ImageGen 技术速查手册（AI 助手操作指导用）¶
版本基线： ComfyUI v0.44.0（2026-11-04）/ Stable Diffusion WebUI（AUTOMATIC1111）v1.10.1（2025-02-09，基本停止维护）/ Fooocus v2.5.5（2024-08-12，官方已冻结，仅限 bug 修复的 LTS）/ InvokeAI v6.14.2（社区维护，活跃）/ Forge（原仓库 2025-07 后休眠，社区续作为 Forge Neo）/ 模型：SD 1.5 / SDXL / SD 3.5 / FLUX.1（dev 非2商用许可，schnell Apache-2.0）（核对日期 2026-11-11，来源：官网/GitHub）
宿主机约束： Windows Server 2022，2×Xeon Gold 6138（40 核 80 线程）、256GB 内存、无独立 GPU（纯 CPU），F 盘 895G / 剩余 862G。服务一律 Docker 容器部署（或裸 Python venv）；产物只存
F:\EricLiu\下；模型统一放F:\EricLiu\labs\models\。
1. 选型对比¶
1.1 生成工具对比¶
| 工具 | 最新版本 | 定位 | CPU 可行性（诚实评估） | 显存需求参考（GPU 场景） | 许可证 | 推荐场景 |
|---|---|---|---|---|---|---|
| ComfyUI | v0.44.0（2026-11-04） | 节点式工作流，新模型支持最快（FLUX/Qwen-Image/Wan 常常首发当天支持），API 成熟 | ✅ 官方 --cpu 模式。SD1.5 512px 约 1~2 分钟/张；SDXL 1024px 约 5~15 分钟/张；FLUX.1（12B）小时级，不建议 |
SD1.5: 4GB；SDXL: 6~8GB；FLUX.1: 12~24GB（fp8 可降到 8GB 级） | GPL-3.0 | 本机唯一推荐：可 API 化、可编排、内存管理高效 |
| SD WebUI (A1111) | v1.10.1（2025-02-09） | 经典标签页 UI，插件生态最大 | ⚠️ 可跑但慢于 ComfyUI；仅支持 SD1.5/SDXL/SD3，不支持 FLUX | SD1.5: 4GB；SDXL: 6~8GB | AGPL-3.0 | ⚠️ 已基本停止维护（dev 分支 2026-03 后无提交，19 个月无 release）。仅存量教程参考，不建议新部署 |
| Fooocus | v2.5.5（2024-08-12） | 零参数极简出图（Midjourney 式体验） | ⚠️ SDXL-only，CPU 上分钟级×更低效率 | 最低 4GB | GPL-3.0 | ⚠️ 官方停止维护（仅 bug 修复 LTS，不支持新模型）。不建议新部署 |
| InvokeAI | v6.14.2（2026-09，社区活跃维护） | 画布式创作工具（图层/局部重绘/外绘），产品化程度最高 | ⚠️ Windows 版明确要求 NVIDIA/Arc GPU，纯 CPU 不在官方支持路径 | SD1.5: 4GB；SDXL: 8GB；FLUX.1: 10GB | Apache-2.0（工具）；模型各自许可 | 团队有 GPU 且要交互式修图时选它；本机不部署 |
| Forge / Forge Neo | 原版休眠（2025-07 后无提交） | A1111 内存优化版，续作 Forge Neo 支持 FLUX.2/Qwen-Image | 同 A1111 量级 | 低于 A1111 | 同 A1111 | 仅在 GPU 环境想要 A1111 界面时考虑 |
1.2 模型对比¶
| 模型 | 参数量 | 体积（fp16/bf16 单文件） | 许可证 | CPU 出图量级（本机实测预估） | 备注 |
|---|---|---|---|---|---|
| SD 1.5 | 0.98B | 约 4GB（fp16） | CreativeML OpenRAIL-M（可商用，附使用限制） | 512×512 / 20 步 ≈ 1~2 分钟/张 | 生态最全（LoRA/ControlNet），质量老 |
| SDXL 1.0 | 3.5B | 约 6.9GB | CreativeML OpenRAIL++-M | 1024×1024 / 25 步 ≈ 5~15 分钟/张 | 质量/生态当前平衡点；CPU 上慢但可用 |
| SD-Turbo / SDXL-Turbo | 同底模 | 约 2.5~3.5GB（fp16） | Stability 非商业许可（turbo 系列研究用途，商用需联系 Stability） | 512×512 / 1~4 步 ≈ 10~60 秒/张 ✅ | 本机快速出图首选（注意许可） |
| SD 3.5 (Medium/Large) | 2.5B / 8B | 约 5GB / 16GB（fp16，fp8 减半） | Stability Community License：年收入 < 100 万美元可免费商用，之上需授权 | Medium ≈ 10~30 分钟；Large ≈ 小时级 | 文字渲染强；fp8 可显著省内存 |
