【ComfyUI专栏】ComfyUI 的Olllma节点进行提示词优化

于 2025-11-04 01:00:00 发布
阅读量123 收藏
点赞数 6
CC 4.0 BY-SA版权
分类专栏： ComfyUI 文章标签： AIGC ComfyUI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fogyisland2000/article/details/154057759

当前我们可以通过Ollama 来优化提示词效果，在这里 我们需要下载Ollama 相关程序，当前下载Windows 版本用于安装。
https://ollama.com/download

安装OllaMa程序相对比较简单，直接通过点击下一步可以完成安装。我们在命令行模式下执行Ollama –version 获取当前的执行版本，成功后证明安装成功。

安装完成后我们需要定义OllaMa的环境配置，我们可以通过系统配置或者Env的方式来进行设置。

Mistral、qwen、llama2 OllaMa为我们的常用模型，我们通过执行如下命令进行模型下载：
ollama run llama2（模型) 

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【ComfyUI专栏】ComfyUI florence2 节点提取提示词
技术与管理的平衡木-
10-21 246
Florence2是一个功能强大的提示词反推节点，支持图片内容反推和基于图片的问答功能。该节点可通过ComfyUI的Manager进行安装部署，需将语言模型保存至LLM中方可使用。官方提供了多个版本的Florence2模型下载（包括base、large及DocVQA版本），支持通过Caption功能进行对象标注，实现图片反向提示词提取等创新应用。特别值得注意的是其基于图片的问答功能，为AI交互提供了新的可能性。
【ComfyUI专栏】ComfyUI 去除对象-YoloWorld节点
技术与管理的平衡木-
05-13 205
当前应用节点可以在Manager 节点中进行安装。但是当前这个节点会与其他节点冲突，因此在使用过程中需要注意，最好独立开来。这里的遮罩面积增加是一个非常重要的节点，遮罩增加之后，可以羽化的空间将会增加。和Segment一样，我们可以使用当前节点来进行对象提取，也可以提取成遮罩。在这边选择Inpaint 节点进行对象抹除，这里就是抹除之后的效果。
【ComfyUI专栏】ComfyUI的OneButtonPrompt自定义节点
技术与管理的平衡木-
10-08 439
本文介绍了OneButtonPrompt插件在项目中的安装和使用方法，包括如何通过Manager安装节点、在默认工作流中加入提示词优化功能。文章详细说明了如何手动添加提示词到Txt文件，以及使用OneButtonFlux节点生成提示词的具体操作步骤。同时提供了项目站点的GitHub链接（https://github.com/billwuhao/ComfyUI_OneButtonPrompt_Flux）供用户获取更多细节内容。最后解释了如何将提示词节点与Flux图像生成节点结合，实现实时图像生成效果。
【ComfyUI专栏】ComfyUI引用Controlnet节点
技术与管理的平衡木-
06-06 89
本文介绍了ControlNet在图像处理中的应用流程。首先通过加载器节点加载ControlNet，然后选择合适的预处理器（如姿态预处理器）获取图像特征数据。预处理后的结果以图像形式输入ControlNet，并选择与预处理器匹配的处理模型。最后结合ComfyUI节点和标准生成方法，可以输出基于原始图像的相关衍生图像。该流程展示了如何利用ControlNet进行图像特征提取和再生成。
【ComfyUI专栏】ComfyUI的EasyUse 节点
技术与管理的平衡木-
09-10 627
EasyUse节点是ComfyUI的集成化功能节点，将常规操作整合在单一节点中简化流程。它通过Manager安装扩展功能，内置肖像大师等专业节点控制生成效果，并能统一加载各类模型，避免了单独关联节点的繁琐操作。该节点实现了"一站式"操作，大幅提升工作效率。
【ComfyUI专栏】ComfyUI的GGUF 节点
技术与管理的平衡木-
10-15 188
GGUF是GPT-Generated Unified Format的缩写，由llama.cpp创始人Georgi Gerganov开发，专为简化大型语言模型部署而设计。该格式整合模型参数和元数据，支持在消费级硬件上高效运行。用户可通过Manager节点轻松安装GGUF节点，并需从指定地址下载对应模型文件（如8G显存设备建议选择Q4/Q5量化版本）。使用时需注意：必须基于GGUF格式操作，模型文件需放入指定目录，Clip模型需融合使用，VAE需兼容Flux框架。所有操作都需通过ComfyUI工作流中的GGUF
【ComfyUI专栏】ComfyUI的Inpaint 节点
技术与管理的平衡木-
09-08 656
Inpaint节点是ComfyUI中用于图片局部重绘和扩图的工具，支持Lama和MAT两种模型。用户需下载模型文件并放置在指定目录下。该节点可通过遮罩实现精准局部重绘，并支持扩图功能。新版本中提供了可用节点列表，可配合其他自定义节点完成图像处理任务。项目提供了相关模型下载链接，包括Lama和MAT的不同版本模型文件。
