liblibai工作流中加入controlnet可严格控制图像的边缘、深度、姿态等结构，需v2.4+版本、正确加载模型与预处理器，并将controlnetapply输出连至ksampler的control_after_generate端口。
☞☞☞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☜☜☜
在LiblibAI工作流中加入ControlNet，是为了让生成图像严格遵循边缘、深度、姿态等条件控制，避免仅靠提示词导致结构失控。当前LiblibAI（v2.4+）已原生支持ControlNet节点，但需手动添加并正确配置模型与预处理器，否则会报错“ControlNet model not loaded”或生成纯灰图。
确认工作流基础环境
打开LiblibAI → 进入「工作流编辑页」→ 确保右上角显示的引擎版本为 【v2.4.0 或更高】；若低于此版本，ControlNet节点不可见且无法加载，需先升级客户端或切换至Web版最新环境。
点击画布空白处 → 按快捷键 Shift + A 呼出节点搜索框 → 输入 “control” → 出现 “ControlNetApply” 和 “ControlNetLoaderSimple” 两个节点即表示环境就绪。
加载ControlNet模型与预处理器
方法一：从模型库一键导入（推荐新手）
点击左侧「模型」面板 → 切换到「ControlNet」标签页 → 找到如 control_v11p_sd15_canny.safetensors（边缘检测）或 control_v11p_sd15_openpose.safetensors（人体姿态）→ 点击右侧「添加到工作流」按钮 → 自动下载并注册进本地模型列表。
方法二：手动放置模型文件
将 .safetensors 文件放入 LiblibAI 安装目录下的 【models/ControlNet/】 子文件夹（路径错误会导致加载失败且无提示）→ 重启LiblibAI → 在「ControlNetLoaderSimple」节点的下拉菜单中才能看到该模型名称。
注意：预处理器（如canny、openpose、depth）无需单独安装，LiblibAI内置对应Python模块，但首次使用某类预处理器时会自动触发依赖下载，此时需保持网络畅通，否则节点输出全黑。
构建完整ControlNet链路
第一步：拖入 ControlNetLoaderSimple 节点 → 在其「control_net_name」下拉菜单中选择已就绪的模型（如 control_v11p_sd15_canny）；
第二步：拖入 ControlNetApply 节点 → 将 ControlNetLoaderSimple 的输出端口连接至它的「control_net」输入口；
第三步：准备控制图像 → 用「LoadImage」节点加载本地图片 → 连接到 ControlNetApply 的「image」输入口；
第四步：关键连接 → 把 ControlNetApply 的「output」端口，连接到你工作流中主采样器（如 KSampler）的「control_after_generate」输入口（不是「positive」或「negative」！接错位置将完全失效）；
第五步：调节权重 → 在 ControlNetApply 节点中设置「strength」值（建议 0.3～0.8），值过高会导致画面僵硬、细节崩坏，过低则控制微弱。
