyUI启动日志里能看到节点加载成功节点列表里会出现以 QwenImageEdit 开头的Loader 和生成节点。模型文件的路径有讲究。ComfyUI 读取模型的目录是models/QwenImageEdit你需要把模型放在models/QwenImageEdit/Qwen-Image-Edit-0.6B/下目录里至少包含 safetensors 权重文件和 config.json。常见做法是用 ModelScope 下载国内网络更稳也支持断点续传# 用 git clone 方式拉模型适合网络稳定的场景 git clone https://www.modelscope.cn/Qwen/Qwen-Image-Edit-0.6B.git # 把模型目录移动或软链到 ComfyUI 的模型目录 mv Qwen-Image-Edit-0.6B 你的ComfyUI路径/models/QwenImageEdit/如果你习惯用 HuggingFace也可以huggingface-cli download Qwen/Qwen-Image-Edit-0.6B拉到本地再移动过来。这里要提醒一句不要只下载 safetensors 文件就完事config.json 和 tokenizer 相关文件缺失时Loader 节点会在加载阶段直接报错而不是等出图才爆。2.3 显存规划与启动参数6GB 到 16GB 怎么分配QwenImageEdit 模型本身不占多少显存真正吃显存的是输入图的分辨率和 VLM 推理时的激活值。根据我的实测经验6GB 显卡勉强能跑 1024 以内的图8GB 显卡是舒适区16GB 以上基本不用操心。启动参数按显存去配不是越多越好。显卡显存推荐启动参数建议最大输入分辨率6GB--medvram --reserve-vram 1.01024 x 10248GB--medvram或默认参数1440 x 144012GB默认参数2048 x 204816GB默认参数原生分辨率建议控制在 2048 内--lowvram和--medvram不要同时开两个策略会互相打架出图速度明显变慢。如果你只有 8GB 卡最先做的事是把输入图压进 1024 再跑这比任何启动参数都管用。提示ComfyUI 更新或插件更新后启动参数和节点行为可能变化。遇到“昨天还能跑今天爆显存”的情况先检查是不是后台有其他程序占显存再考虑是不是模型文件被重新下载到了不完整状态。3. 搭建基础图生图工作流从 LoadImage 到 SaveImage 的完整链路3.1 基础图生图工作流的节点清单与连线逻辑这套工作流只有五个节点但每个节点都不能缺。和 SD 图生图不同这里不需要单独的 CLIP Text Encode 节点编辑指令直接写进生成节点的 prompt 字段因为 QwenImageEdit 内部自己完成了视觉和文本的对齐理解。节点作用关键输入LoadImage加载待编辑图片image放在 ComfyUI/input 目录QwenImageEditLoader加载模型与配置model选 Qwen-Image-Edit-0.6BQwenImageEdit执行指令式图生图model image prompt seed steps cfgVAEDecode把 latent 解码为图像samples来自生成节点的 latentSaveImage保存结果images来自 VAEDecode连线逻辑很直观LoadImage 输出 imageQwenImageEditLoader 输出 model两个输出在 QwenImageEdit 节点汇合生成 latentVAEDecode 把 latent 变成图像最后 SaveImage 落盘。如果你想先预览再保存可以把 SaveImage 换成 PreviewImage或者两个都接上。这套基础结构是所有后续变体的起点。比如想接放大模型就在 VAEDecode 之前把 latent 引出去想做局部编辑就在这个基础上叠 mask 分支。先把这条链路跑通后面怎么加节点都有据可依。3.2 一份可以直接提交的 API 格式工作流 JSON如果是在前端界面里拖节点连线靠鼠标如果想批量跑、或者不想开浏览器可以直接用 ComfyUI 的 API 接口提交工作流。