【ComfyUI专栏】ComfyUI的MixLab节点
技术与管理的平衡木-
09-15 900
MixLab节点为ComfyUI提供丰富的功能扩展，包括工作流可视化、APP转换、实时成图和随机提示词等功能。通过工作流地图可查看节点连接和帮助文档；APP制作功能可将工作流转换为网页应用；实时成图支持屏幕截图直接输入工作流；随机提示词能组合生成多样化内容。这些功能显著提升了ComfyUI的实用性和创作效率。项目地址：https://github.com/shadowcz007/comfyui-mixlab-nodes
【ComfyUI专栏】ComfyUI WD14 Tagger提示词反推插件
技术与管理的平衡木-
08-18 873
本文介绍了WD14标签插件的安装与使用要点。插件分为WebUI和ComfyUI两个版本，需对应安装，下载地址为GitHub仓库。安装后需Reload系统才能使用。模型可从HuggingFace或其国内镜像站下载，共提供10个可选模型。使用WD14插件可通过上传图片反推提示词，置信度设置影响提示词相似度（低置信度更接近原图）。默认用下划线连接单词，可勾选替换为空格，并支持通过提示词追加实现特定效果。
【ComfyUI专栏】如何为ComfyUI工作流写上节点名称与顺序
技术与管理的平衡木-
02-03 1079
有些朋友可能在网上看到视频的时候能够看到所有的节点都是按照顺序进行排列，我们可以看到当前节点顺序，也能够看到当前的节点的名称是什么？这个其实并不是默认设置，也不是ComfyUI本身的设置，而是在Manager 节点，在Manager节点设置中有个标签设置。在设置过程中需要注意的是。ID+名称（隐藏内置）
快速掌握AIGC：从理论到Python实践的进阶指南
lzx618的博客
11-01 788
本文系统介绍了AIGC技术架构与应用实践，涵盖三大核心层次：基础层的深度学习框架实现、模型层的预训练突破以及应用层的多模态创新。通过Python代码示例，展示了GPT-2文本生成、StableDiffusion图像创作等关键技术实现，并探讨了在新闻生成、教育定制等场景的应用案例。文章还剖析了数据偏见治理等挑战，展望了跨模态大模型的发展方向。为开发者提供了从基础入门到进阶实践的完整路径，强调AIGC正在重塑内容生产方式，成为连接人工智能与人类创造力的桥梁。
【AIGC】多阶段镜头风格模板:现实世界-幻想世界-人文象征
突围
10-29 69
摘要：AIGC混合现实幻想视觉风格解析 本文系统分析了一种典型的"AIGC混合现实幻想风格"，该风格融合写实质感、梦幻光影与AI生成特征，呈现出"AI叙事视觉三段式"结构：左图为写实CG电影风，展现哲思氛围；中图为梦幻奇幻插画风，充满神秘光效；右图为新古典主义油画风，体现人文情感。文章提供了详细的视觉风格拆解、情感叙事分析，并给出适用于Midjourney等平台的提示词模板（包括英文prompt和JSON结构化格式），以及角色一致性控制、色调过渡等实践技巧，可作为AI
AIGC生成海报工具专题：智能设计新时代，用在线AI平台提高效率
aitoolhub的博客
10-29 693
AI赋能设计，将创作者从重复性、耗时的劳动中解放出来，使其能将更多精力投入到核心创意构思和策略制定。无论是个人创作者、中小企业，还是大型营销团队，AI设计工具的出现都显著降低了专业设计的门槛，加速了内容生产周期。本文将探讨AI在海报设计中的应用原理与实践，并为您甄选数款AI工具，助您轻松驾驭智能设计新时代。
【每天一个知识点】AIGC生成高质量图像的方式
最新发布
dundunmm的博客
11-03 645
摘要：当前AIGC图像生成主要采用扩散模型（如Stable Diffusion、DALL·E3）通过去噪过程实现高质量生成，支持文本到图像等多种任务。GAN模型（如StyleGAN）在特定领域仍具优势，自回归模型（如DALL·E2）则擅长结构化生成。最新趋势是将大语言模型（GPT-4V等）与视觉技术结合，实现多模态智能创作。关键技术包括提示词优化、ControlNet控制、图像修复等，不同模型在质量、可控性和应用场景上各有特点，共同推动AIGC图像生成的创新发展。（149字）
每日AIGC最新进展(90)：腾讯提出视频编辑模型GenCompositor、北京智源研究院发布世界模型Emu3.5
沉迷单车的追风少年
11-02 615
腾讯提出视频编辑模型GenCompositor、北京智源研究院发布世界模型Emu3.5
Java大厂面试真题：Spring Boot微服务+Kafka消息队列+AIGC场景实战问答全解析
chenmingxing11的博客
10-29 1018
用户输入提示词 → 触发AI生成图文 → 异步处理 → 存储结果 → 支持语义化搜索核心挑战：响应延迟、系统解耦、语义理解、结果可信这场面试不仅考察了候选人的Java基本功，更重要的是检验其在现代云原生+AI融合系统中的架构思维能力。从同步阻塞到异步解耦，从关键字匹配到语义搜索，体现了技术演进的真实路径。如何合理选用技术栈应对业务需求消息队列在高并发场景下的关键作用AI工程化落地的核心挑战与解决方案如果你也能像战五渣一样“勉强过关”，说明你已经具备冲击大厂的潜力；
