Dasselbe Projekt, eine andere Maschine: Ihren ComfyUI-Workflow rekonstruieren.

Ein konkreter Fall: das Licht eines Plakats suchen

Das Projekt ist eine Richtungsstudie für eine fiktive Keramik: eine matte elfenbeinfarbene Vase, ein kobaltblauer Sockel und ein sandfarbener Hintergrund. Die Komposition verlangt eine freie Zone oben links, um später in einer Layout-Software einen Titel hinzuzufügen. Das Ziel besteht darin, drei Lichtabsichten zu vergleichen und dann die getroffene Wahl zu erklären. Es geht nicht darum, ein fotografiertes Objekt originalgetreu nachzubilden.

Der bereitgestellte Workflow umfasst drei Zweige mit denselben Abmessungen, demselben Modell, demselben Seed und denselben Einstellungen. Nur der Lichtsatz im positiven Prompt ändert sich. Er verwendet kein Eingabebild, keinen benutzerdefinierten Node, keinen Refiner und kein LoRA. Sie erhalten ein Projekt, das klein genug ist, um jede Verbindung zu verstehen, und strukturiert genug, um einen echten Vergleich vorzubereiten. Der Download liefert den Workflow und die Parameter. Für dieses Dossier wurde keine Generierung ausgeführt: Erzeugen und vergleichen Sie die Bilder in Ihrer Umgebung.

Die Software vorbereiten und die tatsächlich verwendeten Versionen notieren

Der Graph zielt auf die Definitionen von ComfyUI 0.37.0 und das Frontend 1.52.7, wie durch seine Abhängigkeiten angegeben. Das Manifest bewahrt deren vollständige Commits auf. Diese Versionen wurden in den offiziellen Quellen nachgeschlagen; sie beschreiben keine für diesen Artikel ausgeführte Installation. Verwenden Sie eine gemäß dem für Ihr System passenden Verfahren vorbereitete Installation und gleichen Sie deren Versionen mit dieser Referenz ab.

Python, PyTorch, der Treiber und die Rechengenauigkeit gehören ebenfalls zum Reproduktionsdossier. Die Datei environnement-a-remplir.json lässt diese Felder bis zu Ihrer Beobachtung leer. Kopieren Sie dort keine vermutete Version aus dem Namen Ihrer GPU hinein. Die Seite Environnements hilft, diese Abhängigkeiten zu organisieren. Der Validator des Downloads verlangt nur Python 3.10 oder neuer und seine Standardbibliothek; er benötigt kein ComfyUI.

Den Checkpoint identifizieren, ohne Name und Inhalt zu verwechseln

Die erwartete Datei ist sd_xl_base_1.0.safetensors, in ComfyUI/models/checkpoints/, aus dem Stability-AI-Repository zur im Manifest festgelegten Revision. Dieses Rezept verwendet den vollständigen Checkpoint SDXL Base 1.0: Der Loader liefert dem Graphen das Modell, die Textkodierung und das VAE. Es werden keine Gewichte mit unseren Ressourcen verteilt. Konsultieren Sie die Seite des Modells und seine Lizenz, bevor Sie es separat beschaffen.

Das Manifest liefert eine Größe von 6.938.078.334 Bytes und einen SHA-256-Hash aus den Metadaten des Repositories des Herausgebers. Wir haben die Gewichte nicht heruntergeladen, um diesen Hash neu zu berechnen. Die Option --checkpoint des Validators vergleicht die Datei, die Sie bereits besitzen, mit dieser Referenz. Eine umbenannte Datei ist nicht zwangsläufig dasselbe Modell; ihr Gewicht auf der Festplatte verrät auch nicht ihren Spitzenwert beim GPU-Speicherverbrauch.

Wenn Ihre Installation ein zentrales Verzeichnis oder einen Unterordner verwendet, wählen Sie den vom Loader vorgeschlagenen Pfad und notieren Sie diese Anpassung. Ein leeres Menü lädt zunächst dazu ein, den Ordner und den Loader-Typ zu prüfen, bevor Sie die Kopien des Modells vervielfachen.