| FLUX.1-dev | 12B | 约 23.8GB（bf16）；fp8 约 11.9GB | FLUX.1-dev Non-Commercial License（非商业！） | 1024×1024 / 20 步 ≈ 小时级，纯 CPU 不建议 | 质量标杆；商用必须买 BFL 授权或用 API |
| FLUX.1-schnell | 12B | 约 17GB（bf16）；fp8 约 8.5GB | Apache-2.0（可商用） | 4 步蒸馏，但仍小时级，纯 CPU 不建议 | 商用且要 FLUX 质量时的本地方案（CPU 依旧不现实） |
限制与回避（选型前先看这条）：
- A1111 / Fooocus 回避：均已停止维护（A1111 dev 分支 2026-03 后无提交、19 个月无 release；Fooocus 官方冻结为仅 bug 修复 LTS），不支持 FLUX/Qwen-Image 等新模型，仅作存量教程参考。
- InvokeAI 回避（本机）：Windows 版明确要求 NVIDIA/Arc GPU，纯 CPU 不在官方支持路径。
- FLUX.1（12B）回避（本机）：CPU 上小时级、实际不可用；要 FLUX 质量走云 GPU API 或 BFL 官方 API（FLUX.1-dev 权重本身还是非商用许可，schnell 才是 Apache-2.0）。
- Turbo 系许可：SD-Turbo / SDXL-Turbo 为 Stability 非商业许可，只用于验证与草稿，商用产出换 SDXL / SD3.5 或已获授权模型。
推荐结论（本机纯 CPU）：
- 首选 = ComfyUI v0.44（--cpu 模式）：唯一同时满足"活跃维护 + 节点可编排 + HTTP API 成熟"的出图引擎（GPL-3.0），SD1.5 1~2 分钟/张、SDXL 5~15 分钟/张。
- 选配 = SD-Turbo / SDXL-Turbo 做草稿（1~4 步、10~60 秒/张，注意非商业许可）；InvokeAI / Forge Neo 仅在已有 GPU、要交互式修图时考虑。
- 回避 = A1111 / Fooocus 新部署（停止维护）、FLUX.1 在本机 CPU 出图（小时级不现实）。
2. 安装¶
2.1 ComfyUI CPU 模式¶
# 裸 Python 路径（Windows Server，Python 3.10~3.12）
cd /f/EricLiu/labs
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv && source venv/Scripts/activate
pip install -r requirements.txt # CPU 版 torch：先 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
# 启动（关键：--cpu）
python main.py --cpu --listen 0.0.0.0 --port 8188
Docker 路径（与宿主机模型目录挂载）：
docker run -d --name comfyui --restart unless-stopped \
-p 8188:8188 \
-v F:/EricLiu/labs/models/imagegen:/root/ComfyUI/models \
-v F:/EricLiu/outputs/comfyui:/root/ComfyUI/output \
comfyui:latest \
python main.py --cpu --listen 0.0.0.0 --port 8188
常用 CPU 相关参数：--cpu（全部用 CPU）、--lowvram（此处无意义，CPU 模式忽略）、--reserve-vram（GPU 机器用）。CPU 模式下 ComfyUI 自动用多线程 BLAS，40 核机器无需额外配置，可在环境变量 OMP_NUM_THREADS=16~32 上微调（留核给系统与其他容器）。
2.2 模型下载路径与体积清单¶
模型统一落 F:\EricLiu\labs\models\imagegen\（ComfyUI 会按子目录识别）：
| 文件 | 放置子目录 | 体积 | 下载源 |
|---|---|---|---|
v1-5-pruned-emaonly-fp16.safetensors |
checkpoints/ |
~4GB | HF runwayml 镜像 / ModelScope |
sd_xl_base_1.0.safetensors |
checkpoints/ |
~6.9GB | HF stabilityai/stable-diffusion-xl-base-1.0 |
sd_xl_turbo_1.0_fp16.safetensors |
checkpoints/ |
~6.9GB | HF stabilityai/sdxl-turbo |
