企业官网建设流程全解析

很多朋友想用 ComfyUI 做短剧、漫画推文、动态漫剧，但一打开工作流界面就被密密麻麻的节点劝退。尤其是第一次接触“漫剧”这个概念时，会发现它和普通的文生图、图生图完全不是一回事：你需要同时处理角色一致性、多分镜脚本、背景生成、表情切换、视频片段生成等一系列环节。三个月前我帮一位做短剧投放的朋友搭了一套可复用的 ComfyUI 漫剧工作流，前后踩了很多坑，包括节点报错、模型不兼容、生成人物“千人千面”等问题。所以这篇文章就围绕“ComfyUI 漫剧工作流”这个主题，从最基础的环境准备开始，一步一步拆解节点逻辑，再给出完整搭建流程和常见报错排查方案，希望能帮你少走弯路。内容偏向新手实操，同时也会给有一定基础的读者提供进阶思路。

1. ComfyUI 漫剧工作流到底是什么

在动手之前，先务必要把“漫剧工作流”这个概念讲清楚，否则后面搭节点的时候会越搭越乱。

1.1 ComfyUI 是什么

ComfyUI 是一款基于节点图（Node Graph）方式的 AI 图像生成工具。它和 WebUI 这种“表单式”操作界面不同，ComfyUI 把整个 AI 绘画流程拆成了一个个独立的节点：加载模型、输入提示词、设置采样器、解码图像、保存图片等等。

你可以把节点想象成流水线上的工位。每个工位只做一件事：这个工位加载模型，那个工位处理文本提示词，另一个工位负责把潜空间数据变成可视图片。节点和节点之间用连线连接，数据就沿着连线一条一条地流动。

这样做的好处非常明显：

• 流程可控：每一步你都能看到输入和输出，问题出在哪个环节一目了然。
• 复用性强：一套工作流文件（.json）可以反复加载，也可以分享给别人。
• 自动化空间大：配合批处理、视频生成节点，可以做批量出图、批量生成视频片段。

所以 ComfyUI 非常适合做需要“批量产出、流程固定”的漫剧内容生产。

1.2 漫剧工作流是什么

漫剧，简单来说就是把原本静态的漫画，加上动态效果、配音、字幕，变成一种介于“漫画”和“短剧”之间的视频内容。

漫剧工作流则是用 ComfyUI 一次性完成“角色设计—分镜出图—局部动态化—视频片段生成”的完整生产流程。

这里要注意，ComfyUI 不只是用来生成一张静态图的，它还可以通过 AnimateDiff、SVD、Mochi 等视频生成模型，把固定角色的一系列图片变成带动态效果的视频片段。漫剧工作流的核心不是“单张图有多好看”，而是：

• 角色始终统一。
• 分镜画面连贯。
• 多个片段可以拼接成一个完整故事。
• 整体流程可复用、可批量处理。

1.3 常见应用场景

漫剧工作流目前最典型的使用场景包括：

• 短剧推广视频：把小说片段做成动态漫剧，用于投放。
• 漫画解说视频：给单张漫画配上动态效果和旁白。
• 动态表情包生产：快速生成同一角色的多表情素材。
• 原创漫剧制作：个人创作者搭建一套固定工作流，每周稳定产出剧集。
• 广告分镜预览：品牌方先做动态分镜，再决定是否实拍。

如果你正在做上述任何一类内容，ComfyUI 漫剧工作流都值得专门花一周时间系统掌握。

2. 环境准备与安装方式

在正式开始搭建漫剧工作流之前，需要先把 ComfyUI 本身装好。很多新手会直接下载别人分享的工作流 JSON 文件，然后拖进 ComfyUI 发现满屏红色报错。原因很简单：你自己的环境里没有对方用的那些自定义节点和模型。

所以先花一点时间把环境梳理清楚。

2.1 选择整合包还是手动安装

ComfyUI 有两种主流安装方式：

手动安装适合已经有 Python 开发经验、希望保持环境纯净的开发者。你需要自行安装 Python、Git，然后克隆官方仓库，再用 pip 安装依赖。

整合包更适合零基础新手。整合包通常会把 Python 环境、ComfyUI 主程序、常用自定义节点、基础模型全部打包好，解压即用。

目前网上传播最广的是“秋叶整合包”系列。需要注意的是，整合包的版本更迭比较快，不同时期下载的整合包内部版本可能差异很大，所以本文不锁定某个具体版本号。如果你使用的是整合包，重点确认三件事：

