必须按数据流向串联加载、编码、采样、解码四环节：先用checkpoint loader加载模型，再连clip文本编码、ksampler采样，最后接vae decode生成图像；任一环节缺失即报红错。
☞☞☞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☜☜☜
要在LiblibAI里让模型和工作流真正协同出图，不能只堆节点，得按数据流向把加载、编码、采样、解码四个环节串成一条不中断的管道——漏掉任一环，画布上就只会显示红色报错框。
确认基础工作流骨架
拖入Checkpoint Loader Simple节点→双击打开→从下拉菜单中选择你已入库的主模型（如chilloutmix_NiPrunedFp32Fix.safetensors）→VAE栏保持为空（多数模型自带VAE，手动指定反而易冲突）。
这一步是整条流水线的地基。【模型必须先加载，再连接其他节点】。跳过它直接连CLIP或KSampler，系统会弹出“no model loaded”，此时删光重来比调试快得多。
拖入CLIP Text Encode（正向）和CLIP Text Encode（负向）各一个→分别双击→在“text”栏填入提示词与反向词，例如正向填“1girl, soft lighting, detailed eyes”，负向填“deformed, text, watermark”。
拖入KSampler→将Checkpoint Loader的“clip”输出→连到两个CLIP节点的“clip”输入→再把两个CLIP节点的“conditioning”输出→分别连到KSampler的“positive”和“negative”端口。
接上VAE Decode生成图像
拖入VAE Decode节点→将KSampler的“latent”输出→连到VAE Decode的“samples”输入。
右键VAE Decode节点→点击“队列提示”执行。此时画布右上角会出现进度条，3～8秒后生成首张图。
KSampler里的采样步数建议设为30：低于20容易丢失手部细节或发丝纹理；高于50几乎不提升质量，反而拖慢速度、增加显存压力。
ControlNet姿态控制接入法
方法一：OpenPose控制人物结构
在已有基础工作流上，新增ControlNetLoader节点→双击→从下拉菜单中选择controlnet_openpose-fp16.safetensors（名称必须完全匹配，不能选controlnet_canny）。
再添加Apply ControlNet节点→将ControlNetLoader的“control_net”输出→连到Apply节点的同名输入→把LoadImage或Preprocessor节点的“image”输出→连到Apply节点的“image”输入。
最后，把Apply ControlNet节点的“control_net”输出→连到KSampler的“control_net”输入端口（注意不是“positive”或“negative”）。
方法二：Canny线稿引导轮廓
替换ControlNetLoader中模型为controlnet_canny-fp16.safetensors→搭配Canny预处理器节点使用→预处理器需接在LoadImage之后、Apply之前→参数threshold_a设为100，threshold_b设为200，能稳定提取清晰线稿边缘。
注意：Canny模式下，若原图灰度对比弱，预处理器可能输出空白图，导致ControlNet失效——此时应先用ImageScaleToTarget节点统一亮度，再进Canny。
批量图生图流程配置
第一步：用ImageLoader节点替代LoadImage→双击→勾选“batch_size”并填入数值（如4），路径栏填入本地文件夹绝对路径（例：D:\liblib\batch_input）。
第二步：确保该文件夹内所有图片格式为PNG或JPG，且命名不含中文或空格（推荐用img_001.png、img_002.png格式）。
第三步：将ImageLoader的“image”输出→连到KSampler前的任何需要图像输入的节点（如ControlNet Apply或IPAdapter）→其余连接方式与单图流程一致。
第四步：执行“队列提示”时，系统会按顺序读取文件夹内全部图片，一次性生成对应数量的结果图。
