AI-ComfyUI入门02-使用LoRA生成凡人修仙传韩立图片（适配ZImageTurbo）专为新手设计，提供的 Ba

本教程专为新手设计，以提供的 ZImageTurbo 和 韩立LoRA（凡人修仙传动漫风格）为核心，先讲解LoRA的基础背景知识，再一步步教你在ComfyUI中导入、调用该LoRA生成图片，最后简单介绍后续如何自主训练LoRA，全程实操、无复杂术语，跟着做就能上手。

一、LoRA基础背景知识（新手必看，搞懂再用）

在开始操作前，先搞清楚“LoRA是什么”“为什么要用它”，避免盲目操作，本质就是通过LoRA实现的，这部分基础能帮你理解后续训练逻辑。

1. LoRA的核心定义

LoRA 全称 Low-Rank Adaptation（低秩适配） ，是一种轻量级的模型微调技术，简单说就是：不修改基础模型（如ZImageTurbo）的核心参数，只训练一个小型的“附加模型”（即LoRA文件，如韩立_copy.safetensors） ，这个附加模型能“附着”在基础模型上，让基础模型快速学习到特定风格、人物、场景的特征。

比如文中提到的“韩立LoRA”，就是基于ZImageTurbo基础模型，专门训练的“韩立人物+凡人修仙传动漫风格”附加模型，导入后就能让ZImageTurbo生成符合要求的韩立形象，不用重新训练整个ZImageTurbo模型（省时、省算力）。

2. LoRA的核心优势（为什么不用直接训练基础模型？）

轻量高效：LoRA文件体积小（通常几MB到几十MB，韩立LoRA也属于这个范围），远小于基础模型（ZImageTurbo约几个GB），导入、加载速度快，普通电脑也能轻松运行。
不破坏基础模型：LoRA是“附加式”的，启用或关闭LoRA，都不会影响ZImageTurbo本身的参数，你可以同时导入多个LoRA（比如韩立LoRA+古风场景LoRA），灵活切换使用。
针对性强：LoRA可以精准训练某一个特征——比如人物（韩立）、风格（半写实3D动漫）、场景（修仙洞府），这也是你之前想做“人物特征训练”的核心工具，比直接微调基础模型更精准、更省力。

3. 关键关联：LoRA与基础模型（ZImageTurbo）的关系

LoRA不能单独使用，必须依赖“基础模型（Base Model）”，二者是“依附与被依附”的关系：

基础模型（ZImageTurbo）：负责提供“基础生图能力”（比如生成人物轮廓、光影、基础纹理），是LoRA的“载体”；
LoRA（韩立）：负责提供“专属特征”（比如韩立的脸型、绿色衣袍、半写实动漫质感），是对基础模型的“补充和定制”。

这也是为什么你下载的韩立LoRA，明确标注“基础模型：Z-image-turbo”——只有搭配这个基础模型，LoRA才能发挥作用。

4. 补充：你手中的韩立LoRA关键信息（后续操作会用到）

模型类型：LoRA（后缀为.safetensors，是目前最安全、最常用的格式）；
适配基础模型：ZImageTurbo（必须用这个基础模型，否则会出现人物畸形、风格错乱）；
核心提示词：韩立, 凡人修仙传动漫, 绿色古代衣袍, 半写实3D动漫风格（调用时必须加入，才能触发LoRA的特征）；
文件路径：models/loras/韩立_copy.safetensors（后续导入ComfyUI时，要对应这个路径）。

