●書接上回
本篇講解如何建立一條基本的工作流程，安裝方式見上一篇。兩篇看完就可以安心開始進行基礎的文生圖，也配有影片。
你對ComfyUI的印象是甚麼？
我的話，在我被逼著開始用它之前，我對它的印象是這樣的……
乍看複雜到我放棄思考……
說老實話，我第一次看到這個畫面的時候，立刻默默地把它又關掉了，感覺跟走錯KTV包廂一樣，只想趕快跑。
但其實，這個強大的工具並沒有想像中那麼難理解，反而是一個最佳的由淺入深學習AI圖像生成的平台。不要被這個畫面嚇跑了，它其實，也可以長這樣。👇
最基本的workflow，七個方塊而已。
所以ComfyUI是甚麼？
Comfy它是一個用功能模組和節點來編輯可視化流程的AI繪圖－圖形使用者介面(GUI)。
它的優點除了本身精簡輕巧、執行速度快、資源消耗較低，還具有更加直觀的使用方式、更加自由的自動化流程、以及更加方便的工作流程分享。
白話一點來說，跑得快、能用更低的電腦資源跑圖，可以看清楚完整的pipline架構，
隨心所欲創造屬於自己的生產流水線，透過在comfy讀取一張AI生成的圖片，可以得到生成這張圖時的完整流程，但它還有一個更輕便的方式，就是工作流程的 json檔，這是一種超級輕巧的資料交換格式，在各種資料傳輸的領域中受到廣泛應用。
（進階閱讀：JSON是什麼？輕量級的資料交換格式基本介紹｜天矽科技網頁設計）
基礎使用方式
想加深對運作邏輯的理解的朋友，可以打開comfy跟著我一起做，我們來拉一個基礎的工作流程，也就是workflow。
這邊推薦搭配影片，可以看清楚操作方式。
如果你的畫面不是空白的，點一下clear就可以清空。
模組搜尋框(nodes search)
在空白處用左鍵點兩下就可以打開模組搜尋框，光看名字不清楚是甚麼東西的話，可以都叫出來看看，不對再砍掉就好。
滑鼠滾輪可以縮放畫面。
左鍵長按著模組方塊可以拖動方塊，長按著空白處可以拖動畫面。
按住shift選中多個方塊可以一起拖動，同時會讓方塊對齊背景的網格，有強迫症的朋友可以安心了。
這張是官方提供的快捷鍵表，就在comfy的github下面，或者是你從安裝comfy的資料夾裡面找到README點開，是同一份文件。
現在，回想一下，在你的認知中，
AI生成圖像會需要輸入哪些元素、設定哪些參數、經過哪些關卡？
建立基礎workflow
我們先把想到的東西都叫出來擺在畫面上。
首先我會想到prompt，那我就打……欸，不是打prompt，而是text encode來找，第一個就是基礎的文字編碼器，全名CLIPTextEncode。
但除了正向提示詞之外，有時候還需要設反向提示詞嘛，那麼可以再重複一次剛才的搜尋+新增動作，或是按著alt拖曳一下這個框，就可以複製一個出來。
擔心會分不出來哪個是哪個的話，comfy是可以改模組方塊的顏色跟名字的。我通常就改個常見的綠色跟紅色區分一下。
接下來還有甚麼是基礎生成流程中，必須要有的？我會想到模型——大模型，那大模型的英文是checkpoint，可以用這個來搜尋。
在checkpoint loader跟loader simple之間我選擇simple，CheckpointLoaderSimple，現在要建構的是最簡單的流程，我手上沒有config要放，所以選擇使用simple。
有了模型跟提示詞，下一步呢？想一下之前我們聊過的diffsion model生成原理，最重要的那個概念，整張圖的基礎是甚麼？
雜訊嘛～那麼我們要給它一個初始雜訊，在這邊不叫noise，它叫做latent image，EmptyLatentImage。
打開就可以看到熟悉的設定畫布尺寸，還有一次算幾張的欄位。
下一個你會想到甚麼？step？cfg？guidance scale？seed？還是sampler？
這些參數在comfy都被整合在KSampler裡面，這個方塊之重要。你會看到點兩下之後出現的列表，他就排在第一個。
真正在進行降噪生成的並不是大模型，而是在這個區塊中，大模型是作為一個被預先訓練好的資料庫，供sampler來調用，後面接線的時候這個邏輯就會很清楚了。
到這邊前端的輸入跟中端的處理都打開了，下一步我應該需要一個output的方塊，用來顯示生成結果嘛。
這裡必須要先提到一個之前在基礎課一直被我略過的東西——Decoder。
有去看過李宏毅老師的課的話，就會知道，其實在整個生成過程中，雜訊是以人類讀不懂的型態來存在的，你可以叫它向量，或是中間產物，或是latent representation，總之它是一個機器能夠辨識，但對人類而言並不是視覺影像的型態。
當這個中間產物經過前面所有流程後，就需要經過一個decoder來把它解碼為人類能夠理解的視覺影像。
在comfy，它叫做VAEDecode。
那現在我們也有decoder了，最後一步就是加上output。