• 打开启动器时，能否正常识别显卡。
• 内置的 Python 环境是否与你后续装的插件兼容。
• 更新 ComfyUI 主程序之前，先备份原来的工作流和模型文件。

2.2 硬件与显存要求

漫剧工作流和普通文生图不同，它往往需要同时加载文本生成模型、图像生成模型、视频生成模型，对显存的要求会更高。

• 文生图阶段：8GB 显存可以跑大部分 SD1.5 模型，但 SDXL 会比较吃力。
• 图生视频阶段：至少需要 12GB 以上显存，且对显卡型号有要求。
• 如果只是搭建静态漫剧分镜工作流，8GB 显存基本够用。
• 如果要跑 AnimateDiff 等视频生成节点，建议使用 16GB 以上显存的 NVIDIA 显卡。

显存不够时，可以尝试使用“低显存优化”节点，或者通过云显卡平台运行，但云平台的延迟和上传下载成本也需要考虑。

2.3 安装后的目录结构

无论用哪种方式安装，安装完成后建议先熟悉 ComfyUI 的主目录。以整合包为例，常见结构如下：

ComfyUI-Windows-Portable/ ├── ComfyUI/ │ ├── custom_nodes/ # 自定义节点目录 │ ├── models/ # 模型目录 │ │ ├── checkpoints/ # 大模型（底模） │ │ ├── loras/ # LoRA 模型 │ │ ├── vae/ # VAE 模型 │ │ ├── controlnet/ # ControlNet 模型 │ │ └── ipadapter/ # IPAdapter 模型 │ ├── output/ # 输出图片/视频 │ └── user/ # 工作流保存文件 └── python_embeded/ # 内置 Python 环境

如果你使用手动安装，目录结构类似，只是模型文件夹需要自己创建。后面所有工作流中使用的模型，都要放到对应的目录下，否则加载时会提示找不到文件。

2.4 安装常用自定义节点

漫剧工作流通常需要以下自定义节点，建议在搭建工作流之前先装好：

• ControlNet 相关节点：用于控制角色的姿势、构图。
• IPAdapter 节点：用于保持角色一致性，是漫剧工作流中非常关键的一环。
• AnimateDiff 或视频生成相关节点：用于生成动态片段。
• Segment Anything（SAM）相关节点：用于抠图或局部重绘。
• Impact Pack：提供面部修复、局部放大等工具。

安装自定义节点有两种方式：

方式一：通过 ComfyUI Manager 安装

如果你已经安装了 ComfyUI Manager，可以在界面里点“Install Custom Nodes”，然后搜索节点名称进行安装。这个方式最方便，也会自动处理部分依赖。

方式二：手动克隆到 custom_nodes 目录

在命令行中执行：

cd ComfyUI/custom_nodes git clone https://github.com/某用户/某节点仓库.git

安装完成后，重启 ComfyUI。如果控制台出现红色报错，大概率是缺少 Python 依赖包，可以手动进入到对应节点目录执行：

pip install -r requirements.txt

需要特别提醒：不要一次性安装几十个节点，很多节点之间存在依赖冲突。建议按工作流需要逐步添加，装一个测试一个。

3. 漫剧工作流核心节点拆解

在搭建完整工作流之前，我们先拆解漫剧工作流中会用到的高频节点。理解这些节点的功能，后面搭建就不会迷路。

3.1 模型加载节点

这是所有工作流的第一站。

• Load Checkpoint：加载底模，同时输出 MODEL、CLIP、VAE 三路数据。
• Load LoRA：在底模基础上叠加 LoRA，用来固定画风或角色特征。
• Load VAE：加载独立的 VAE 模型。有些底模内置的 VAE 效果不够好，需要单独挂载一个更清晰的 VAE。

漫剧工作流中，LoRA 节点尤其重要。比如你想让生成的角色接近某个特定 IP 形象，通常要借助对应的 LoRA 模型来实现。

3.2 文本编码节点

• CLIP Text Encode（Prompt）：正向提示词编码。
• CLIP Text Encode（Negative）：反向提示词编码。

这两个节点负责把文字变成模型能理解的向量。漫剧场景中，正向提示词通常包含三部分内容：角色描述 + 场景环境 + 画面风格。

3.3 图像生成核心节点

• KSampler：这个节点负责“采样”操作。简单说，它控制 AI 如何从一张纯噪声图逐步变成一张符合提示词的图片。
• 关键参数包括：
  • steps（步数）：步数越高细节越多，但耗时越长。漫剧出图建议设置在 20 到 30 之间。
  • cfg（提示词引导系数）：一般在 5 到 8 之间。太高画面容易过饱和，太低会忽略提示词。
  • sampler_name（采样器名称）：不同采样器画风有差异，比如 DPM++ 2M Karras 是通用选择。
  • seed（随机种子）：固定种子可以让两次生成结果保持一致，或者方便微调。