二、ComfyUI入门准备（先做好这2步，避免踩坑）

ComfyUI是一款可视化的AI生图工具，操作逻辑是“拖拽节点、连接流程”，比SD WebUI更灵活，适合新手入门（不用记复杂命令），先做好准备工作：

1. 必备软件与文件（提前准备好）

ComfyUI：已安装并能正常运行（若未安装，可搜索“ComfyUI安装教程”，新手建议用一键安装包，无需手动配置环境）；
基础模型ZImageTurbo：下载后放入 ComfyUI/models/checkpoints 文件夹（这是ComfyUI默认的基础模型存放路径）；
韩立LoRA：将韩立_copy.safetensors 放入 ComfyUI/models/loras 文件夹（和你提供的文件路径一致，ComfyUI会自动识别该文件夹下的所有LoRA）；下载地址：civitai.com/models/2183…
提示词模板：提前保存好韩立LoRA的提示词（后续直接复制使用，避免输错）。

2. ComfyUI界面简单认识（新手不用记太细，会用核心功能即可）

打开ComfyUI后，界面分为3个核心区域，后续操作只用到这3个区域：

左侧：节点面板（存放所有可拖拽的功能节点，比如“加载基础模型”“加载LoRA”“生成图片”等）；
中间：画布区域（拖拽节点、连接节点的地方，构建生图流程）；
右侧：参数面板（选中某个节点后，在这里调整参数，比如提示词、图片尺寸、生成步数等）。

三、ComfyUI调用LoRA（核心操作，一步一步来）

核心逻辑：加载ZImageTurbo基础模型 → 加载韩立LoRA → 设置提示词/参数 → 生成图片，全程拖拽节点，无需手动输入命令，新手也能快速上手。

步骤1：清空默认画布，准备构建流程

打开ComfyUI后，中间画布会有默认的节点（若有），右键点击画布空白处，选择“Clear All”（清空所有节点），避免默认节点干扰操作。

步骤2：加载基础模型（ZImageTurbo）

左侧节点面板，找到“Load Checkpoint”（加载基础模型）节点，拖拽到中间画布；
选中这个节点，右侧参数面板会出现“Checkpoint”下拉框，点击下拉框，找到“ZImageTurbo”（若看不到，检查是否放入了checkpoints文件夹，重启ComfyUI即可）；
加载完成后，节点会显示“Ready”（就绪），此时基础模型已加载成功。

步骤3：加载LoRA（核心步骤）

左侧节点面板，找到“Load LoRA”（加载LoRA）节点，拖拽到画布（放在Load Checkpoint节点旁边，方便后续连接）；
选中Load LoRA节点，右侧参数面板设置3个关键参数（新手直接按以下设置，不用修改）：
1. LoRA：下拉框找到“韩立_copy”（ComfyUI会自动识别loras文件夹下的文件）；
2. Strength（强度）：设置为1.0-1.2（LoRA强度，数值越高，韩立的特征越明显；低于0.8可能无法触发特征，新手先设1.0）；
3. Strength Neg（负强度）：设置为0（无需调整，默认即可）。
连接LoRA与基础模型：点击Load Checkpoint节点右侧的“model”接口（小圆圈），按住鼠标拖动，连接到Load LoRA节点左侧的“model”接口，这样就把LoRA附着到了基础模型上。

步骤4：设置提示词（触发韩立特征）

左侧节点面板，找到“CLIP Text Encode (Prompt)”（正向提示词）和“CLIP Text Encode (Negative Prompt)”（负向提示词）两个节点，拖拽到画布；
选中正向提示词节点，右侧参数面板输入：韩立, 凡人修仙传动漫, 绿色古代衣袍, 半写实3D动漫风格, 高清, 细节拉满, 正面视角（核心是包含韩立LoRA的提示词，可额外添加“高清”“细节拉满”提升生图质量）；
选中负向提示词节点，输入：模糊, 低画质, 畸形, 丑, 不符合韩立形象, 现代服饰, 卡通化严重（负向提示词用于避免生成不好的效果，新手直接复制即可）；
连接提示词节点：
1. Load LoRA节点右侧的“clip”接口，拖动连接到正向提示词节点左侧的“clip”接口；
2. 同样，Load LoRA节点右侧的“clip”接口，再拖动连接到负向提示词节点左侧的“clip”接口（两个提示词都需要关联LoRA）。

