简介ComfyUI/SDXL Refiner 精炼文生图工作流是一份面向ComfyUI初中级用户的文生图节点流程配置专门应对SDXL基础模型生成图像时细节表现不足、需要二次精炼出图的场景。压缩包内共1个json格式工作流文件包体仅4KB导入ComfyUI即可查看完整节点连线与参数取值无需额外安装复杂依赖。这份工作流的核心价值在于base与refiner两个生成阶段的衔接组织先由SDXL base模型完成初始构图再经由精炼模型对局部细节做细化修复。文件中清晰展示了两个阶段采样器的串联方式、步数分配比例以及模型切换的调度逻辑比对照官方文档逐个拼接节点更直观也能避开常见的连线错误与生成中断问题。对于正在尝试组合基础模型与精炼模型、提升出图质量的学习者可直接参照其中的参数配置调整自身流程对于刚接触ComfyUI两阶段生成机制的初学者又可借助该文件整体理解文生图工作流的运作脉络。目前已有139人浏览学习压缩包体积小巧尤其适合以轻量参考模板做实验与改写的ComfyUI玩家。1. ComfyUI/SDXL Refiner 精炼文生图一套工作流把出图质感从「能看」拉到「耐看」ComfyUI 做 SDXL 文生图不新鲜但很多人把 base 模型跑完就收工了。这套编号 c0064 的资源核心就是一张 c0064.json 工作流SDXL base 先定主构图再挂官方 Refiner 模型做低降噪精炼。它解决的是「皮肤发假、金属反光发闷、手部结构松垮」这类靠提示词很难修好的细节问题把玄学式的抽卡变成了可复现的参数组合。适合已经装好 ComfyUI、出图正常但质感不够的从业者也适合想研究双阶段扩散工作流写法的人。整个 JSON 拖进 ComfyUI 就能跑下面从双阶段原理讲到参数设置、踩坑和校准方法。2. SDXL Refiner 双阶段架构精炼到底在精炼什么2.1 base 与 Refiner 的分工一个定构图一个修细节要把这套工作流用好先得搞清楚 base 和 Refiner 不是两个同级别的模型堆在一起。sd_xl_base_1.0 是基于文本特征直接出图的完整扩散模型负责构图、主体布局、明暗关系这些全局信息sd_xl_refiner_1.0 则是官方单独训练的第二阶段模型它不擅长从零生成画面更像是专门吃「高噪声区间采样结果」的细节修补器。扩散模型的去噪过程是一条连续的曲线前段解决「画面大致是什么」后段解决「像素细节长什么样」。Refiner 恰好在靠后的位置介入。常见的做法是 base 阶段以 denoise1.0 跑完大部分步数然后把 latent 直接传给 refiner 阶段denoise 压在 0.2~0.4 之间让它只补最后那段高频细节。这也是为什么工作流里两个 KSampler 的 latent 是直连的中间不做 VAE 编解码——一旦加入编码解码色彩会发生肉眼可见的漂移精炼就白做了。这条 latent 接力是整张图最容易看错的地方。base KSampler 的输出有两类LATENT 和 VAE像素图。第二段一定要接 LATENT而不是接 VAE Decode 之后的图像。接成像素图等于完整跑一遍图生图构图大概率被重画速度慢一倍不止。我核对这份工作流时第一个检查点就是两段采样器的 latent 链路是否不断线ComfyUI 里联线断开会直接标红导入 JSON 后别急着跑先缩到全图看一遍。参数上的配合逻辑也简单base 阶段步数 25~35、cfg 5~7.5refiner 阶段步数 8~12、cfg 与 base 保持一致denoise 是精炼强度。整体相当于多花 30% 的时间把皮肤纹理、金属颗粒、布料编织这类最容易糊的材质细节重新长一遍。两段采样器对显存的要求也要算进去两个 checkpoint 加起来约 13GB 磁盘占用加载到显存时默认是按需切换的跑完 base 自动换成 refiner所以你不太需要担心两个模型同时常驻显存。2.2 什么题材该开 Refiner什么题材开了是负优化Refiner 不是对所有题材都有效这是很多人装了之后觉得「没卵用」的根本原因。我的实际使用习惯是写实人像、产品渲染、户外摄影风格这类有明确材质和光照诉求的题材必开赛璐璐动漫、扁平插画、像素风这类强调色块干净的题材建议关掉或把 denoise 压到 0.15 以下否则羽化笔触会让线条边缘发毛。题材类型Refiner 收益建议 denoise写实人像高0.25~0.35产品渲染高0.25~0.35户外风景中0.2~0.3动漫/扁平插画低0.15 或关闭像素/复古风基本无关闭判断标准可以再具体一点。出图后放大到 200%盯着三个位置看皮肤毛孔或金属拉丝有没有真实感、高光边缘有没有生硬色带、手指和布料褶皱这类小结构有没有糊成一团。