3.4 图像后处理节点

• VAE Decode：把潜空间数据解码成肉眼可见的图片。
• Save Image：保存图片到 output 目录。
• Image Upscale：对图片进行放大，减少噪点和锯齿。

漫剧中，后处理节点经常用在“出图完成后进行高清放大”的场景。

3.5 角色一致性相关节点

漫剧工作流最大的痛点是角色不一致：第一张图是一个样子，第二张图就完全变了一个人。解决这个问题的核心节点是 IPAdapter。

IPAdapter 可以将一张参考图的人物特征提取出来，在生成第二张图时引导模型“这个人还是那个人”。它解决的问题正是漫剧分镜中“主角必须全程同一个人”的需求。

使用 IPAdapter 时，你需要准备一张角色设定图，然后作为参考图输入到节点中。这个图片通常是你在工作流最开始生成的第一张角色立绘。

举例来说，你先生成一张女主角正脸立绘，然后把这个立绘喂给 IPAdapter，后面所有分镜都参考这张立绘来生成，那么每一帧女主角的长相就会保持一致。

3.6 视频生成相关节点

漫剧工作室很多朋友还希望能生成动态片段。这一部分稍微复杂，因为视频生成节点更换速度很快，今天我写下来，可能过一个月又有新的替代方案。

目前比较常见的是 AnimateDiff 系列节点。它可以在已有模型基础上，把静态图片生成一小段动态视频。使用 AnimateDiff 时，需要额外下载对应的运动模块（Motion Module）模型，然后工作流中会多出几个节点：

• AnimateDiff Loader：加载运动模块。
• AnimateDiff Sampler Settings：设置视频帧数和运动强度。
• Video Combine：把连续帧合并成视频文件。

如果你觉得 AnimateDiff 的安装比较麻烦，也可以“曲线救国”：先用 ComfyUI 生成连续静态图，再用剪映、PR 等软件把图片做缩放、平移、加上字幕音效，同样能达到漫剧动态效果。很多人做的漫剧推文其实就是这个思路，并不一定非要 AI 生成视频。

4. 从零搭建一条漫剧静态分镜工作流

现在我们来搭建第一条完整可用的 ComfyUI 漫剧工作流。这一条版本只生成静态分镜图，作用是先把角色一致性、多场景分镜跑通。等这条链路稳定之后，再叠加视频生成节点。

4.1 第一步：准备模型文件

在开始搭建之前，请先准备以下模型，并放入对应目录：

models/checkpoints/ -> 一个适合二次元/漫画风格的底模 models/loras/ -> 角色风格 LoRA（可选） models/ipadapter/ -> IPAdapter 图像编码模型

注意：不同模型的存放路径不能搞混。如果你是手动安装的 ComfyUI，目录可能不存在，需要自行新建。

4.2 第二步：加载底模与角色参考图

打开 ComfyUI 界面，默认会有一个最简单的文生图工作流。我们先从默认工作流开始，不必从空白画布拖节点。

先删除默认工作流中不需要的节点，保留一个干净的画布，然后按顺序添加节点。

添加 Load Checkpoint 节点，选择一个漫画风格底模。

添加 Load Image 节点，上传一张你想要保持的角色参考图。这里注意，这张参考图是“角色长相”的基准，最好是一张正脸、光线均匀、背景简单的图，这样 IPAdapter 提取特征的效果会更好。

4.3 第三步：搭建 IPAdapter 一致性链路

这是整个漫剧工作流中最核心的一段。

在节点菜单中找到 IPAdapter 相关节点。不同版本的节点名称可能略有差异，但核心逻辑一致：

Load Checkpoint ├─ MODEL ──────────────> IPAdapter ├─ CLIP ──────────────> CLIP Text Encode └─ VAE ──────────────> VAE Decode Load Image（参考图） └─ IMAGE ──────────────> IPAdapter