sd-turbo_fp16.safetensors |
checkpoints/ |
~2.5GB | HF stabilityai/sd-turbo |
flux1-dev.safetensors（fp8 版可选） |
checkpoints/ 或 diffusion_models/ |
23.8GB / 11.9GB（fp8） | HF black-forest-labs（需接受许可）；fp8 版在 Kijai/flux-fp8 |
flux1-schnell.safetensors |
同上 | 17GB / 8.5GB（fp8） | HF black-forest-labs/FLUX.1-schnell |
clip_l.safetensors + t5xxl_fp8_e4m3fn.safetensors |
text_encoders/ |
0.24GB + 4.9GB | FLUX 系列必需的文本编码器 |
ae.safetensors（FLUX VAE） |
vae/ |
0.335GB | 同 FLUX 发布包 |
下载守则：先 curl -sI 确认 Content-Length，大于 10GB 的下载必须向用户报告并确认；用 aria2c -x4 或 ModelScope 国内镜像加速；下载完校验文件大小与官方一致。
3. 高频用法¶
3.1 ComfyUI 工作流要点¶
- 核心链路（txt2img 最小图）：
Load Checkpoint → CLIP Text Encode (正/负) → Empty Latent Image → KSampler → VAE Decode → Save Image，节点连线即数据流。 - CPU 模式关键设置：
Empty Latent Image尺寸起步 512×512（SD1.5）/ 1024×1024（SDXL）；steps：SD1.5=20~25，SDXL=25~30，Turbo 系=1~4；KSampler的control_after_generate固定fixed以便复现。 - 工作流可保存为 JSON，也可由生成图片内嵌 PNG 元数据反推（拖图入界面即还原工作流）——AI 助手可直接读写 JSON 编排节点。
- 输出落在
output/（容器已挂到F:\EricLiu\outputs\comfyui\）。
3.2 API 调用（提交任务 / 轮询取图）¶
ComfyUI API：POST /prompt 提交工作流 JSON，GET /history/{prompt_id} 轮询，GET /view 取图。
import json, time, urllib.request
HOST = "http://localhost:8188"
workflow = json.load(open("workflow.json", encoding="utf-8")) # 从界面"Save (API Format)"导出的 JSON
# 可在提交前改节点参数，例如改提示词：
# workflow["6"]["inputs"]["text"] = "一只戴眼镜的柴犬，工笔画风格"
# 1) 提交任务
req = urllib.request.Request(f"{HOST}/prompt",
data=json.dumps({"prompt": workflow}).encode(),
headers={"Content-Type": "application/json"})
prompt_id = json.loads(urllib.request.urlopen(req).read())["prompt_id"]
# 2) 轮询取图（CPU 出图分钟级，轮询间隔放 3~5 秒）
while True:
hist = json.loads(urllib.request.urlopen(f"{HOST}/history/{prompt_id}").read())
if prompt_id in hist and hist[prompt_id].get("outputs"):
outputs = hist[prompt_id]["outputs"]
for node_id, node in outputs.items():
for img in node.get("images", []):
url = f"{HOST}/view?filename={img['filename']}&subfolder={img['subfolder']}&type={img['type']}"
urllib.request.urlretrieve(url, rf"F:\EricLiu\outputs\comfyui\{img['filename']}")
break
time.sleep(4)
3.3 SD-Turbo 快速出图（本机最实用路径）¶
SD-Turbo 1~4 步即可出图，CPU 上约 10~60 秒/张，适合交互式验证与批量草稿：
- ComfyUI 加载
sd-turbo_fp16.safetensors，KSampler设steps=1~4、cfg=1.0（Turbo 系必须配cfg=1，否则过饱和）、采样器euler_ancestral。 - 分辨率固定 512×512（SD-Turbo 官方口径；非整倍分辨率易出坏图）。
