ComfyUI核心模型与节点的超详细技术解析，按功能模块分类，可作为深度学习图像生成领域的参考指南

ComfyUI核心模型与节点的超详细技术解析，按功能模块分类参考指南（Deepseek）

 一、基础图像生成类

 1. Checkpoint + CLIP Encode + KSampler

- Checkpoint（主模型）  

  - 技术原理：基于Stable Diffusion架构的预训练权重包，包含UNet、CLIP文本编码器、VAE解码器的完整参数。  

  - 主流类型：  

    - SD1.5：768x768分辨率，适合二次元/写实混合风格  

    - SDXL 1.0：1024x1024分辨率，支持更复杂的构图与光影  

    - DreamShaper：微调版，强化艺术风格渲染  

  - 加载优化：  

    - 使用`CheckpointLoaderSimple`节点时，启用`vae_decode`可预解压VAE节省显存  

    - 多模型切换时，利用`Checkpoint Switcher`实现动态加载  

- CLIP Encode（文本编码）  

  - 编码层级：  

    - CLIP-ViT-L：24层Transformer，通用性强  

    - CLIP-ViT-H：32层深层结构，文本理解更精准  

  - 高级技巧：  

    - 对长Prompt使用`CLIP Text Encode (Blend)`混合多段文本权重  

    - 通过`CLIP Set Last Layer`调整编码深度（默认-2层平衡效率与质量）  

- KSampler（扩散采样器）  

  - 算法对比：  

    | Sampler类型       | 适用场景               | 推荐steps |  

    |-------------------|-----------------------|-----------|  

    | Euler a         &nbs