IPAdapter 节点的输出，会替换原本的 MODEL，进入 KSampler。也就是说，KSampler 使用的不是原始底模，而是“底模 + 参考图特征”融合后的模型。

这一步理解透了，后面调参数就顺了。

4.4 第四步：编写提示词

正向提示词建议分三段写：

第一段：固定角色描述，例如“1girl, silver long hair, blue eyes, white dress”，这段在所有分镜中保持不变。

第二段：描述当前场景，例如“standing on the rooftop, sunset, wind blowing”。

第三段：描述画面风格和画质，例如“masterpiece, best quality, anime style, highly detailed”。

反向提示词建议至少包含以下内容：

lowres, bad anatomy, bad hands, extra fingers, blurry, jpeg artifacts, watermark, signature

注意：提示词的写法会直接影响角色还原度。如果你发现 IPAdapter 参考效果不佳，不要急着换模型，先把正向提示词中与角色冲突的描述删掉。比如参考图是黑发角色，提示词里就不要写“blonde hair”，否则模型会纠结到底听谁的。

4.5 第五步：连接 KSampler 与保存节点

接下来连接 KSampler：

• 将 IPAdapter 输出的 MODEL 接入 KSampler 的 model 输入。
• 将正向提示词编码器输出接入 positive。
• 将反向提示词编码器输出接入 negative。
• latent_image 接入 Empty Latent Image 的输出，用于设置图片尺寸。

图片尺寸建议：

• 漫剧竖屏推文常用 768x1024。
• 漫剧分镜横屏常用 1024x576。
• 不要直接把尺寸拉得很大，比如一步生成 2048 分辨率，容易导致画面崩坏。后期用放大节点处理更稳妥。

最后连接 VAE Decode，再连到 Save Image。

4.6 第六步：运行并验证一致性

完成连线后，点击“Queue Prompt”运行。生成第一张图后，先别急着调用所有分镜。重点检查：

• 角色长相是否和参考图一致。
• 画面风格是否符合你的预期。
• 有没有出现手部变形、五官崩坏等问题。

如果第一张图没有问题，就可以修改提示词中的“场景描述”，保持角色描述不变，依次生成第二张、第三张分镜。为了确保两张图之间的差异可控，建议固定 seed，只修改场景部分。

核心流程示意：

第一张分镜：相同角色描述 + 场景A 第二张分镜：相同角色描述 + 场景B 第三张分镜：相同角色描述 + 场景C

这就是漫剧静态分镜工作流的基础逻辑。

5. 进阶：用 LoRA 与 ControlNet 提升漫剧质量

基础工作流能解决“能用”的问题，但如果想让画面更精致、构图更可控，就需要引入 LoRA 和 ControlNet。

5.1 LoRA 的作用

LoRA 是一种轻量级模型微调技术。它的特点是：模型文件小，对显存占用低，可以在底模基础上改变画风、增加角色特征、提升某种元素的生成能力。

漫剧工作流中，LoRA 的应用场景非常明确：

• 使用“动漫风格 LoRA”让画面更接近日漫质感。
• 使用“角色 LoRA”让生成的人物拥有固定的五官和服装。
• 使用“光影 LoRA”让画面更有氛围感。

添加 LoRA 节点后，会多出一个模型的连接路径：

Load Checkpoint -> Load LoRA -> IPAdapter -> KSampler

LoRA 节点有两个关键参数：

• strength_model：控制 LoRA 对模型的影响强度，一般在 0.6 到 0.9 之间。
• strength_clip：控制 LoRA 对文本编码的影响强度，通常与 strength_model 保持一致。

如果发现画面中 LoRA 的特征不太明显，可以适当提高强度；如果画面出现奇怪的伪影，就要降低强度。

5.2 ControlNet 控制构图

ControlNet 可以通过线稿、深度图、姿态骨架图等方式，精确控制生成图的构图和人物姿势。比如你想让角色做出一个特定动作，只需要提供一个姿势参考图。

使用 ControlNet 的步骤：

1. 准备一张姿势图，可以是真人照片、3D 模型截图或其他任意可提取骨架的图片。
2. 使用姿态估计节点提取姿势骨架。
3. 把骨架图输入 ControlNet 节点。
4. ControlNet 节点输出调整后的 MODEL，替代 KSampler 的模型输入。

