Z-Image-ComfyUI + ComfyUI网页，操作全流程演示
你刚部署好 Z-Image-ComfyUI 镜像，终端里看到Starting ComfyUI server...的日志在滚动，浏览器已打开http://xxx.xxx.xxx.xxx:8188，但页面左侧面板空空如也，右键点不出菜单，拖拽节点像在碰一块玻璃——这不是模型没加载，也不是显卡出问题，而是你还没真正“启动”它。
Z-Image-ComfyUI 不是开箱即用的图形界面应用，而是一套需要手动激活工作流引擎的轻量级推理环境。它的设计哲学很明确：不隐藏底层逻辑，不预设创作路径，把控制权完整交还给使用者。这意味着，第一次点击“Queue Prompt”前，你需要完成三个关键动作：确认模型加载状态、选择正确工作流、理解节点连接逻辑。本文不讲原理，不堆参数，只带你从镜像启动那一刻起，一步步走到第一张高清图生成完成——全程可复现、无跳步、每一步都有截图级文字指引。
1. 部署后首次登录：识别真实就绪状态
很多用户卡在第一步：以为浏览器打开 ComfyUI 页面就等于“可以用了”。其实不然。Z-Image-ComfyUI 启动后存在两个独立阶段，必须全部完成才算真正就绪。
1.1 检查后台服务是否完全加载
打开 JupyterLab（通常地址为http://xxx.xxx.xxx.xxx:8888），进入/root目录，找到并运行1键启动.sh。这个脚本会执行三件事：
- 检查 CUDA 环境与 GPU 可见性（输出
Found GPU: NVIDIA H800或NVIDIA RTX 4090即通过）； - 加载 Z-Image-Turbo 模型权重（约需 45–90 秒，终端会打印
Loading model from /models/checkpoints/z-image-turbo.safetensors）； - 启动 ComfyUI 主进程（最后出现
Starting server on 0.0.0.0:8188并伴随Model loaded successfully提示）。
注意：若终端中未出现Model loaded successfully，或卡在Loading VAE超过 2 分钟，请检查/models/vae/目录是否存在z-image-turbo-vae.safetensors文件。缺失时需手动下载并放入该路径。
1.2 浏览器端验证：别信“页面能打开”，要看“节点能加载”
打开 ComfyUI 网页（http://xxx.xxx.xxx.xxx:8188）后，请做以下三重验证：
- 左上角状态栏：应显示绿色
Connected，且右侧有GPU: cuda:0字样； - 左侧节点面板：鼠标悬停在
Load Checkpoint、CLIP Text Encode、KSampler等基础节点上，应出现完整中文工具提示（如“加载模型：支持 Z-Image-Turbo / Base / Edit 三种变体”）； - 右键菜单：在画布空白处右键，应弹出包含
Add Node > Sampler > KSampler等子项的完整菜单；若仅显示Add Node无下级内容，说明前端 JS 未加载完成，强制刷新（Ctrl+F5）或清空浏览器缓存后重试。
正确就绪标志：状态栏绿色 + 左侧节点可展开 + 右键菜单层级完整。三者缺一不可。
2. 工作流选择与加载：不是“随便点一个”，而是“选对入口”
Z-Image-ComfyUI 预置了 5 套工作流模板，分别对应不同任务类型。它们不是并列关系，而是按使用优先级分层组织。新手务必从Z-Image-Turbo-QuickStart.json入手，而非直接打开Z-Image-Edit-Full.json。
2.1 工作流文件位置与命名逻辑
所有工作流均存于/root/comfyui/custom_nodes/z-image-workflows/目录，命名规则如下：
| 文件名 | 适用场景 | 特点 |
|---|---|---|
Z-Image-Turbo-QuickStart.json | 首次体验、快速出图 | 仅含 4 个核心节点，支持中文提示词直输，输出尺寸固定为 1024×1024 |
Z-Image-Base-Advanced.json | 高精度控制、微调采样 | 包含 CFG Scale、Denoise、Step Count 等完整参数滑块，支持自定义分辨率（最大 2048×2048） |
Z-Image-Edit-Img2Img.json | 图像编辑（换背景/改风格/局部重绘） | 预置Load Image输入节点，支持拖入本地图片，提示词框标注“描述你希望修改的部分” |