下面这份 python 脚本把完整的图生图工作流组装成 API 格式提交到本地 ComfyUI 服务import json import urllib.request workflow { # 节点1加载待编辑图片图片放在 ComfyUI/input 目录 1: { class_type: LoadImage, inputs: { image: product_photo.png } }, # 节点2加载 Qwen-Image-Edit-0.6B 模型 2: { class_type: QwenImageEditLoader, inputs: { model: Qwen-Image-Edit-0.6B, device: cuda } }, # 节点3执行指令式编辑prompt 就是编辑指令 3: { class_type: QwenImageEdit, inputs: { model: [2, 0], image: [1, 0], prompt: 把背景换成浅灰色摄影棚保留产品细节, seed: 42, steps: 30, cfg: 2.0, sampler_name: euler, scheduler: simple } }, # 节点4VAE 解码 4: { class_type: VAEDecode, inputs: { samples: [3, 0] } }, # 节点5保存结果 5: { class_type: SaveImage, inputs: { images: [4, 0], filename_prefix: qwen_edit_output } } } req urllib.request.Request( http://127.0.0.1:8188/prompt, datajson.dumps({prompt: workflow}).encode(), headers{Content-Type: application/json} ) print(urllib.request.urlopen(req).read().decode())脚本里的几个关键点说明一下。[2, 0]表示取节点 2 的第 0 个输出ComfyUI 的 API 格式就是靠这种引用关系连线的字段名与前端节点面板上的输出标签一一对应。class_type是节点类名不同作者维护的 QwenImageEdit 插件可能有细微差别装好后在节点面板里看一眼生成节点的类名保持一致即可。prompt字段支持中文指令这是这套模型最舒服的地方。有一点要注意不同版本的插件对生成节点的输入字段定义可能不一样有的版本把 seed、steps、cfg 单独拆在采样器节点里有的版本合并在一起。上面这份脚本是合并版写法如果你的节点面板里是拆分版把参数挪进采样器节点就行。3.3 跑通第一次的检查点顺序第一次跑这套工作流按顺序检查四个地方能省很多排查时间。第一ComfyUI 启动日志里有没有Import failed for custom node的提示有的话说明插件没装成功回到第 2 章检查依赖。第二Loader 节点的模型下拉框里有没有Qwen-Image-Edit-0.6B没有就是模型路径不对看目录结构是否多套了一层。第三LoadImage 节点选的图片是不是真的在ComfyUI/input目录下这是新手最容易忽略的——前端有图不代表文件存在。第四提交后盯住日志窗口确认 Queue 在跑而不是卡在等待。跑的过程中日志会出现三类高频报错。CUDA out of memory是显存不足按上一章的显存规划调整Cant load model是模型文件缺失或损坏回看 2.2 的下载细节AttributeError是插件版本和 ComfyUI 本体不兼容升级插件或回退 ComfyUI 版本二选一。成功输出的判断标准也很明确输出图分辨率默认与输入保持比例一致主体轮廓基本保留只有指令描述的区域发生变化。如果整体构图都换了说明指令里带了“重新生成”的暗示或者 CFG 过高下一章专门讲参数怎么调。4. 让编辑结果可控CFG、步数、指令写法与分辨率的配合4.1 CFG 与步数为什么这套模型调高 CFG 反而翻车QwenImageEdit 底层是整流流模型CFG 的语义和 SD 的 DDIM 系不完全一样。SD 里 CFG 调高能增强提示词跟随但这套模型里 CFG 超过 3 就会出现色彩过饱和、阴影发灰、文字边缘糊掉的现象低于 1.0 则指令跟随明显变弱编辑结果像没干活。