漫剧工作流中，ControlNet 通常用于：

• 保持跨分镜的画面构图一致。
• 让角色做出与剧情匹配的动作。
• 锁定镜头角度，避免画面视角随意变化。

需要提醒的是，ControlNet 和 IPAdapter 同时使用时，两者都会修改 MODEL 数据，节点连接顺序可能会影响最终效果。一般建议先叠加 ControlNet，再把 IPAdapter 特征加进去，具体效果需要根据你的底模来尝试。

6. 从静态分镜到动态漫剧

静态分镜工作流稳定之后，就可以考虑动态化。这里提供两种方案，第一种更偏工程化，第二种偏传统后期。

6.1 方案一：用 AnimateDiff 生成动态片段

AnimateDiff 是当前 ComfyUI 社区比较主流的视频生成方案，它能够直接在 ComfyUI 内生成短视频片段。基本思路是：把你已经生成的静态分镜作为起始帧，让模型基于这一帧自动补全后续帧，并产生运动。

AnimateDiff 工作流比静态工作流复杂，关键节点如下：

Load Checkpoint └─ AnimateDiff Loader（加载运动模块） └─ AnimateDiff Sampler Settings（设置帧数） └─ KSampler（在 Video 模式下采样） └─ Video Combine（合并视频）

参数建议：

• 帧数：建议 16 帧或 24 帧。帧数越多，显存占用越大。
• 运动强度：数值越大，画面变化越剧烈，容易导致角色崩坏。
• 批次大小：如果显存不够，可以降低批次大小，分多次生成。

AnimateDiff 生成的视频通常比较短，分辨率也不会太高。生产环境下，一般用于生成某个两三秒的动态镜头，然后导入剪辑软件拼接成完整漫剧。

6.2 方案二：图片加后期动态效果

如果你觉得 AnimateDiff 安装和使用成本过高，也可以用更稳妥的“伪动态”方案：

1. 使用 ComfyUI 批量生成同一角色、同一场景下不同动作的图片。
2. 把这些图片导出。
3. 在剪辑软件中使用缩放、平移、转场效果。
4. 加上背景音乐、配音、字幕。

这种方案生成的角色一致性最好，也不会出现 AI 视频常见的闪烁问题。实际上很多漫剧账号采用的就是这种生产方式，保证画面稳定的同时，制作周期更可控。

7. 漫剧工作流常见报错排查

漫剧工作流涉及节点多、依赖多，报错非常常见。下面整理几个高频问题，你也可以直接对照自己的错误信息来排查。

7.1 missing nodes 问题

如果你从网上下载了一个工作流 JSON 文件，拖入 ComfyUI 后提示缺少节点，说明你的环境中没有安装原作者使用的自定义节点。

正确的操作流程是：

1. 打开 ComfyUI Manager。
2. 点击“Install Missing Custom Nodes”。
3. 安装完成后重启 ComfyUI。
4. 如果仍然报错，再根据报错信息手动安装。

注意，不要盲目把所有缺失节点全部安装，因为有的节点名称相似但作者不同，安装错了容易引发依赖冲突。

7.2 Python 环境依赖冲突

使用整合包时，很多新手会直接把整合包自带的 Python 环境搞乱。比如你手动安装了一个插件，它自动升级了某个依赖库，结果之前的插件反而不能用了。

避免方式：

• 每次安装新节点之前，先记录当前 ComfyUI 能正常运行的状态。
• 安装节点后立即重启测试。
• 遇到依赖冲突，优先考虑卸载新安装的节点，而不是去“修复”Python 环境。

7.3 节点执行错误的通用处理流程

节点在执行过程中发生错误，是 ComfyUI 中比较难排查的一类问题。由于错误信息五花八门，建议按下面顺序处理：

1. 查看控制台完整报错信息，找到包含“Error”或“Traceback”的关键段落。
2. 判断报错来自哪个节点。
3. 如果是模型加载类错误，检查模型路径和文件名。
4. 如果是显存不足类错误，降低分辨率、减少批次。
5. 如果是节点本身报错，去该节点的 GitHub 仓库查看 Issues 区。

8. 漫剧工作流最佳实践与工程建议

工作流能跑通和能稳定用于生产是两回事。最后分享几条工程层面的建议，这些经验来自实际落地项目的总结。

8.1 把工作流拆成模块化文件

不建议把整个漫剧工作流做成一个超级大的 JSON 文件。因为文件越大，运行越慢，出错后越难定位。

更推荐的做法是：

• 工作流文件 A：角色设计，生成角色立绘。
• 工作流文件 B：分镜出图，固定角色后批量生成分镜图。
• 工作流文件 C：局部动态化，把指定图片生成视频片段。
• 工作流文件 D：高清放大后期处理。