【AIGC面试面经第四期】LLM-Qwen相关问答
weixin_31588979的博客
10-29 1160
本文系统介绍了Qwen3系列模型的架构特点、训练方法及性能表现。主要内容包括：1）模型架构采用GQA、RoPE等先进技术，MoE模型创新实现专家专业化；2）预训练数据扩展至36T token，覆盖119种语言，通过多阶段训练优化模型性能；3）Embedding和Rerank模型在MTEB榜单表现优异，支持多语言和定制化需求；4）评估显示Qwen3在通用知识、推理、数学等15个基准测试中超越同类模型，MoE架构尤其高效。项目还开源了AIGC算法工程师面试资料库，促进技术交流。
【AIGC】HPS v2：评估人类对文本到图像合成偏好的可靠基准
qq_44091004的博客
10-31 1024
HPDv2是目前最大的人类图像偏好数据集，包含79.8万组人工标注的图像对比数据，覆盖9个文本到图像生成模型和COCO真实图像，有效解决了先前数据集在图像来源和文本提示方面的偏差问题。研究者采用ChatGPT优化提示词表达，并使用基于OpenClip预训练的ViT-H/14模型进行评估，通过冻结部分层和贝叶斯优化超参数的方式，在128批量大小和3.3e-6学习率等设定下训练4000步。该数据集为评估模型泛化能力提供了更全面的基准。
多模态+CLIP | 视觉语言交互的终极形态？CLIP融合AIGC与持续学习，重塑多模态AI边界
LLM_jingjinzhilu的博客
10-29 973
多模态学习前沿：CLIP驱动的视觉-语言模型新进展 当前研究聚焦于增强多模态模型的语义对齐和持续学习能力。TokLIP创新性地提出离散到连续的标记器架构，通过语义化低层视觉特征，实现了多模态理解与生成的统一。C-CLIP则通过多模态低秩适应(LoRA)和对比知识巩固(CKC)，解决了持续学习中的遗忘问题，同时保持零样本泛化能力。这些突破性进展显著提升了AI在开放世界中的适应能力，为自动驾驶、智能创作等应用场景提供了更强大的技术支持。
comfyui zhong lora
03-30
### 关于 ComfyUI 的中文 LoRA 教程与资源 #### 已知信息概述 ComfyUI 是一款用于生成图像的工作流工具，提供了丰富的功能和灵活的操作方式。已有资料表明，存在一套完整的 ComfyUI 基础教程[^1]，涵盖了从安装到高级应用的多个方面。此外，在工作流获取上也提到了可以直接通过某些平台下载 `.json` 文件来加载预设工作流[^2]。 然而，关于 **中文 LoRA 资源或教程** 的具体指向尚未提及。以下是基于现有信息整理的内容： --- #### 如何查找与使用 ComfyUI 中文 LoRA 资源？ ##### 1. 官方文档与社区论坛 尽管官方文档可能主要以英文为主，但许多第三方开发者会在国内外技术社区分享自己的经验。可以尝试访问以下渠道： - Bilibili 或知乎上的相关专栏文章。 - GitHub 上由国内开发者维护的项目仓库，通常会附带详细的 README 文档说明如何配置和运行 LoRA 模型[^3]。 ##### 2. FLUX 工作流的应用实例 提到的一个重要线索是 `FLUX.1-dev-gguf` 工作流，它被证明适用于较低显存环境（如 6GB 显存），并且支持多语言提示词输入。如果目标是快速部署一个可用的 LoRA 测试场景，则可以从该工作流入手，并调整参数适配特定需求。 ##### 3. JSON 文件导入流程 对于已经获得的 `.json` 格式的 LoRA 配置文件，操作非常简单：只需将其拖放到 ComfyUI 应用界面内即可完成加载。这一步骤无需额外注册账户或者经历复杂验证过程。 ##### 4. 推荐站点筛选标准 当搜索更多类似的开源素材时，请注意甄别可信度较高的来源链接。优先考虑那些提供详尽背景介绍、评论区活跃且反馈正面的页面；同时也要留意是否有明确标注版本兼容性信息以防不必要麻烦发生。 --- ### 提供一段 Python 示例代码辅助解析 .json 数据结构 假设用户希望进一步理解所下载下来的 LoRA 设置项含义，下面给出一小段脚本作为参考： ```python import json def load_lora_config(file_path): with open(file_path, 'r', encoding='utf-8') as f: config_data = json.load(f) # 打印部分键值对以便初步了解内容布局 for key in list(config_data.keys())[:5]: print(f"{key}: {config_data[key]}") if __name__ == "__main__": lora_file = "path/to/your/lora.json" load_lora_config(lora_file) ``` 此函数能够读取指定路径下的 JSON 文件并将前几个字段展示出来，方便后续深入分析。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

雾岛心情

欢迎你的打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值