Z-Image

Z-Image ComfyUI Power Nodes 进阶工作流：自定义节点完全配置指南

6月 1, 2026

Z-Image ComfyUI Power Nodes 进阶工作流：自定义节点完全配置指南

发布日期：2026-06-01
关键词：z-image comfyui power nodes, z-image custom nodes, ComfyUI Z-Image workflow
预计阅读时间：15 分钟

引言

ComfyUI 作为 AI 图像生成领域的标准化工具，以其节点式工作流架构深受开发者与创作者的喜爱。而对于 Z-Image 用户来说，ComfyUI-ZImagePowerNodes（简称 Power Nodes）是解锁 Z-Image 全部潜力的关键扩展。

Power Nodes 由社区开发者 martin-rizzo 创建，提供了一套专门为 Z-Image 模型优化的自定义节点。这些节点解决了原生 ComfyUI 在 Z-Image 集成中的多个痛点：文本编码格式、LoRA 加载优化、CFG 调度策略等。

本指南将从零开始，带你完成 Power Nodes 的安装、配置，并深入讲解每个核心节点的使用方法和最佳实践。

一、安装与配置

1.1 前提条件

  • ComfyUI 已安装并运行正常
  • Z-Image Turbo 或 Base 模型已下载
  • Python 3.10+ 环境

1.2 通过 ComfyUI Manager 安装（推荐）

  1. 打开 ComfyUI，点击 Manager 按钮
  2. 点击 Custom Nodes Manager
  3. 搜索 ComfyUI-ZImagePowerNodes
  4. 点击 Install
  5. 重启 ComfyUI

1.3 手动安装

cd ComfyUI/custom_nodes
git clone https://github.com/martin-rizzo/ComfyUI-ZImagePowerNodes.git
cd ComfyUI-ZImagePowerNodes
pip install -r requirements.txt

1.4 模型文件准备

Power Nodes 需要以下模型文件：

文件类型 文件名 下载位置
Z-Image Turbo z_image_turbo.safetensors HuggingFace
Z-Image Base z_image_base.safetensors HuggingFace
Text Encoder Qwen3-4B 相关模型 HuggingFace
VAE vae.safetensors 模型仓库

二、核心节点详解

2.1 ZImageTextEncoder — 文本编码节点

这是 Power Nodes 中最核心的节点，负责将自然语言 Prompt 转换为 Z-Image 所需的编码格式。

输入参数：

参数 类型 说明
prompt STRING 自然语言提示词
clip CLIP 从 CLIPLoader 连接
cfg FLOAT 引导尺度（推荐 1.0-2.0）

关键特性：

  • 自动将 Prompt 格式化为 Qwen3-4B chat template 格式
  • 支持 think block 增强推理
  • 内置系统提示词模板优化

2.2 ZImageTurnBuilder — 多轮对话构建器

用于构建复杂的对话式 Prompt，支持多轮交互的上下文理解。

使用场景：

  • 需要精确控制图像细节的多轮描述
  • 分步骤构建复杂场景
  • 结合系统提示词和用户提示词

典型工作流：

[CLIPLoader] → [ZImageTurnBuilder] → [ZImageTextEncoder] → [KSampler] → [VAEDecode]

2.3 ZImageLoRA — LoRA 加载节点

这是 Power Nodes 解决的最大痛点。原生 ComfyUI 的 LoRA 节点在处理 Z-Image 时经常出现光照异常和色彩失真问题。

与普通 LoRA 节点的区别：

特性 普通 LoRA 节点 ZImageLoRA 节点
光照修复 ❌ ✅
色彩校正 ❌ ✅
Rank 自适应 ❌ ✅
线性/LoRA 切换 ❌ ✅

推荐设置：

  • LoRA 强度：0.6-0.8（过高会导致过拟合）
  • 使用线性 rank（推荐 64-128）

2.4 ZImageSampler — 采样器节点

专门为 Z-Image 优化的采样器，支持：

  • Turbo 模式：4-8 步快速采样
  • Base 模式：20-50 步高质量采样
  • 自适应步数：根据 CFG 和 seed 自动调整

三、完整工作流搭建

3.1 基础工作流

[Load Checkpoint] → [ZImageTextEncoder] → [ZImageSampler] → [VAEDecode] → [Save Image]

步骤详解：

  1. Load Checkpoint：加载 Z-Image Turbo 模型
  2. ZImageTextEncoder：输入 Prompt，连接 CLIP
  3. ZImageSampler：设置步数（Turbo=8, Base=28）
  4. VAEDecode：解码 latent 空间到像素空间
  5. Save Image：保存输出

3.2 进阶工作流（含 LoRA + ControlNet）

[Load Checkpoint]
    → [ZImageLoRA] → [ZImageTextEncoder]
[ControlNet Loader] → [ControlNet Apply] → [ZImageSampler] → [VAEDecode] → [Save Image]

3.3 批量生成工作流

[Load Checkpoint]
    → [ZImageTextEncoder] → [ZImageSampler] → [VAEDecode]
[Batch Prompt Loader] → [ZImageTextEncoder]
[Image Saver (Batch)]

四、Prompt 模板系统

Power Nodes 内置了强大的 Prompt 模板系统，位于：

custom_nodes/comfyui-z-image/nodes/templates/z_image/

4.1 模板格式

[System Prompt]
{system_prompt}

[Think Block]
<think>
{thinking_content}
</think>

[User Prompt]
{assistant_content}

4.2 常用模板

摄影风格模板：

You are a professional photographer. Create a photorealistic image with
natural lighting and realistic textures.

