需分层迁移参数：先从.lbb文件提取ksampler五项参数（steps/cfg/sampler_name/scheduler/denoise）及cliptextencode提示词，再匹配本地模型，最后按信号通路重建节点连接并校验尺寸。
☞☞☞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☜☜☜
你在LiblibAI上调试出一组满意的文生图参数，想把CFG值、采样步数、种子、提示词结构等完整复刻到本地ComfyUI中运行，但直接复制粘贴会丢失节点连接逻辑和模型绑定关系——这需要按参数类型分层迁移，而非简单搬运数值。
提取LiblibAI中的核心参数值
打开已成功运行的工作流页面 → 点击右上角【导出为.lbb项目文件】→ 下载后用文本编辑器打开该.lbb文件（本质是JSON格式）→ 搜索关键词“KSampler” → 找到其参数块，重点关注【steps、cfg、sampler_name、scheduler、denoise】这五项数值。其中denoise仅在图生图/重绘类工作流中生效，文生图时该项恒为1.0，不可照搬。
继续搜索“CLIPTextEncode”节点 → 提取“text”字段内容，即正向提示词原文；同理找“CLIPTextEncode (negative)”提取反向提示词。注意：LiblibAI自动添加的中文分词符号（如顿号、括号）需手动转为英文逗号分隔，否则本地ComfyUI解析会报错。
匹配并加载对应模型
在LiblibAI工作流界面，点击红色报错节点（通常是CheckpointLoaderSimple）→ 查看下拉菜单中当前选中的模型名称，例如“F.1.safetensors”。
前往本地ComfyUI的models/checkpoints/目录 → 确认存在同名文件。若无，需先从LiblibAI模型页下载该模型，【务必使用“另存为”并手动指定保存路径，避免浏览器自动添加乱码后缀】。
LoRA和ControlNet同理：在LiblibAI中记下LoraLoader节点显示的模型名（如“add-detail-xl.safetensors”），去本地models/loras/目录核对是否存在；ControlNet则查controlnet/子目录下是否有同名文件夹（注意ControlNet模型是文件夹而非单个文件）。
重建节点连接与参数注入
第一步：在本地ComfyUI空白画布中，依次拖入以下基础节点→CheckpointLoaderSimple→CLIPTextEncode（正向）→CLIPTextEncode（负向）→KSampler→EmptyLatentImage→VAEDecode→SaveImage。
第二步：双击CheckpointLoaderSimple节点→从下拉菜单选择你已确认存在的大模型；双击两个CLIPTextEncode节点→分别粘贴从.lbb文件中提取的正向/反向提示词；双击KSampler→将steps、cfg等五项数值逐一手动填入对应字段。
第三步：用鼠标拖拽连线完成信号通路：CheckpointLoaderSimple的MODEL→KSampler的model；CLIPTextEncode（正向）的CONDITIONING→KSampler的positive；CLIPTextEncode（负向）的CONDITIONING→KSampler的negative；EmptyLatentImage的LATENT→KSampler的latent_image；KSampler的LATENT→VAEDecode的samples；VAEDecode的IMAGE→SaveImage的images。
最后检查EmptyLatentImage节点的width/height是否与LiblibAI中实际输出尺寸一致（常见为1024×1024或768×1152），不一致会导致构图压缩变形。