Das JSON importieren und die Nodes in der richtigen Reihenfolge lesen

Entpacken Sie den Ordner und öffnen Sie dann workflow-ui.json in der ComfyUI-Oberfläche oder ziehen Sie die Datei auf deren Canvas. Es handelt sich um das Interface-Format 0.4 mit Positionen, Widgets und Verbindungen. Diese Datei ist nicht die Payload für den API-Endpunkt /prompt. Prüfen Sie den ausgewählten Checkpoint und ob keine Nodes fehlen, bevor Sie irgendetwas starten.

Die 15 Nodes verwenden nur sechs integrierte Typen. Der Loader, das leere Latent und der negative Text sind gemeinsam. Jeder Zweig fügt einen positiven Text, einen KSampler, ein VAE-Decoding und ein Speichern hinzu. Drei Zweige bedeuten weder drei GPUs noch eine gleichzeitige Ausführung. Die Datei reconstruction.md beschreibt die 25 Verbindungen im Detail, falls Sie den Graphen lieber von Hand nachbauen möchten.

Checkpoint.CLIP → Texte positif.clip
Checkpoint.MODEL → KSampler.model
Texte positif.CONDITIONING → KSampler.positive
Texte négatif.CONDITIONING → KSampler.negative
Latent vide.LATENT → KSampler.latent_image
KSampler.LATENT → VAEDecode.samples
Checkpoint.VAE → VAEDecode.vae
VAEDecode.IMAGE → SaveImage.images

Feste Einstellungen beibehalten, um drei Intentionen zu vergleichen

Die drei KSampler verwenden den Seed 24092026, 24 Schritte, einen CFG von 6.5, den Sampler euler, den Scheduler normal und ein Denoise von 1. Die Kontrolle nach der Generierung ist in jedem Zweig auf fixed gesetzt. Diese Wahl ermöglicht es, dieselben Testparameter beizubehalten; sie erhebt nicht den Anspruch, die beste Einstellung für alle Bilder zu sein.

Der gemeinsame Prompt beschreibt die Vase, den Sockel, den Hintergrund und die für den Titel vorgesehene Zone. Der letzte Satz gibt das Licht vor. Jeden vollständigen Text finden Sie im Manifest: Kopieren Sie bei einer Rekonstruktion die gesamte Variante. Die Anweisungen des Modells sind in diesem SDXL-Beispiel auf Englisch. Der gemeinsame negative Prompt verlangt insbesondere, Text, Logos, duplizierte Objekte und Verformungen zu vermeiden. Diese Anweisungen bleiben Bitten an das Modell, ohne Garantie, dass es sie vollständig befolgt.

Den Ordner prüfen, bevor Sie die GPU beanspruchen

Führen Sie aus dem entpackten Ordner den untenstehenden Validator aus. Er liest ausschließlich den Workflow und das Manifest, prüft die Identifikatoren, die Anschlüsse, die Datentypen, die gegenseitigen Verknüpfungen, das Fehlen von Zyklen und die Übereinstimmung der Parameter der drei Varianten. Er kontaktiert keinen Dienst und lädt kein Modell. Ein Fehler zeigt an, welcher Teil des Ordners zu prüfen ist.

Der mitgelieferte Workflow wurde zudem gegen das offizielle Schema UI 0.4 geprüft. Der öffentliche Validator ist bewusst auf das Profil dieser Übung beschränkt: Wenn Sie einen weiteren Node hinzufügen oder seine Nummerierung ändern, kann er Ihre Kopie ablehnen, selbst wenn ComfyUI sie verwenden kann. Bewahren Sie daher vor Ihren Anpassungen ein unverändertes Original auf.