我一般建议在 1.5 到 2.5 之间试默认 2.0 是个好起点。CFG 取值表现建议1.0 以下指令跟随弱编辑痕迹不明显不推荐1.5 ~ 2.5指令跟随和画面稳定性平衡首选区间2.5 ~ 3.0结构仍稳定色彩开始偏浓风格化编辑时可用3.0 以上过饱和、发灰、文字崩坏避免步数的影响相对线性。低于 15 步细节明显不够衣服纹理、发丝会出现糊斑超过 50 步边际收益很小只是增加等待时间。30 步对一张 1024 x 1024 的图在 8GB 卡上大概 20 到 40 秒想要细节更稳可以走到 45 步快速出草稿用 25 步就够。我用过很多采样器组合目前最顺手的是euler simple换成beta调度器出来的色彩会软一点。这不是主要变量不值得在这里花太多时间稳定复现比采样器玄学重要得多。4.2 指令写法把改图需求翻成模型听得懂的三层结构指令质量决定这套工作流的上限。常见翻车写法是“帮我改一下”“把这个弄好看点”——模型是视觉语言模型但它需要明确的目标状态而不是抽象感受。我平时写指令遵循一个三层结构主体 动作 目标状态必要时加第四层限制条件。对比一下。失败的写法“换背景”。模型不知道换成什么背景、光影怎么处理、主体要不要保留。成功的写法“把背景换成浅灰色摄影棚给地面加轻微阴影保留人物的发型和衣服颜色”。前一句话是动作后两句是目标状态和限制条件模型能明确知道哪里动、哪里不动。复合指令要拆成两轮。一次只做一个主操作“改 A 和 B”这种并列结构很容易让模型理解成重绘整张图。比如先换背景再改服装颜色分两步跑每步的结果都比一步到位更可控。还有一个细节避免否定句。“不要红色”经常输出红色模型对否定词的理解还不太可靠把它改写成“改成蓝色”就稳妥很多。中文指令用“把”字句比松散的主谓宾更明确加上“保持 XX 不变”这类不变量约束能显著降低编辑过头的概率。这是指令式编辑和文生图提示词最大的区别——文生图允许抽象堆积指令必须说清楚每个变化的落点。4.3 分辨率与 Seed什么时候用原生分辨率什么时候固定 Seed分辨率直接影响显存峰值和出图耗时。输入图超过 2048 时8GB 卡基本必爆12GB 卡也会显著变慢。我一般先把超过 2048 的图等比缩到 1024 到 1536 再喂给模型编辑完如果需要大图再接一个放大模型补分辨率。注意放大时要固定住那次编辑的 seed否则构图可能变。Seed 是调试阶段最重要的变量之一。当你调指令措辞时固定同一个 seed才能确定画面变化是来自指令还是来自随机噪声。但“固定 seed 保证复现同一构图”这个说法不严谨——模型更新、ComfyUI 版本变化、甚至显卡不同都可能让同一 seed 出不同结果。Seed 更合理的用法是判断这个参数改得有没有效而不是当作生成结果的后悔药。有些 QwenImageEdit 节点版本还带denoise_strength参数默认 1.0。做轻微颜色调整时降到 0.7 到 0.85能保留更多原始细节大改背景或风格时保持 1.0 不动给模型完整的重绘空间。这跟 SD 图生图的 denoise 逻辑类似但在这套模型里它不是核心参数别指望靠拉这个值解决编辑过头的所有问题。5. QwenImageEdit 基础图生图的避坑清单从爆显存到指令失效的五条血泪经验5.1 显存爆掉6GB/8GB 卡加载即崩先查分辨率再查启动参数现象提交工作流后几秒内日志报CUDA out of memory或者整个前端界面直接卡死无响应。在 6GB 卡上这个现象尤其频繁8GB 卡在输入图超过 2048 时也会触发。原因大多数人以为模型有 0.6B 参数所以显存占用很小忽略了 VLM 推理时的激活值和扩散采样的中间变量。输入图原始分辨率越大峰值显存涨得越快这是最常见的翻车点。解决先做一个实验——把输入图压到 1024 以内再跑如果还爆显存再加--medvram启动参数如果稳定了说明就是分辨率问题。不要在--lowvram和--medvram之间反复切换选一个用到顺手为止。8GB 卡同时开两个 ComfyUI 服务是自找麻烦关闭其他占显存的程序再试。5.2 模型文件缺失Loader 节点报错找不到 Qwen-Image-Edit-0.6B现象Loader 节点显示红色状态日志里出现path not found或model not found节点下拉框是空的。原因模型放错目录层级或下载过程文件不完整。