步骤5：设置生图参数（新手默认即可，无需修改）

左侧节点面板，找到“Empty Latent Image”（空白画布）节点，拖拽到画布；
选中该节点，右侧参数面板设置：
1. Width（宽度）：512 或 768（ZImageTurbo适配的分辨率，新手设512，生成速度快）；
2. Height（高度）：768 或 1024（建议和宽度比例协调，比如512×768，避免人物拉伸）；
3. Batch Size（批量生成数量）：1（新手先生成1张，测试效果）。
左侧节点面板，找到“KSampler”（采样器，核心生图节点），拖拽到画布；
选中KSampler节点，右侧参数面板设置（新手默认，无需调整）：
1. Sampler（采样器）：Euler a（最快速、最稳定的采样器，适合新手）；
2. Steps（生成步数）：20-30步（ZImageTurbo生图快，20步足够，步数越多越清晰，但速度越慢）；
3. CFG Scale（提示词相关性）：7.0（数值越高，提示词越生效，过高会导致画面僵硬，新手设7.0）。

步骤6：连接所有节点，生成图片

连接Empty Latent Image节点右侧的“latent”接口 → KSampler节点左侧的“latent”接口；
连接正向提示词节点右侧的“conditioning”接口 → KSampler节点左侧的“positive”接口；
连接负向提示词节点右侧的“conditioning”接口 → KSampler节点左侧的“negative”接口；
连接Load LoRA节点右侧的“model”接口 → KSampler节点左侧的“model”接口；
左侧节点面板，找到“Save Image”（保存图片）节点，拖拽到画布，将KSampler节点右侧的“latent”接口 → Save Image节点左侧的“latent”接口；
所有节点连接完成后，点击KSampler节点右上角的“Queue”（队列）按钮，开始生成图片；
生成完成后，图片会自动保存到ComfyUI/output文件夹，同时在画布右侧的“Preview”（预览）窗口显示。

新手避坑提醒

若生成的图片没有韩立特征，检查3点：① LoRA是否加载正确（韩立_copy）；② 强度是否≥1.0；③ 正向提示词是否包含“韩立”关键词；
若人物畸形、模糊，降低CFG Scale（比如5.0-6.0），或增加生成步数（30步）；
若LoRA加载失败，检查文件是否放入models/loras文件夹，且后缀是.safetensors，重启ComfyUI即可。

四、后续延伸：如何自主训练LoRA（衔接人物特征训练需求）

学会调用LoRA后，你可能会想：“如何训练自己的LoRA？”（比如训练其他人物、专属风格），结合你之前关注的“人物特征训练”，这里简单介绍核心逻辑和步骤（后续可展开详细教程），让你有清晰的学习方向：

1. 训练LoRA的核心逻辑（和调用逻辑对应）

训练LoRA，本质是“让基础模型（ZImageTurbo）通过学习一批专属图片，生成一个附加模型（LoRA）”，核心是“数据准备+参数设置”，和你之前了解的“人物特征训练”完全一致——比如训练新的人物LoRA，就是让模型学习该人物的多角度、多表情图片，最终生成能精准还原该人物的LoRA。

2. 训练LoRA的必备条件（新手先了解，再准备）

基础工具：训练LoRA不用ComfyUI（ComfyUI主打调用），推荐用 ai-toolkit（目前最主流、最易上手的LoRA训练工具，支持ZImageTurbo模型），kohya_ss（不推荐，教程较少）；
训练数据：比如训练人物LoRA，需要20-100张高清图片（1080P以上），覆盖人物不同角度、表情、穿搭（避免过拟合），比如训练“新人物A”，就准备100张A的高清图；
基础模型：还是用ZImageTurbo（和你现在用的一致），训练时指定该模型作为基础模型；
电脑配置：建议有独立显卡（显存≥30G），训练速度更快；显存不足也能训练，只是速度较慢（新手可先尝试小批量数据）。