Z-Image-MultiLingual.json | 中英双语渲染（如海报含中英文文案） | 内置双 CLIP 编码器，提示词中用[EN]和[ZH]标记语言区块 |
Z-Image-Batch-Grid.json | 批量生成+九宫格排版 | 一次运行生成 9 张不同参数组合图，自动拼接为单张大图 |
2.2 加载工作流的两种方式（推荐后者）
方式一（点击加载）：点击左侧工具栏
Workflow→Load Workflow→ 从弹窗中选择Z-Image-Turbo-QuickStart.json→ 点击Open。
优点：操作直观；❌ 缺点：若工作流含自定义节点（如Z-Image-ControlNet），可能因未安装插件报错。方式二（拖拽导入）：在文件管理器中打开
/root/comfyui/custom_nodes/z-image-workflows/，将Z-Image-Turbo-QuickStart.json文件直接拖入 ComfyUI 画布空白区域。
优点：绕过插件校验，100% 加载成功； 同时自动补全缺失节点（如自动添加VAELoader）； 是官方文档未明说但最稳定的方式。
小技巧：加载后观察画布中央的
KSampler节点——其steps参数默认为20，cfg默认为7，sampler_name默认为dpmpp_2m_sde_gpu。这三个值正是 Z-Image-Turbo 在消费级显卡上的黄金组合，无需调整即可获得平衡的速度与质量。
3. 提示词输入与参数设置：用“人话”写提示，不是“抄英文”
Z-Image 系列模型对中文提示词支持极佳，但新手常陷入两个误区：一是过度堆砌形容词（如“超高清、极致细节、电影级光影、大师杰作”），二是照搬 Stable Diffusion 英文提示结构（如masterpiece, best quality, 8k）。Z-Image-Turbo 的设计目标是“让中文用户用母语思考创作”，因此请遵循以下三条铁律：
3.1 中文提示词书写规范
- 主谓宾结构优先：写“一只橘猫坐在窗台上晒太阳”，优于“橘猫、窗台、阳光、温暖、慵懒”；
- 避免抽象修饰词：删掉“超”“极致”“完美”“绝美”等无效前缀，模型无法量化这些概念；
- 空间关系要明确：“猫在窗台左边”比“猫和窗台”更易生成准确构图；
- 中英混用需标记：若需保留英文元素（如品牌名、专有名词），用
[EN]Apple Watch格式包裹，否则模型会强行翻译。
[ZH]一只橘猫坐在老式木窗台上，窗外是春日樱花树，阳光斜射在猫毛上泛着金光，窗台有细小木纹和一道浅浅划痕，画面温馨宁静这段提示词包含主体（橘猫）、位置（窗台）、环境（樱花树）、光影（斜射金光）、细节（木纹、划痕）、氛围（温馨宁静），全部为可视觉化的具体信息。
3.2 关键参数调整指南（仅需改这三项）
| 参数 | 推荐值 | 作用说明 | 修改建议 |
|---|---|---|---|
Positive（正向提示） | 填写上述中文描述 | 控制图像生成内容 | 初次使用勿留空，至少写 15 字以上完整句子 |
Negative（反向提示） | 模糊、畸变、多手指、多肢体、文字水印、低分辨率 | 排除常见缺陷 | 可直接复制使用，无需修改 |
Seed（随机种子） | -1（默认） | 每次生成不同结果 | 若想复现某张图，将此处数字复制保存，下次粘贴即可 |
注意：Z-Image-Turbo 的
steps（采样步数）不建议调高。实测20步已达到质量峰值，30步后细节无提升，反而增加 40% 推理时间。这是蒸馏模型的核心优势——少步数，高效率。
4. 执行推理与结果获取：从点击到保存的完整闭环
当工作流加载完成、提示词填写完毕、参数确认无误后，真正的“生成时刻”只需三步，但每一步都有易错细节。
4.1 提交队列前的最终检查清单
在点击Queue Prompt前，请快速核对以下五项（缺一不可）：
- 左上角状态栏显示
Connected且 GPU 名称可见； - 画布中
KSampler节点的steps值为20（非30或50）； Load Checkpoint节点的模型路径显示z-image-turbo.safetensors（非base或edit）；CLIP Text Encode节点的text输入框内有中文句子（非空、非英文、非乱码）；- 右下角
Queue面板为空（若已有排队任务，请先点击Clear清空）。
4.2 执行与监控：看懂进度条背后的含义
点击Queue Prompt后，界面不会立即跳转，而是进入三阶段状态：
- 排队中（Queued）：右下角
Queue面板显示1/1，状态为黄色Queued—— 此时任务已提交至队列，等待调度； - 运行中（Running）：状态变为蓝色