插画风格模板：

You are an illustration artist. Create a stylized artwork with clean lines
and vibrant colors.

产品摄影模板：

You are a product photographer. Create a studio-quality product shot with
clean background and professional lighting.

4.3 模板使用技巧

  1. 自定义系统提示词：根据输出风格调整 system_prompt
  2. 使用 Think Block：在 think 标签中添加推理步骤描述，提升输出质量
  3. 字符计数：Power Nodes 会显示 system、user、think 的字符数和 token 估计
  4. 直接模式：对于简单 Prompt，可以使用 mode: direct 跳过模板格式化

五、高级调优技巧

5.1 CFG 调度

Z-Image 对 CFG 值非常敏感：

CFG 值 效果 推荐场景
0.5-1.0 较低提示跟随度，更自然的画面 艺术创作、抽象风格
1.0-1.5 平衡的提示跟随度 通用场景（推荐）
1.5-2.0 高提示跟随度 精确文字渲染、产品摄影
2.0+ 过高可能导致画面过饱和 不推荐

5.2 种子策略

策略 说明 使用场景
固定种子 可复现的结果 调试、A/B 测试
随机种子 多样性探索 创意探索
种子偏移 在基础构图上微调 批量变体生成

5.3 分辨率设置

分辨率 VRAM 需求 适用场景
512×512 ~4GB 快速预览、缩略图
768×768 ~6GB 社交媒体配图
1024×1024 ~8GB 标准输出
1536×1024 ~12GB 宽屏设计
2048×2048 ~16GB+ 高清输出（需分块）

六、常见错误排查

错误 1：光照异常

症状：生成图像出现不自然的光照效果
原因：使用了普通 LoRA 节点而非 ZImageLoRA
解决：替换为 ZImageLoRA 节点，调整强度至 0.6-0.8

错误 2：文字渲染失败

症状：生成的文字乱码或不可读
原因：CFG 过低或文本编码格式不正确
解决：

  • 提高 CFG 至 1.5-2.0
  • 确认 ZImageTextEncoder 正确连接
  • 检查 Prompt 中文字是否用引号包裹

错误 3：OOM（显存不足）

症状：运行时报 CUDA out of memory
原因：分辨率过高或 VRAM 不足
解决：

  • 降低分辨率至 768×768
  • 使用 Turbo 模式减少步数
  • 启用 CPU 卸载模式

错误 4：模板格式化错误

症状：Power Nodes 控制台显示模板格式警告
原因：Prompt 不符合 Qwen3-4B chat template
解决：

  • 使用 ZImageTextEncoder 自动格式化
  • 或手动遵循 system → think → user 模板结构

七、性能优化

7.1 加速技巧

  1. 使用 Turbo 模式：4-8 步 vs 20-50 步
  2. FP16 精度：在 extra_model_commands.yaml 中设置 dtype: float16
  3. GPU 优化：确保 CUDA 版本与显卡驱动兼容
  4. 批处理：使用批量工作流减少节点切换开销

7.2 内存管理

# 在 ComfyUI 启动参数中添加
--lowvram  # 显存 < 8GB 时使用
--cpu      # 无 GPU 时使用（极慢）

八、工作流模板下载

Power Nodes 提供了一组预配置的工作流模板，可以在 ComfyUI 的 Workflow Templates 中找到：

  • 基础生成：z-image-basic.json
  • LoRA 微调：z-image-lora.json
  • ControlNet 控制：z-image-controlnet.json
  • 批量生产：z-image-batch.json

结语

ComfyUI-ZImagePowerNodes 是目前最完善的 Z-Image ComfyUI 集成方案。通过正确配置和使用这些节点，你可以充分发挥 Z-Image 在文本渲染、图像质量和生成速度方面的优势。

对于刚开始接触 Power Nodes 的用户，建议从基础工作流入手，逐步添加 LoRA、ControlNet 等高级功能。掌握模板系统后，你将能够创建高度定制化的图像生成流水线。

相关文章：

标签：#Z-Image #ComfyUI #PowerNodes #工作流 #自定义节点 #AI图像生成

Z-Image Team

Z-Image ComfyUI Power Nodes 进阶工作流：自定义节点完全配置指南 | Blog