这三个位置不满意值得开 Refiner如果问题是构图不对、人物姿势不对那是 base 阶段提示词和采样器的问题Refiner 救不了构图只会把错误的细节变得更清晰。这里还有一个容易误会的地方Refiner 不是图生图滤镜。它的训练分布与 base 是配套的官方建议的输入分辨率是 1024 以上。所以工作流里 Empty Latent Image 的宽高要保持 1024×1024 或更高你如果习惯性填 512×512refiner 阶段会明显感觉无事可做出图和没过精炼一模一样。这一点在排查章节还会再碰见。3. ComfyUI 环境准备整合包、模型目录与缺失模型这道坎3.1 ComfyUI 三种装法怎么选整合包、官方仓库、桌面工具箱要复现这套工作流前提是有一个能正常出图的 ComfyUI 环境。国内从业者通常三条路我先说结论只要目标是「用这张 SDXLRefiner 工作流出好图」走秋叶整合包一类的一键包最省事要二次开发、把文生图能力接进自己项目里的人走官方仓库更干净。第一种是秋叶整合包。解压即用自带嵌入版 Python、pip 依赖、模型管理脚本和国内镜像加速适合第一次装、不想折腾 torch 编译的人。注意选新一点的版本SDXL 原生支持很早就稳定了但新版本对 fp8 量化、sage attention 这类显存优化的支持更好后面排查显存问题时你会体会到版本差异。第二种是官方仓库手动装。git clone 之后自己建虚拟环境、装依赖对想改 ComfyUI 源码、或者把 workflow 嵌进自有系统的人更友好。这套 c0064 资源配套教程里提到的「我的AI工具箱」就是 TauriDjango 桌面壳包了一层 ComfyUI支持局域网调用属于这一类思路的成品。工作流 JSON 本身不挑宿主环境官方 ComfyUI 和桌面壳都能加载区别只是模型目录的默认位置不同。第三种是直接复用你已经跑通的 Stable Diffusion WebUI 环境。WebUI 和 ComfyUI 的模型目录结构不冲突你可以把 models 目录做成软链接共用省一份磁盘空间。但注意两边的 checkpoint 文件名必须一致否则从 WebUI 切到 ComfyUI 时会遇到模型找不到的问题。3.2 模型放对目录base 与 Refiner 的文件名、格式与镜像坑ComfyUI 不扫描全盘只认 models 目录下的固定结构。SDXL base 和 refiner 都属于 checkpoint 类型统一放在 models/checkpoints 下典型结构如下ComfyUI/ └── models/ ├── checkpoints/ │ ├── sd_xl_base_1.0.safetensors │ └── sd_xl_refiner_1.0.safetensors ├── clip/ ├── vae/ ├── loras/ └── unet/注意两点。第一文件名不要带中文和空格工作流 JSON 里的 ckpt_name 是精确匹配的你改成「精炼模型.safetensors」这种名字UI 下拉框里能选中但部分旧版 ComfyUI 加载时会相对路径解析失败。第二下载时优先选 .safetensors 格式而不是 pth。SDXL 的 checkpoint 单个约 6~7GB两个都放进去本地占用 13GB 左右磁盘不够的先把这两个模型放固态盘加载速度快一截。国内下载模型普遍走镜像站镜像站点经常给 fp16 / fp32 两个变体文生图用途选 fp16 就够显存占用和速度都更好。最容易踩的坑是镜像站自动给文件名加了 hash 前缀比如30e0a82b_sd_xl_refiner_1.0.safetensors这种。文件本身没问题ComfyUI 也认但工作流 JSON 里写的可能是短文件名运行时会直接报 ckpt_name not found。验证模型放没放对最直接的方式是看启动日志。集成包一般会打印模型索引列表看到两个 sd_xl 开头的文件都出现就说明就绪。没出现就检查两处一是文件是不是放到了 models/checkpoints 而不是它的下一级子目录二是下载有没有中断。Windows 下中断下载会留下.download后缀的半截文件ComfyUI 不会加载带这个后缀的文件要把半截文件删掉重新下否则你会在 UI 里看到文件存在却始终加载报错。4. 把 c0064.json 工作流跑起来节点核对与双 KSampler 参数4.1 导入 JSON 之后先核对节点图别急着点运行解压 c0064.rar 拿到 c0064.json 后导入 ComfyUI 就两种方式把 JSON 文件直接拖进浏览器窗口的空白区域或者点左侧菜单的 Load 按钮选择文件。