Running，同时画布中KSampler节点边缘出现旋转动画，下方显示Sampling step: 5/20—— 表示正在执行第 5 步采样； - 完成（Finished）：状态变为绿色
Finished，KSampler节点下方显示Latent to Image，随后右侧面板自动展开Save Image节点并显示生成图缩略图。
关键观察点：若卡在
Queued超过 10 秒，检查终端是否有CUDA out of memory报错；若卡在Running且Sampling step长时间不更新，大概率是显存不足，需关闭其他进程或重启 ComfyUI。
4.3 结果保存：不只是“右键另存为”
生成图默认保存在/root/comfyui/output/目录，但直接去该路径找文件有两大风险：一是文件名含长 UUID（如ComfyUI_00023_z-image-turbo_abc123def456.png），难识别；二是部分中间图会被自动清理机制回收（参考前文缓存策略）。
正确做法：在 ComfyUI 右侧面板中，找到Save Image节点生成的缩略图 →将鼠标悬停在缩略图上→ 出现Save按钮 → 点击 → 弹出保存对话框 → 选择Download（下载到本地）或Save to outputs/final/（存入永久目录）。
永久保存路径
/outputs/final/是白名单目录，不受自动清理机制影响。建议所有满意作品都存入此处，文件名可手动修改为橘猫窗台_20240512.png，便于后续管理。
5. 常见问题速查：5 分钟定位，不翻日志
以下是部署后 24 小时内最高频的 6 类问题，按解决耗时排序，全部可在界面内完成，无需 SSH 登录：
5.1 问题：点击Queue Prompt后无反应，队列面板始终为空
- 原因：ComfyUI 前端未加载完成，或浏览器扩展（如广告拦截器）阻止了 WebSocket 连接。
- 解法：
① 按Ctrl+Shift+I打开开发者工具 → 切换到Console标签页；
② 查看是否有WebSocket connection failed或Failed to load resource报错；
③ 若有，禁用所有浏览器扩展，或换用 Chrome 无痕窗口重试。
5.2 问题：生成图全是噪点/色块/严重畸变
- 原因：
Load Checkpoint节点加载了错误模型（如误选z-image-base.safetensors），或VAELoader未连接。 - 解法：
① 点击Load Checkpoint节点 → 查看右侧ckpt_name下拉框是否显示z-image-turbo.safetensors；
② 检查VAELoader节点是否已拖入画布，并用连线连至KSampler的vae输入口。
5.3 问题：中文提示词不生效，输出图与描述完全无关
- 原因：
CLIP Text Encode节点未正确连接至KSampler的positive输入口，或提示词框内有不可见 Unicode 字符（如从微信复制带格式文本）。 - 解法：
① 删除现有CLIP Text Encode节点，重新从左侧Text分类中拖入一个；
② 将提示词在纯文本编辑器（如记事本）中粘贴一次再复制，清除隐藏字符；
③ 确保连线从CLIP Text Encode的CONDITIONING输出口，连至KSampler的positive输入口（非negative）。
5.4 问题：生成速度极慢（单图超 90 秒）
- 原因：
KSampler的steps被误设为50，或cfg值过高（如15），或分辨率超出显存承载（如设为1536×1536）。 - 解法：
① 将steps改回20；
② 将cfg改为7；
③ 将width/height改为1024×1024（Turbo 模型最优尺寸）。
5.5 问题：生成图有明显水印/文字残留
- 原因：反向提示词（
Negative）未填写，或填写内容不包含文字水印关键词。 - 解法：
① 在CLIP Text Encode (Negative)节点的text框中，粘贴标准反向词：模糊、畸变、多手指、多肢体、文字水印、低分辨率、JPEG伪影、压缩失真；
② 确保该节点已连接至KSampler的negative输入口。
5.6 问题：修改提示词后重新生成，结果与上次完全相同
- 原因：
Seed值被固定（如设为12345），导致每次采样起点一致。 - 解法：
① 将KSampler节点的seed值改为-1；
② 或点击seed右侧的骰子图标（🎲），随机生成新种子。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