comfy裡面你可以選擇用preview image或save image，save會自動把圖片存到output資料夾裡面，preview不會儲存，但也可以在生成後右鍵選擇儲存，只保留你滿意的圖。（在無限生成模式的時候可能就不太適合XD）
接下來只要把這些方塊連接起來，就可以開始工作了！
那，怎麼接……？
Comfy連連看
現在的comfy有幫你做基礎防呆，大部分的節點都有顏色區分。但是，我們還是要來理一遍，為什麼要這樣接，因為這才是幫助你理解AI繪圖工具運作邏輯的關鍵。
模組方塊左邊的點是輸入，右邊的點是輸出。
我們一樣從頭開始，首先是prompt，我們的文字，需要經過文字編碼器來轉換成向量，那麼就把模型中的CLIP輸入到prompt這邊來。
接著encode好的prompt，輸入到sampler裡面。接著把大模型和初始雜訊也一起送進去。
開始denoise前，記得看一下sampler這邊的設定，control_after_generate是在控制每次生成後，seed要不要變動。
說真的，我一直到用了comfy之後才搞清楚，原來sampler(採樣器)跟scheduler(調度器)是兩個東西，以前一直以為是同一個東西，兩個不一樣的名字。
最後，把降噪完的雜訊，也就是那個中間產物，輸出到decoder裡。
那我們用甚麼來decode它？用模型裡面自帶的vae來decode也可以，或是你想另外讀取一個vae也可以，只是要拉出來，增加一個VAELoader的方塊。
到這邊，最基礎的工作流程就完成了！🎉
然後可能有特別聰明的朋友已經發現了……嘿，對，你點一下那個Load Deault它就會自動給你排一串這樣的基礎流程。
但是自己親手拉一遍完整的流程圖，才能確實把東西學進腦袋裡，還是推薦大家跟著我前面說的一起做一遍。
現在，寫個prompt，調整一下參數，測試看看你的流程圖能不能跑起來吧！
實用小技巧
最後來分享一個實用的小技巧。
是我剛開始不是很介意，刷了一陣子之後才想起來應該要去改的東西——設定儲存圖檔的資料夾跟檔案名稱。
comfy的檔名語法表在那個使用手冊有說明，時間跟日期還蠻好懂的嘛，這邊我就只解釋一下關於其他的數值要怎麼放上檔名。
(google網頁翻譯)
(google網頁翻譯)
它的基本結構是：%node_name.widget_name%
首先你要開啟Properties Panel，也就是屬性面板，在模組方塊上面按右鍵可以找到。
那這個node name要寫的是每個模組方塊上面的這個標題(Title)，如果你沒有改過它的名字，或是你讀取的workflow的作者沒有改過它的名字，那就必須把這整串包含空格都打上去，必須要一模一樣才會成功顯示。
如果你覺得太長，或是同時有兩個以上的方塊是同樣的名字，那標題跟最下面的Node name for S&R，可以任選一個作修改。
改SR這個是不會動到畫面上方塊的標題列，如果改標題的話就是畫面上的標題也會跟著改變。並且SR這個名稱如果維持預設的話，寫進語法內是讀取不到的，至少要變更過一次才有效。這是我目前測試的結果。
widget name則是參數的名稱，一樣需要打完整，底線也要打。每個語法只能指定一個方塊內的一個參數，所以比方說如果你要寫畫布長寬，就得分開寫latent的長度跟latent的寬度。
只要沒設定成功，就會看到檔名變成一大串語法，
←like this。
我寫了一些基本組合放在這邊，有需要的朋友可以自己複製一下。
日期：%date:yyyy-MM-dd%
時間：%date:hhmmss%
畫布尺寸(長x寬)：%Empty Latent Image.width%x%Empty Latent Image.height%
SDXL的seed：%SDXL Sampler v3 (Searge).noise_seed%
一般的seed：%KSampler.seed%
大模型檔名：%Load Checkpoint.ckpt_name%
Lora檔名：%Load LoRA.lora_name%
我現在用的格式：%date:yyyy-MM-dd%/%date:MMdd%_%Empty Latent Image.width%x%Empty Latent Image.height%_%SDXLSampler.noise_seed%
按照日期建資料夾，然後顯示日期、長寬、seed。
結語
Comfyui的起手前置可能有點麻煩，它的介面可能乍看之下有點嚇人，但我真的建議大家用用看，真的好用，開得快、關得快、跑圖也快，消耗資源少，你電腦配備不用很頂，也比較不會在無限跑圖的時候，遇到記憶體不足的問題。
開始接觸comfy之後，我是變得挺懶得開SD的，一方面是run甚麼都比comfy久一點，一方面是因為它之前莫名其妙壞掉，刪掉重裝的時候我完全沒留checkpoint跟lora那些當初載老半天的東西……現在有點不想面對。😭
希望這篇文章有幫助到你，有任何問題歡迎在文章下方或影片下方留言。
也歡迎跟我分享你的使用心得！