Ein Ergebnis ok: true belegt die Konsistenz dieses JSON und seines Graphen. Es belegt nicht den tatsächlichen Import in Ihre Oberfläche, die Verfügbarkeit des Checkpoints oder die Erzeugung eines Bildes. Diese letzten Schritte wurden für die Lieferung dieses Ordners nicht ausgeführt.

python validate_workflow.py

python validate_workflow.py --checkpoint "D:/modeles/sd_xl_base_1.0.safetensors"

Ausführen, Ergebnisse öffnen und Ihre Wahl dokumentieren

Sobald die Abhängigkeiten vorhanden sind, starten Sie den Workflow und prüfen Sie, dass jeder Zweig SaveImage erreicht. Die Präfixe a_frontale, b_laterale und c_contrejour finden Sie im Ausgabeverzeichnis von ComfyUI unter RenderParcel/ceramique-v1/. Die Anwendung ergänzt die Namen um ihre Zähler. Das Rezept erzeugt drei separate Dateien; eine Vergleichstafel wird nicht automatisch angelegt.

Öffnen Sie die PNGs und kontrollieren Sie die Abmessungen, den Rand der Vase, die Lesbarkeit des Materials und den verfügbaren Platz für den Titel. Füllen Sie comparaison.csv mit Ihren Beobachtungen und einem Auswahlgrund. Die Zellen des Downloads sind leer: Hier wurde keine Variante visuell bewertet. Wenn eine Generierung fehlschlägt, halten Sie diesen Fehlschlag fest, statt ihm eine Zeit oder eine Qualität zuzuschreiben.

Derselbe Seed garantiert keine identischen Pixel zwischen Versionen, Hardware und Vorgängen. Eine Änderung des Lichts kann ebenfalls die Silhouette verändern: Der Workflow erkundet eine Absicht, ohne eine Produktidentität festzuschreiben. Bewahren Sie ein Referenzbild aus Ihrer eigenen Ausführung auf und vergleichen Sie die angekündigten Kriterien, dann die Pixel nur, wenn Ihre Umgebung und Ihr Protokoll dies rechtfertigen.

Fehler erkennen, die die Wiederaufnahme verhindern

Beginnen Sie mit dem ersten beobachtbaren Fehler. Modell, ComfyUI-Version und Sampling-Parameter gleichzeitig zu ändern, macht die Diagnose unnötig schwierig. Die Tabelle trennt die Mängel des Ordners von denen, die erst beim Laden oder während der Generierung auftreten.

Wenn Ihnen der Speicher ausgeht, notieren Sie den betroffenen Schritt: Laden, Sampling oder Dekodierung. Der Batch ist in dieser Übung bereits auf ein Bild begrenzt. Eine niedrigere Auflösung kann als Diagnose dienen, erzeugt aber einen weiteren Versuch; aktualisieren Sie das Manifest, anstatt seine Ergebnisse zu vergleichen, als stammten sie aus dem ursprünglichen Fall.

Ein Rezept archivieren und die Hardware anhand Ihrer Beobachtungen auswählen

Das endgültige Übergabedossier enthält das tatsächlich verwendete JSON, das ausgefüllte Manifest, den Vergleich, die Umgebungsversionen und eine Referenzausgabe, die Sie geöffnet haben. Bewahren Sie das JSON separat auf: Die Metadaten eines Mediums können bei einer Konvertierung oder beim Teilen verloren gehen. Der Export-Leitfaden hilft dabei, die visuelle Lieferung von den Quellen zu unterscheiden, die für einen erneuten Lauf nötig sind.

Bevor Sie das Projekt erweitern, beobachten Sie eine vollständige Generierung bis zum Decodieren und Speichern. Wir haben hier weder die Rechenzeit noch den benötigten VRAM gemessen. Prüfen Sie je nach festgestelltem Bedarf, der Kompatibilität Ihrer Umgebung und dem passenden Tarif eine RTX 4090 mit 24 GB oder eine RTX 6000 Ada mit 48 GB. Ihr Speicher ist kein Versprechen für die Geschwindigkeit; dieser Graph addiert nicht automatisch den Speicher mehrerer Karten.

Der Bild-Workshop hilft Ihnen, die Richtung und die Kriterien vor der Buchung zu präzisieren. Anschließend können Sie eine Konfiguration vorbereiten und dieselben Eingaben für Ihren eigenen Hardware-Test beibehalten. Die Originalressourcen des Dossiers stehen unter MIT-Lizenz; die Software und das Modell unterliegen weiterhin ihren jeweiligen Lizenzen.