拖进去后不要急着点 Queue Prompt先用滚轮缩小视图对照整张节点图核对四个大块是否齐全模型加载块两个 CheckpointLoaderSimple一个选 base一个选 refiner提示词块正向和反向各接一个 CLIP Text Encode 节点汉化版里有的叫 CLIP 询问机采样块两段 KSampler中间 latent 连线不能断输出块VAE Decode 和 Save Image核对时最该盯的是第二个 KSampler 的 model 端口必须指向 refiner 那个 CheckpointLoaderSimple。很多工作流分享出来时被人改过两个 KSampler 都接了 base第二段等于白跑一遍构图被重画和精炼的目标完全相悖。另外如果某个节点导入后整体变红多半是工作流里带了你没装的自定义节点插件这类插件节点在 manager 里搜类名就能补装如果只是缺模型节点不会红报错会出现在运行结果里。4.2 base 与 Refiner 两段 KSampler参数表与调整逻辑工作流 JSON 里的节点 ID 每次导出可能不一样但结构是稳定的。以常见 SDXLRefiner 工作流为例两段 KSampler 的核心字段长这样{ 6: { class_type: KSampler, inputs: { model: [3, 0], seed: 12345, steps: 30, cfg: 6, sampler_name: dpmpp_2m, scheduler: karras, denoise: 1.0 } }, 23: { class_type: KSampler, inputs: { model: [17, 0], latent_image: [6, 0], steps: 10, cfg: 6, sampler_name: dpmpp_2m, scheduler: karras, denoise: 0.25 } } }这是结构示意你打开 c0064.json 时节点 ID 不一定是 6 和 23但字段和连线关系是这套。注意第二段 KSampler 的 latent_image 引用的是节点 6base KSampler的第 0 个输出也就是 LATENT这就是前面说的 latent 接力。模型加载节点 3 是 base节点 17 是 refinermodel 端口不能接错。两段参数配合的默认起点如下表参数base 阶段refiner 阶段说明steps25~358~12refiner 只需低步数总步数 ≈ base refinercfg5~7.5与 base 相同refiner 单独拉高 cfg 容易出现色彩断层sampler_namedpmpp_2m / euler_ancestral与 base 一致两段不一致容易出现半张图换画风schedulerkarras与 base 一致同上denoise1.00.2~0.4精炼强度0.25 是稳妥起点为什么强调 sampler 和 scheduler 两段要一致因为两个 KSampler 是在同一条去噪曲线上先后接力base 用 dpmpp_2m karrasrefiner 换成 euler normal步进曲线的形状突变会让后半段噪声分布对不上出来的图经常出现局部对比度不一致的「花脸」。血泪经验两段参数除了 steps 和 denoise其余全部保持一致是最省事的配置。4.3 提示词与负面提示词Refiner 阶段不用重复堆词SDXL 的 Refiner 在官方设计里不重新读取你的长提示词它是在 latent 级别做细节补全。工作流里第二段的 CLIP Text Encode 有两种接法把正向提示词原样复制一份或者留空。实测体验是留空也能正常跑但对那些精心调过的长提示词复制过去能轻微稳定画风。负面提示词同理写「lowres, bad anatomy, bad hands, extra fingers」这类基础批处理词就够不用把 base 阶段那一大串全搬过去堆多了反而干扰。还有两个细节容易被忽略。第一两段采样器的 seed 保持同一个值。如果 refiner 段 seed 单独设了别的数精炼也能跑但你没法在同一张图上对比开/关精炼的差异排查问题时会很痛苦。第二base 阶段的 denoise 必须保持 1.0而不是把它当普通图生图去调低。SDXL 文生图链条里base 的 denoise 一旦被压低构图生成不完整后面的 refiner 怎么精修都是残缺的这条我翻车过好几次。5. 避坑与排查SDXL Refiner 工作流最常见的五个翻车现场5.1 模型加载类问题缺模型与下拉列表里看不到文件现象 1运行时直接报ckpt_name not found: sd_xl_refiner_1.0.safetensors。