每个工作流只负责一个环节，输出结果交给下一个环节。这样做的好处是，你可以单独优化某个环节，不需要每次重新跑整个流程。

8.2 建立模型和素材目录规范

漫剧工作流中会用到非常多的模型，如果文件名混乱，时间长了根本不知道哪个是哪个。建议建立如下命名规范：

checkpoints/风格_版本.safetensors loras/角色名_风格_强度参考.safetensors ipadapter/用途_版本.safetensors

同时，在角色参考图目录中，尽量把同一角色的参考图放在同一个文件夹，命名时标注视角，例如：

角色A_正面.png 角色A_侧面.png 角色A_全身.png

8.3 固定提示词的版本

漫剧生产对一致性要求极高，所以一定要把每个分镜的角色描述部分做成“模板”。不要每张图都重新写一遍，那样很容易出现措辞不一致，导致模型对角色理解漂移。

我的习惯是：先写一个角色描述模板，在生成所有分镜时直接复制粘贴同一段文字，只修改场景部分。

举个例子：

正向提示词 = 角色模板 + 场景描述 + 画质后缀 反向提示词 = 固定负面模板

这样不管是自己操作还是交给别人接手，工作流都能保持稳定输出。

8.4 使用 seed 控制画面变化

漫剧分镜需要人物相同、场景不同，所以 seed 的控制策略很重要。

• 如果想让两张图长得完全一样，只改场景：固定 seed。
• 如果想让同一场景产生更多变化：修改 seed。
• 如果角色描述没有变化但 IPAdapter 效果不明显：尝试换一张参考图，而不是反复修改 seed。

8.5 备份与版本管理

漫剧工作流调试过程中，你可能随时会调整节点参数，但不要反复覆盖同一个工作流文件。每调整到一个效果稳定的状态，就另存为一个新文件：

漫剧工作流_v1_静态分镜.json 漫剧工作流_v2_增加IPAdapter.json 漫剧工作流_v3_增加ControlNet.json

模型文件也一样，确认某个底模和 LoRA 搭配效果好之后，在文件命名中标记“推荐搭配”，这样可以避免下一次使用时遗忘参数组合。

8.6 注意版权与合规

漫剧内容常涉及小说改编、角色形象等问题。在正式商用之前，请务必确认：

• 你使用的底模、LoRA 是否有商用许可。
• 你参考的角色图是否涉及他人版权。
• 提示词是否包含侵权风险。

即使是非商用场景，也建议保留模型来源和参考图来源记录，方便后续追溯。

9. 总结与后续学习思路

ComfyUI 漫剧工作流本质上是一套“用节点图控制 AI 批量生成漫画分镜并转为动态内容”的生产体系。从最基础的文生图，到引入 IPAdapter 保证角色一致性，再到通过 ControlNet 控制构图、用 AnimateDiff 生成动态视频，整个过程是层层递进的。

你现在可以回顾一下自己是否掌握了这几个关键点：

• ComfyUI 的目录结构和节点连接逻辑。
• 角色一致性问题的本质及 IPAdapter 的用法。
• 漫剧静态分镜工作流能够独立搭建。
• 对于动态漫剧，知道 AnimateDiff 和“图片+后期动态”两条路线各有什么取舍。
• 遇到缺少节点、依赖冲突、显存不足时，有清晰的排查思路。

如果上面的内容都理解了，下一步可以做这三件事：

第一，选一个你熟悉的短篇剧情，按照文章里的工作流，独立生成一套包含 10 张分镜的漫剧素材。第二，从中选 2 到 3 张分镜，用 AnimateDiff 生成动态片段，拼成一个 10 秒左右的漫剧 Demo。第三，把生成过程中踩到的坑记录下来，形成属于你自己的“ComfyUI 漫剧排错手册”。

搭建漫剧工作流并不是一次性工作。随着你使用的底模升级、节点更新，工作流也需要持续调整。建议每次生成完一个项目，都把最终可用的工作流、模型组合、提示词模板存档，这些积累才是后期效率提升的关键。如果文章里的某个节点或参数在你的环境中表现不同，那也很正常，版本差异会导致行为差异，多做对比测试才是最稳妥的做法。