首个可用ai绘画工作流需按三步搭建：先加载checkpoint模型，再连接正负向clip文本编码节点，最后接入ksampler与vae decode并执行；连错端口颜色或跳过模型加载将导致报错。
☞☞☞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☜☜☜
你想在LiblibAI里搭建一个能自动运行的AI绘画或视频生成流程，但面对空白画布和一堆颜色各异的节点不知从哪连起——这不是配置错误，是缺少对节点间逻辑关系的直观认知。
认识节点本质：别把它们当按钮，当“数据管道”
每个节点不是功能开关，而是带输入/输出口的“数据处理单元”。红色端口进图像，绿色端口进文本，蓝色端口进模型，黄色端口出结果。连错颜色=插错USB口，工作流直接报错停摆。
右键画布→“添加节点”，别急着搜“图生图”，先拖一个Checkpoint Loader Simple进来——它才是整条流水线的起点，没它，后面所有节点都收不到模型数据。
【模型必须先加载，再连接其他节点】。如果你跳过这步直接连CLIP Text Encode，系统会提示“no model loaded”，此时删掉所有节点重来比调试快得多。
三步搭出第一个可用工作流
第一步：拖入Checkpoint Loader Simple→双击→在下拉菜单中选你已导入LiblibAI的模型（如liblibai_anime_v1.0.ckpt）→确认VAE留空（该模型自带）。
第二步：拖入CLIP Text Encode节点→双击→在“text”栏手动输入正向提示词，比如“masterpiece, best quality, 1girl, pink hair, studio lighting”；再拖一个同名节点处理负向提示词，填入“low quality, blurry, text, watermark”。
第三步：拖入KSampler→将Checkpoint Loader的“clip”输出连到两个CLIP Text Encode的“clip”输入→把两个CLIP Text Encode的“conditioning”分别连到KSampler的“positive”和“negative”→最后把KSampler的“latent”输出连到VAE Decode→右键VAE Decode→“队列提示”执行。
这串连接跑通后，你会看到画布右上角弹出渲染进度条，3秒后生成首张图。注意：KSampler里的采样步数建议设为30，低于20容易漏细节，高于50几乎不提升质量还拖慢速度。
ControlNet节点接入关键点
方法一：用OpenPose控制人物姿态
在已有基础工作流上，新增ControlNetLoader节点→双击选择controlnet_openpose-fp16.safetensors模型→再加ControlNetApply节点→将OpenPose节点的“control_net”输出连到Apply节点的同名输入→把Apply节点的“image”输入连到LoadImage的输出，“positive”和“negative”输入分别连到对应CLIP Text Encode的输出→最后把Apply节点的“output”连到KSampler的“control_net”输入口。
这一步漏掉任一连接，姿态控制就会完全失效，人物仍按随机姿势生成。
批量生成：让同一工作流自动跑多次
第一步：右键点击正向提示词节点（CLIPTextEncode）→选择“Convert to Input”，顶部出现带+号的输入口；同样操作处理负向提示词节点和KSampler节点（暴露seed、steps、cfg等字段）。
第二步：保存该流程为“批量基础模板”。它不生成图，只提供标准化输入接口。
第三步：添加Batch Prompt Scheduler节点→上传TXT文件，每行一条提示词，例如：
赛博朋克少女,红发,机械义眼,雨夜小巷
赛博朋克少女,蓝发,光学镜头,霓虹广告牌
赛博朋克少女,银发,全息耳机,悬浮摩托
注意：每行不能有空行，末尾不要留空格，否则某一行会出错导致整批中断。
第四步：将Batch Prompt Scheduler的输出连到你转换后的正向提示词输入口→右键“队列提示”执行。
保存与复用工作流
点击画布右上角“保存工作流”图标→输入名称（如“动漫人像_带OpenPose_V2”）→确认保存为.json格式。
下次使用时，点击左上角“加载工作流”→选择该文件→所有节点、连接、参数自动还原，无需重新拖拽配置。
【该.json文件可直接分享给他人，对方导入后即刻运行，无需额外安装或配置】。
