今天展示的案例是一个基于SDXL Base 与 Refiner 双模型链路的 ComfyUI 工作流。整个流程以空白潜空间为起点，通过文本提示词编码与采样步骤逐层迭代生成图像，再借助 Refiner 模型完成精修，最终由 VAE 解码器将潜空间数据还原为可见图像并保存。
该设计能够在保持生成自由度的同时提升画面质量，适合演示基础到进阶的多阶段合成过程。
文章目录
- 工作流介绍
- 核心模型
- Node节点
- 工作流程
- 大模型应用
- CLIPTextEncode（Base 正向） 基础生成语义构图指令
- CLIPTextEncode（Base 反向） 基础阶段杂质与错误抑制
- CLIPTextEncode（Refiner 正向） 高分辨率细节语义复写
- CLIPTextEncode（Refiner 反向） 高分辨率瑕疵过滤
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
本工作流的核心是利用Base 模型与Refiner 模型的分工协作来生成高质量图像。Base 模型负责生成整体画面构架与细节雏形，而 Refiner 模型则对输出进行二次处理，使图像更加清晰自然。节点结构围绕文本提示词编码、潜空间采样、VAE 解码以及图像保存展开，所有环节通过精确的参数控制互相衔接。配合步骤控制节点，可以灵活设定迭代次数与切换步数，从而保证采样过程在效率与效果间取得平衡。
核心模型
在这个工作流中，Base 模型与 Refiner 模型分别加载自 SDXL 的官方权重文件。Base 模型负责生成主要画面，Refiner 则在后续步骤进行精修，最终通过 VAE 将潜空间结果解码为图像。两者结合保证了生成的画面既有整体的构图感，又具备细节上的锐利与自然。
| 模型名称 | 说明 |
|---|---|
| sd_xl_base_1.0.safetensors | 用于图像的初始生成，负责画面整体框架与主体结构 |
| sd_xl_refiner_1.0.safetensors | 用于二 |