最常见的是把Qwen-Image-Edit-0.6B整个文件夹放进了models/QwenImageEdit/Qwen-Image-Edit-0.6B/Qwen-Image-Edit-0.6B/这种重复嵌套或者只下载了 safetensors 漏了 config.json。解决目录结构必须严格是models/QwenImageEdit/Qwen-Image-Edit-0.6B/里面至少包含 safetensors 和 config.json。下载别用浏览器点链接那个方式文件多容易漏用 2.2 里的 git clone 或 modelscope CLI断了能续传。下完检查目录里文件数量至少三个以上才算完整。5.3 指令失效图变了但和需求完全不是一回事现象指令写“把背景换个颜色”输出图把主体颜色也改了指令写“保持人物姿势不变”结果人物重新摆了个姿势。原因指令里包含多个动作或代词指代不清。“换个颜色”到底换哪个区域的颜色“保持”这个否定词对 VLM 来说是个弱约束模型可能把整张图重新想象了一遍。解决回到第 4 章的指令三层结构把指令拆成“主体要做什么变化 变化具体到什么样 哪里不动”。同一张图连续试两个版本的指令一个具体一个模糊对比输出就知道模型对措辞有多敏感。另外检查 CFG 是否在 2.0 附近CFG 过高会让模型过度发挥。5.4 输出灰蒙蒙、色彩发白像蒙了一层雾现象编辑结果轮廓对、内容对但整张图对比度低颜色发灰发白尤其是深色区域明显变淡。原因CFG 过高导致整流流采样过激另一个常见原因是模型权重以 fp16 加载时部分算子溢出输出动态范围被压缩。解决先把 CFG 降到 2.0 以内看是否恢复。如果 CFG 正常仍发灰换 scheduler 为beta试一组再不行检查是否在 QwenImageEditLoader 节点里选了 fp16 精度选项改成 bf16 或默认精度。这个现象在换模型版本后更容易出现更新插件前先记录当前参数给自己留个后悔药。5.5 多轮编辑构图漂移第二轮改完第一轮的结果白做了现象第一轮把背景换成摄影棚效果很好第二轮在同一张结果图上改服装颜色输出人物位置、姿态甚至表情都变了。原因多轮编辑时第二轮把上一轮的输出当作输入VLM 可能重新解析整个图像并产生新的构图想象。如果第二轮没固定 seed或者指令里没有“保持其他部分不变”的约束漂移几乎是必然的。解决第二轮不要从内存引用第一轮的 latent而是把第一轮保存的 PNG 通过 LoadImage 重新加载这一步能锁住大部分构图信息。固定 seed 保持一致指令里明确加“保持人物姿势、表情、背景不变只改服装颜色”。如果节点支持denoise_strength第二轮降到 0.85 左右给模型留一点改动空间又不至于推翻重来。6. 进阶验证指令矩阵与多轮编辑把工作流从“能跑”变成“能用”一套工作流能不能上线不是跑通一张图说了算。我现在的习惯是任何新的图生图方向都先做一轮指令矩阵测试。方法很简单准备 3 张有代表性的输入图选 5 类常见编辑指令固定 seed、步数、CFG跑 15 组输出然后用表格记录每组的验收结果。指令类别预期结果验收标准背景替换背景变化主体不变主体轮廓与原始图重叠度 90%局部属性修改指哪改哪未指定区域像素差异极小风格迁移整体风格变内容不变构图、主体位置一致元素增删元素出现或消失周边环境自然衔接细节修复模糊区域变清晰修复区域无纹理冲突跑一轮矩阵大概二十分钟但省下的是批量重跑的返工时间。矩阵里如果有超过两格不达标就别急着接真实需求先回头调参数或指令写法。这套方法救过我很多次当初接电商场景的批量改图直接跑真实需求翻车率接近四成后来老老实实做矩阵翻车率降到个位数。多轮编辑值得单独提一个技巧把每一轮的中间结果存盘下一轮从磁盘加载而不是在内存里传递 latent。这个习惯能明显抑制构图漂移代价是多了几次 VAE 解码和文件读写但对 0.6B 模型来说耗时完全可以接受。多轮编辑时每条指令里都带“保持其他部分不变”这是最容易忘、但效果最直接的一句话。参数验证方面我习惯每调一个参数只动一个变量。比如测 CFG 就从 1.5 到 2.5 各跑一张固定其他所有参数测指令措辞就保持 seed、步数、CFG 全部不动。这样最后看输出图能明确知道是哪个参数在起作用不需要靠感觉猜。希望这些经验和踩坑记录能帮你在自己的 ComfyUI/QwenImageEdit 基础图生图工作流上少走几段弯路。本文还有配套的精品资源点击获取