要在liblibai的comfyui中从零搭建稳定文生图工作流，必须完整配置五大核心节点：1.模型加载（checkpointloadersimple，选对模型避免风格崩坏）；2.clip文本编码（正负提示词各需独立节点，英文优先）；3.ksampler采样（设steps=25–30、cfg=7–8、sampler=euler_ancestral）；4.emptylatentimage初始化潜空间（分辨率须匹配模型，batch_size建议为1）；5.vaedecode解码+previewimage预览（端口连错会导致黑图或噪点）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想在LiblibAI上用ComfyUI从零搭出稳定出图的文生图工作流，不依赖预设、不跳过关键节点、不硬套别人配置，就得亲手把模型加载、文本编码、采样控制、潜空间初始化、图像解码这五块拼完整——漏掉任一环，运行时必然报红。
添加并配置模型加载节点
右键画布空白处 → 选择 Add Node → Loaders → CheckpointLoaderSimple。这个节点是整个流程的起点，没有它，后续所有节点都失去数据来源。
点击该节点，在 ckpt_name 下拉菜单中选一个已启用的模型，例如 【liblibai_anime_v1.0.ckpt】。注意：若列表为空，请先去LiblibAI模型广场下载并启用对应模型，刷新页面后再操作。
模型选错会导致风格完全偏离，比如用写实模型跑动漫提示词，结果人物五官崩坏、线条糊成一片。
连接CLIP文本编码器并填提示词
方法一：右键画布 → Add Node → Text → CLIPTextEncode。将该节点左侧的 CLIP 端口拖到 CheckpointLoaderSimple 的 CLIP 输出端口上；再将它的 conditioning 输出端口连到 KSampler 的 positive 输入端口。
方法二：双击 CLIPTextEncode 节点，在 text 输入框里直接写英文提示词，如“a serene Japanese garden at dawn, mist over koi pond, cherry blossoms falling, soft light”。中文提示词需经平台自动翻译，但建议优先写英文，避免歧义导致构图错乱。
【负向提示词必须单独加一个CLIPTextEncode节点】，连到 KSampler 的 negative 输入端口，内容如“deformed, blurry, text, watermark, low quality”——漏掉这一步，画面常出现扭曲手指或背景文字水印。
插入K采样器并设置核心参数
第一步：右键画布 → Add Node → Sampler → KSampler（非“KSampler Advanced”）。这是生成逻辑的执行中枢，所有条件最终在此交汇运算。
LiblibAI 是专注于AI图像创作的模型与工作流平台，汇聚海量风格模型、LoRA、ComfyUI工作流和创作者作品，支持在线生成、模型训练、作品发布与灵感交流，帮助设计师、插画师和内容创作者更高效地完成视觉创意。
第二步：将 CheckpointLoaderSimple 的 MODEL 输出连到 KSampler 的 model 输入；将两个 CLIPTextEncode 的 conditioning 分别连至 positive/negative；再把 EmptyLatentImage 的 latent 输出连到 KSampler 的 latent 输入。
第三步：双击 KSampler，设置以下四项：
steps 设为 25–30（低于20易细节缺失，高于40无明显提升还拖慢速度）；
cfg 设为 7–8（低于5提示词失效，高于12易过度强化导致肢体僵硬）；
sampler 选 euler_ancestral（兼容性最好，新手首选）；
seed 填 0 或留空（填0可复现结果，留空每次随机）。
初始化潜空间尺寸与批次
右键画布 → Add Node → Latent → EmptyLatentImage。这个节点决定输出图像的画布大小和生成张数，不能跳过也不能用其他节点替代。
双击该节点，width 和 height 必须匹配所选模型推荐分辨率：若用 SDXL 类模型（如 F.1），填 1024×1024；若用 v1.5 类模型（如 Seedream 4.0），填 512×512 或 768×512（横图）/512×768（竖图）。
batch_size 控制单次生成张数，默认为1。设为2以上会同时跑多张，但显存占用翻倍，【显存不足时会直接崩溃黑屏】，新手建议始终设为1。
添加VAE解码器并预览图像
右键画布 → Add Node → Image → VAEDecode。将 CheckpointLoaderSimple 的 VAE 输出端口连到 VAEDecode 的 vae 输入端口；再将 KSampler 的 latent 输出连到 VAEDecode 的 samples 输入端口。
最后，把 VAEDecode 的 images 输出端口连到 PreviewImage 节点（右键→Image→PreviewImage）——这样运行后就能在界面右下角实时看到生成图，不用反复保存试错。
这一步若连错端口（比如把 vae 连到 samples），图像会全黑或泛绿噪点，且无法通过重连修复，必须删除整个 VAEDecode 节点重建。
