Case A_gzh_11ddd2df · Flux2 图像反推+高清图生成 ComfyUI 工作流

扔给AI一张图，它就把提示词吐出来了！这个工具太牛了

你有没有遇到过这种情况：看到一张超好看的图，想复刻类似的风格，但不知道用什么提示词。

现在有个办法可以解决这个问题——直接让AI帮你"反推"出提示词。

扔一张图进去，Flux2-Klein模型就能分析出这张图的特点，输出详细的提示词描述。然后用这些提示词配合图像生成模型，就能复刻类似风格，甚至做更多变化。

今天分享这个ComfyUI工作流，把图像反推和图像生成串起来，一键完成。

开始前的准备

需要安装的插件

这个工作流依赖武祭（WuJi）系列插件，提供图像生成、反推、放大等功能：

插件名称

说明

安装方式

ComfyUI-WUJI

武祭核心包，包含采样器、编辑器、清理器等

Manager搜索"WUJI"

ComfyUI-Rh-hidden-nodes

Flux2-Klein图像反推节点

Manager搜索"RH"

另外还需要基础插件 ComfyUI 的 LoadImage、CheckpointLoader、SaveImage 等标准节点。

需要下载的模型

模型名称

说明

放置路径

WuJi_Z-image-base多风格2603

武祭图像基础模型

ComfyUI/models/checkpoints/

模型可以从Civitai或抱脸下载。

放大模型（可选）

如果需要高清放大，工作流使用了 seedvr2_ema_3b 模型，放置在：

ComfyUI/models/upscale_models/

工作流怎么搭？

整个工作流有16个节点，分为4个部分：

第一步：图像反推（Flux2-Klein）

核心是 RHHiddenNodes 节点，它调用Flux2-Klein模型来分析图像。

输入端：

pwd：留空

ref_image_1：接入LoadImage节点的图片输出

输出端：

p0：输出反推的提示词字符串

ShowText 节点用来预览反推出的提示词内容，方便查看结果。

这一步的原理是：用Vision Transformer分析图像，提取出构图、风格、主体、氛围等特征，转换成文本描述。

第二步：加载生成模型

CheckpointLoaderSimple 节点加载武祭的基础模型：

ckpt_name：WuJi_Z-image-base多风格2603_.safetensors

模型输出三个分支：

MODEL：接入WujiSampler的模型输入

CLIP：接入WujiSuperEditor的clip输入

VAE：接入WujiSampler的VAE输入

第三步：超级编辑器整合

WujiSuperEditor 是整合提示词的核心节点：

参数

说明

clip

接入CLIP

vae

留空（自动使用checkpoint的VAE）

图像1-4

可接入多张参考图

提示词

可手动输入或接入反推结果

负向提示词

不想出现的内容

宽度/高度

输出尺寸，接入Int节点控制

艺术流派/摄影风格等

风格预设参数

输出的正向条件、负向条件、潜空间图像分别接入WujiSampler。

第四步：采样、清理、放大

WujiSampler 采样器参数：

参数

推荐值

说明

步数

8

采样步数，越高质量越慢

CFG

1

引导强度，1表示轻度引导

采样器

euler

推荐euler或euler_ancestral

调度器

simple

调度算法

去噪强度

1

完全去噪生成

WujiCleaner 清理器设置为"极限清理"，去除生成中的瑕疵。

WujiUpscaler 放大器参数：

参数

推荐值

说明

放大模型

seedvr2_ema_3b

高质量放大模型

最短边尺寸

1080

放大到最短边1080像素

颜色校对

lab

推荐lab色彩空间

最后 SaveImage 节点保存结果到

ComfyUI/output/

目录。

节点连接表

图像反推连接

起点节点

终点节点

说明

LoadImage #2

RHHiddenNodes #16

图片输入反推节点

RHHiddenNodes #16

ShowText #8

显示反推结果

模型加载连接

起点节点

终点节点

说明

CheckpointLoader #9

WujiSampler #3

模型输出

CheckpointLoader #9

WujiSuperEditor #4

CLIP输出

尺寸控制连接

起点节点

终点节点

说明

Int #11

WujiSuperEditor #4

宽度720

Int #12

WujiSuperEditor #4

高度1024

图像生成连接

起点节点

终点节点

说明

WujiSuperEditor #4

WujiSampler #3

正负向条件+潜空间

WujiSampler #3

WujiCleaner #7

输出图像

WujiCleaner #7

WujiUpscaler #5

清理后放大

WujiUpscaler #5

SaveImage #6

保存最终结果

参数怎么调效果最好？

采样参数

场景

步数

CFG

去噪强度

快速测试

4-6

1

1

推荐设置

8-12

1-2

1

高质量输出

16-20

2-3

1

图像尺寸

比例

宽度

高度

适合场景

竖屏

720

1024

手机壁纸、头像

横屏

1024

720

桌面壁纸、横版内容

方图

1024

1024

社交媒体封面

提示词反推技巧

尽量选择构图清晰、主体明确的图片

二次元/动漫风格效果通常更好

反推结果可以手动修改增删

结合手动输入微调效果

常见问题

Q：反推出来的提示词不准怎么办？

A：这是正常现象，AI反推只能提取大概特征。可以把反推结果作为基础，手动调整关键词来精确控制。

Q：生成的图和原图差异大怎么办？

A：可以适当提高采样步数，或者把反推提示词直接复制到正向提示词输入框里，而不是依赖自动连接。

Q：放大速度太慢怎么办？

A：seedvr2_ema_3b 是比较慢的模型，如果追求速度可以换成 Real-ESRGAN 等轻量级放大模型。

Q：怎么复刻特定风格？

A：选择同风格的多张参考图，把反推提示词汇总整理，再加上风格关键词（如 "cyberpunk", "watercolor" 等）。

Q：提示词显示乱码怎么办？

A：这是正常编码显示问题，不影响实际使用。如果想看清晰内容，拖一个任意Text节点连接反推输出。

Q：武祭模型在哪下载？

A：可以在抱脸（HuggingFace）或Civitai搜索"WuJi"，作者通常会提供下载链接。

适合哪些场景？

场景

操作方式

风格复刻

反推+手动微调提示词

风格迁移

反推原图提示词+新参考图

批量生成

反推一个风格，生成多张变体

提示词学习

通过反推结果学习优质图的提示词写法

总的来说，这是一个把"图生提示词"和"提示词生图"串起来的工作流。可以用来学习优秀作品的提示词写法，也可以作为风格探索的辅助工具。

试试看把喜欢的图扔进去，看看AI会给你什么样的提示词。

有任何问题欢迎留言。