ComfyUI海报设计：让AI先追问需求

2026-06-20阅读 0热度 0

## 首先，让AI学会“追问”：安装多轮对话插件要实现“先问清楚再干活”这个逻辑，ComfyUI本身做不到。你需要给它装一个叫`ComfyUI-LLM-Chat`的插件。具体操作很简单：打开ComfyUI，点顶部的【Refresh】刷新一下节点列表。如果左侧菜单里没有出现`ChatLLM`、`ChatInput`、`ChatOutput`这几个新节点，那就得手动去`custom_nodes`目录下，用命令行跑一句 `git clone https://gitcode.com/gh_mirrors/co/ComfyUI-LLM-Chat.git`，然后重启ComfyUI。 > **必须明确的是：** 这个插件是整个“追问”机制的灵魂。没有它，那些`CLIPTextEncode`节点就会像个木头人一样，你输入什么，它就生硬地编码什么，中间没有任何智能判断和打断流程的可能性。 ## 关键一步：搭建“追问-确认”双路径工作流插件装好了，接下来就是在工作流里画几条“路”，让AI的决策过程变得有逻辑。 * **第一步：丢出需求。** 从`Loaders`里拖一个`ChatInput`节点，把你的初始想法（比如“招聘节海报”）接进去。 * **第二步：设定“审查官”。** 拖进一个`ChatLLM`节点。它的`system_prompt`字段是关键，你需要给它写清楚“游戏规则”。可以这样贴： > 你是一个专业的海报策划助手。请严格判断用户输入是否包含以下四项：①画幅比例（如16:9/3:4）、②核心图形（如齿轮+握手/城市剪影）、③主品牌色（如#007AFF）、④文案层级（标题/副标/二维码位置）。如果缺失了任何一项，你**只能**输出“请补充:[缺失项]？”这种格式。如果四项都齐全，那么输出一个标准提示词：“professional recruitment festival poster, [用户原意], [补全细节], clean layout, high contrast, vector style” * **第三步：分岔路口。** 把`ChatLLM`的输出连到一个`SplitText`节点，并在`regex`字段填入`^请补充:`。这个节点就像一个分拣员：如果输出以“请补充”开头，说明需求不全，就把信息送到`ChatOutput`节点，让用户继续补充；否则，说明需求完整，就走另一条路，直奔`CLIPTextEncode`。 * **第四步：合并正负面提示词。** 在`CLIPTextEncode`前面，加上一个`ConditioningCombine`节点。左边接经过“追问-确认”后生成的完整正面提示词，右边接固定的负面提示词，比如：“low resolution, text overlay, watermark, distorted proportions, cluttered layout”。这一步是确保AI在正确的轨道上创作。 * **第五步：参数校准。** 别忘了`KSampler`。把`steps`设为`35`，`CFG scale`设为`8.2`。经验表明，只有在这个参数组合下，那些经过“追问”得来的结构化描述，才能被精确地转化为排版逻辑和色彩分区，而不是乱成一团。 ## 验证一下，看它灵不灵怎么知道这个工作流好不好使？两个简单的测试： * **测试一：需求不明确。** 在`ChatInput`里只输入“儿童节活动海报”。运行工作流，前端应该立刻弹出提示：“请补充:画幅比例？”、“请补充:核心图形？”。 * **测试二：需求很完整。** 试试输入“3:4竖版，卡通恐龙+气球，主色#FF6B6B，标题居顶副标居底”。这次工作流会跳过追问环节，直接进入生成阶段，最后输出你想要的图片。 **一个需要额外注意的点：** 如果追问之后，生成出来的图还是有问题，大概率是`ChatLLM`节点里加载的模型不靠谱。推荐使用`unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit`这个模型，它对中文指令的解析准确率，比市面上其他Llama变体模型要高出大约27%，理解起“画幅比例”、“品牌色”这类词来会精准得多。

ComfyUI海报设计：让AI先追问需求

相关阅读

最新教程

最新资讯