原因models/checkpoints 目录下没有这个文件或者文件名不一致。国内镜像站下载的文件名常带 hash 前缀JSON 里写的是短文件名精确匹配自然失败。解决打开加载 refiner 的 CheckpointLoaderSimple 节点点下拉框看真实可选文件名把它同步到 JSON 里对应字段或者把文件重命名成 JSON 里写的名字。改完不用重启刷新节点下拉列表即可。现象 2模型文件明明放好了但 UI 下拉框里就是看不到。原因下载中断留下.download后缀的半截文件ComfyUI 不加载或者文件被放进了 checkpoints 的子目录而工作流写的是平级路径。解决去目录里看有没有带.download后缀的文件有就删掉重新下载路径不一致就把文件移动到工作流指定的那一层。移动后如果还看不到检查文件名末尾是不是多了空格这个字符在资源管理器里几乎看不出来。5.2 出图质量类问题精炼没生效、色彩断层与显存爆掉现象 3跑完图和不开 Refiner 几乎一模一样。原因第二段 KSampler 的 latent_image 端口接到了 Empty Latent 输出上或者接到了 VAE 像素图上另一种可能是 denoise 被设成了 1.0等于把构图整幅重画而不是只修细节。解决回到节点图确认第二段 KSampler 的 latent 输入来自第一段的 LATENT 输出而不是空 Latent 或 VAE 输出denoise 调到 0.2~0.4。验证方法很直接把 refiner 的 denoise 改成 0 跑一次如果和开精炼时完全一样说明整条链路没起作用问题在连线而不是参数。现象 4放大后高光和皮肤上有一圈圈色带或者整体发灰发闷。原因两段采样器的 sampler_name / scheduler 不一致导致接力时噪声曲线突变也可能是 refiner 阶段 steps 少于 5后半段根本没有收敛。解决先把两段 sampler 和 scheduler 改成完全一致再重测refiner 的 steps 至少给到 8。这个问题与提示词无关属于纯调参不用去改 prompt 浪费时间。现象 5本地跑 1024×1024 直接报 CUDA out of memory。原因SDXL base 和 refiner 两个 checkpoint 在切换时如果显存策略不当峰值占用会很高8GB 显存尤其紧张。节点图里如果挂了并联预览或多余 VAEDecode也会打乱模型按需加载的顺序。解决用显存受限模式启动常见做法是整合包启动参数里加 lowvram 并把 batch size 固定为 1python main.py --lowvram --batch-size 1如果你是 40 系显卡把 attention 优化切到 sage attention 也能明显压峰值显存但需要本机有可用的编译环境装不上别硬来默认优化只是慢一点不会出错。另外记住 Empty Latent 的 batch_size 保持 1一次出多张图对显存是乘法级压力。6. 用「三连出图法」校准 Refiner固定 seed 扫降噪强度Refiner 的 denoise 是这套工作流里最值得花时间找最优值的参数。我一般用「三连出图法」校准先把两段 seed 固定成同一个值提示词、steps、cfg、采样器全部不动分别用 denoise 0.15 / 0.25 / 0.35 跑三张图放大到 200% 横向对比。对比时只看三个细节材质真实度、高光边缘色带、小结构清晰度。0.35 出现过度锐化、皮肤像塑料抛光就往回调到 0.25三张图差异不大说明题材不吃精炼直接关掉省时间。对于写实人像我手里的多数模型在 0.25~0.3 之间最稳。你可以给自己常用的模型做一张「denoise 标定表」换模型后复测一次二十分钟摸到底。另一个值得养成的工作流习惯是版本化保存调好一组满意的 denoise 和 steps 后把配置单独存成副本 json命名带上后缀比如c0064_v2.json不要覆盖原文件。ComfyUI 的 Save 面板存的是完整节点图所有参数都在里面日后出了好图想复盘参数翻 json 比翻聊天记录可靠得多。资源本体就是 c0064.rar 里的 c0064.json配套的导入步骤和环境说明在原教程里有展开https://datayang.blog.csdn.net/article/details/145220524从那次「refiner 没生效但完全没发现」的翻车之后我每次换模型、换题材都会强制走一遍三连验证流程哪怕只是多花三分钟。这个习惯把「出图不好看是该改提示词还是该调精炼」彻底拆开再也没在玄学里瞎转。希望帮到你。本文还有配套的精品资源点击获取