- 注意许可：Turbo 系列为 Stability 非商业许可，商用产出请换 SDXL 或已获授权模型。
4. 服务化与云 GPU 决策¶
本机无 GPU，出图延迟由 CPU 决定。何时继续本地 CPU、何时改走云 GPU API，按下表框架判断：
| 维度 | 本地 CPU（ComfyUI --cpu） | 云 GPU API（各云厂商 GPU 主机 / BFL / 硅基流动等托管 API） |
|---|---|---|
| 延迟 | SD-Turbo 秒级；SDXL 5~15 分钟/张；FLUX 不可行 | API 单图 2~10 秒；租卡出图秒级 |
| 单图成本 | 0 元（耗电+时间） | 托管 API 约 0.01~0.3 元/张；整机租用（如 A10/4090 级）约 2~10 元/小时 |
| 适合量级 | 日均 < 20 张、512~1024px、允许分钟级等待 | 日均几十张以上、1024px+、要 FLUX 质量、或要实时交互 |
| 数据合规 | ✅ 数据不出内网 | ⚠️ 提示词与图片出网，涉密/敏感内容禁止上传 |
| 许可 | 本地权重许可自控 | API 侧已含商用授权（FLUX API 合法商用） |
决策规则（AI 助手执行口径）： 1. 冒烟/草稿/验证 → 本地 SD-Turbo（秒~分钟级）。 2. 正式出图 ≤10 张且不急 → 本地 SDXL 后台排队跑（见第 6 节）。 3. 批量（>20 张）或要 FLUX 级质量 → 建议云 GPU API，向用户给出估算费用（张数 × 单价）与合规提示，由用户确认后再调用。 4. 长期高频需求 → 给出"租 GPU 主机自建 ComfyUI"与"按量 API"两条报价路径，让用户决策。
5. 排障¶
| 问题 | 现象 | 处置 |
|---|---|---|
| 模型放错目录 | Checkpoint load failed / not found |
对照 2.2 清单核对子目录（checkpoints/text_encoders/vae 各归其位）；FLUX 用单文件 checkpoint 时放 checkpoints/，unet+独立编码器组合放 diffusion_models/ |
| CPU 出图太慢 | 一张图十几分钟 | 先确认真的用了 --cpu 且没有反复重载模型（--cache-none 会拖慢）；降分辨率/步数；换 Turbo 模型；批量任务放后台跑 |
| 内存不足/OOM | Python 进程被杀 | SDXL/FLUX 用 fp8 量化版；OMP_NUM_THREADS 降半排查 NUMA 绑定问题；256GB 内存下更常见的瓶颈是速度而非容量 |
| 黑图/坏图 | Turbo 模型出噪点或过曝 | Turbo/Schnell 必须 cfg=1.0 且步数 ≤4；SDXL 用 1024×1024 整倍尺寸 |
API 提交报 400 |
/prompt 返回 node 错误 |
workflow JSON 必须是 "API Format"（界面 Save 里的 API 版）；节点 class 与 ComfyUI 版本对齐（老 JSON 缺新节点参数时先在界面里重新导出） |
| Docker 内无法保存 | output 目录无文件 | 确认 -v 挂载了 output 到 F:\EricLiu\outputs\comfyui，容器内路径 /root/ComfyUI/output |
| 下载 HuggingFace 失败 | 连接重置 | 走 ModelScope/HF-Mirror 镜像；大文件用 aria2c；FLUX-dev 需先在 HF 页面接受许可协议 |
6. AI 操作守则¶
- 内容合规：生成图像须遵守平台内容政策，不生成涉政敏感、真人肖像伪造（deepfake）、色情、暴力内容；涉及真实人物形象必须确认用户有授权。
- 模型许可核查：商用前逐一核对许可——SD1.5/SDXL（OpenRAIL，可商用）、FLUX.1-dev 非商业许可（商用必须走 BFL 授权或官方 API）、Turbo 系非商业；不确定时在文档中标注"许可待确认"，不得默认商用。
- 长任务后台跑：SDXL CPU 分钟级、批量任务小时级，一律后台执行 + 轮询进度，不阻塞交互；开始前告知用户预估耗时。
- 大文件下载先报告：模型下载前核对体积与 F 盘余量（现剩 862G），>10GB 必须先确认；一律落
F:\EricLiu\labs\models\imagegen\。 - 产物落位：生成图片只写
F:\EricLiu\outputs\下；文档/工作流 JSON 存F:\EricLiu\AppDocs\ImageGen\或项目目录。 - 云 GPU API 不代调用：只做成本/延迟对比与代码示例，实际调用（消耗用户云账号配额）必须经用户明确确认。
- 维护状态回查：A1111/Fooocus 已停滞，安装前先回查 GitHub Release（本文基线 2026-11-11），避免向用户推荐已死项目的新部署。