3. 训练LoRA的简化步骤（新手入门版）

准备训练数据：整理图片（去水印、统一尺寸），给每张图片标注标签（比如“新人物A，短发，西装，商务风格”），触发词固定（比如“新人物A_character”）；
安装ai-toolkit
开始训练：点击“开始训练”，等待训练完成（根据数据量和电脑配置，耗时几小时～几天不等），看电脑配置；
测试与优化：训练完成后，将生成的LoRA文件放入ComfyUI的loras文件夹，按前面的方法调用，测试效果，若特征不明显，调整参数重新训练。

五、新手总结与后续学习方向

本次核心：学会用ComfyUI加载ZImageTurbo基础模型和韩立LoRA，掌握“加载-连接-生成”的完整流程，能成功生成符合要求的韩立图片，就是入门成功；
后续方向：① 熟练调整参数（比如LoRA强度、生成步数），优化生图效果；② 学习用kohya_ss训练自己的LoRA（人物、风格均可）；③ 尝试导入多个LoRA，组合生成更复杂的图片（比如韩立LoRA+修仙场景LoRA）。

如果操作中遇到具体问题（比如节点连接错误、LoRA加载失败）可以随时补充需求。

效果图

工作流

{
  "1": {
    "inputs": {
      "unet_name": "z_image_turbo_bf16.safetensors",
      "weight_dtype": "default"
    },
    "class_type": "UNETLoader",
    "_meta": {
      "title": "UNet加载器"
    }
  },
  "2": {
    "inputs": {
      "clip_name": "qwen_3_4b.safetensors",
      "type": "qwen_image",
      "device": "default"
    },
    "class_type": "CLIPLoader",
    "_meta": {
      "title": "加载CLIP"
    }
  },
  "3": {
    "inputs": {
      "vae_name": "ae.safetensors"
    },
    "class_type": "VAELoader",
    "_meta": {
      "title": "加载VAE"
    }
  },
  "4": {
    "inputs": {
      "lora_name": "韩立_copy.safetensors",
      "strength_model": 0.85,
      "strength_clip": 1,
      "model": [
        "1",
        0
      ],
      "clip": [
        "2",
        0
      ]
    },
    "class_type": "LoraLoader",
    "_meta": {
      "title": "加载LoRA"
    }
  },
  "5": {
    "inputs": {
      "text": "韩立, 凡人修仙传动漫, 绿色古代衣袍, 半写实3D动漫风格, 长发",
      "clip": [
        "4",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码"
    }
  },
  "6": {
    "inputs": {
      "text": "blurry, low quality, bad anatomy, distorted, deformed",
      "clip": [
        "4",
        1
      ]
    },
    "class_type": "CLIPTextEncode",
    "_meta": {
      "title": "CLIP文本编码"
    }
  },
  "7": {
    "inputs": {
      "width": 1024,
      "height": 1024,
      "batch_size": 1
    },
    "class_type": "EmptyLatentImage",
    "_meta": {
      "title": "空Latent图像"
    }
  },
  "8": {
    "inputs": {
      "seed": 832359188207774,
      "steps": 6,
      "cfg": 1.5,
      "sampler_name": "euler",
      "scheduler": "simple",
      "denoise": 1,
      "model": [
        "4",
        0
      ],
      "positive": [
        "5",
        0
      ],
      "negative": [
        "6",
        0
      ],
      "latent_image": [
        "7",
        0
      ]
    },
    "class_type": "KSampler",
    "_meta": {
      "title": "K采样器"
    }
  },
  "9": {
    "inputs": {
      "samples": [
        "8",
        0
      ],
      "vae": [
        "3",
        0
      ]
    },
    "class_type": "VAEDecode",
    "_meta": {
      "title": "VAE解码"
    }
  },
  "10": {
    "inputs": {
      "filename_prefix": "hanli",
      "images": [
        "9",
        0
      ]
    },
    "class_type": "SaveImage",
    "_meta": {
      "title": "保存图像"
    }
  }
}