少一点寻找，多一点创作。

适用于基于官方基础图生图示例理解输入图像如何影响结果。此文区分图生图的输入路径、denoise 与随机种子，不把某个固定数值包装成适用于所有图像的最佳参数。

局部重绘是在选定区域重新生成内容。使用官方基础 inpainting 示例时，需要同时理解图像、遮罩与适配模型，不应把“画出一个白色区域”当作整套依赖已经正确。

想让图更大，可能是在原画面之外生成新内容，也可能只是提高现有画面的像素分辨率。两者目标、节点与风险不同，选错工作流会造成看似尺寸正确但内容不符合预期。

将轮廓、姿态或深度信息加入生成流程时，首先应确认控制图是什么、ControlNet 需要什么，以及控制条件是否进入实际采样链路。此文不把所有控制模型归成一个万能节点。

这是一份从原生工作流加入单个 LoRA 的操作指南。先建立明确的底模兼容性和对照，再探索强度及组合，不以“下拉框能选”代替真正生效。

从工作流里发现一个缺失节点后，需要确定它来自哪个项目、安装代码和依赖，并检查服务端注册。下载仓库成功只是其中一步，不应直接当成节点已经可用。

本页整理没有额外硬件时如何建立可比较的小任务基线。目标是找到某个具体环境的可运行范围，而不是从模型名字推测一个对所有人有效的最低显存数字。

当不知道哪一个扩展造成报错、白屏或更新故障时，用可复核的分组对照替代随机卸载。目标是定位最小触发集合，而不是把所有第三方节点都判定有问题。

本指南面向调用自有或获授权 ComfyUI 实例的开发者。网站提供的 MCP 与 ComfyUI 原生 HTTP API 是两套不同接口；这里讨论后者，不涉及自动登录第三方平台或绕过访问限制。

工作流执行成功后，调用方还需要知道哪些节点产生了结果、结果保存在什么位置，以及如何取回。不要把节点 ID、文件名和任务 ID 混成一个字段。

用独立服务、任务标识与结果接口设计集成，区分 Python 入口脚本和稳定 API 契约。

先核对进程可见的设备和实际后端，不把 GPU 0 标签当成物理显卡身份，也不默认显存相加。