★ FEATURED ARTICLE ComfyUI 官方 image_edit 工作流上手从导入到出图编辑提示词怎么写才不翻车Qwen-Image-2.1 发布后社区讨论最热的不是它的文生图而是「改图」。这个仅 7B 参数的 DiT 架构模型把生成与编辑收进同一个权重大小里原生输出 RGBA 透明图最多同时吃进 10 张参考图协同控制——这些能力最终都沉淀到了 ComfyUI 的官方image_edit工作流模板中。而 GGUF 量化版的到来本仓库即Qwen-Image-2.1-GGUF又让这套编辑能力从 24GB 显存的专属体验下探到了 4G~8G 显存的平民配置。本文基于本仓库的模型文件与官方 image_edit 工作流的真实节点参数从部署、导入到出图全链路走一遍重点拆解编辑提示词的书写规范——这是社区里最容易翻车、也最值得讲透的部分。一、部署与导入GGUF 让 image_edit 跑进低显存1. 文件清单与目录组织Qwen-Image-2.1 的推理链路和 SD 系一样是「扩散模型 文本编码器 VAE」三件套但量级完全不同主模型 7B、文本编码器是 8B 的 Qwen3-VL单独一项就比很多老模型整套还大。本仓库已经按 ComfyUI 的读取目录把配套文件组织好了对照 README.md 的说明落地结构如下ComfyUI/ └── models/ ├── diffusion_models/ │ └── qwen-image-2.1-Q4_K_M.gguf # 选择一个 GGUF 量化档 ├── text_encoders/ │ └── qwen3vl_8b_int8_convrot.safetensors # 或 bf16 版 └── vae/ └── qwen_image_2.1_vae_bf16.safetensors扩散模型 GGUF 有五个量化档位可供选择详见仓库根目录的文件列表与 SHA256SUMS量化档文件体积Q8_0qwen-image-2.1-Q8_0.gguf7.59 GBQ6_Kqwen-image-2.1-Q6_K.gguf5.88 GBQ5_K_Mqwen-image-2.1-Q5_K_M.gguf5.22 GBQ4_K_Mqwen-image-2.1-Q4_K_M.gguf4.60 GBQ4_0qwen-image-2.1-Q4_0.gguf4.05 GBREADME 明确推荐Q4_K_M作为体积与质量的最佳平衡点。文本编码器则有两个精度text_encoders/qwen3vl_8b_bf16.safetensors约 17.53 GB与text_encoders/qwen3vl_8b_int8_convrot.safetensors约 9.35 GB——低显存场景选 int8 版本。VAE 统一使用vae/qwen_image_2.1_vae_bf16.safetensors676 MB。2. 插件与节点替换GGUF 主模型不能直接用原生UNETLoader加载需要安装维护版插件ComfyUI-GGUFleejet forkREADME 指明其原生支持 Qwen-Image 2.1。这里有一个社区高频踩坑点如果装的是旧版 city96 的ComfyUI-GGUF加载时会直接报Unknown model architecture!必须升级到 leejet fork。导入官方image_edit模板后节点配置只需做一处关键替换把默认的UNETLoader换成Unet Loader (GGUF)选中下载的.gguf文件即可。文本编码器用标准CLIPLoader重点是把type 设为qwen_imageVAE 用标准VAELoader。有一个官方模板依赖、但本仓库未打包的文件需要特别提醒提示词增强器Prompt Enhancer模型qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot.safetensors。它是编辑链路里负责把模糊指令重写为精确指令的 9B 模型官方模板默认通过它做一次改写。GGUF 用户要么自行补充该文件要么在节点上把refine_prompt关掉、让原始指令直通编辑模型——后者虽然少了「打草稿」环节但跑得更快。二、官方 image_edit 工作流核心链路拆解导入官方模板后画布上的主链路非常克制两个Load Image→ 一个TextEncodeQwenImage21→KSampler→VAEDecode→Save Image (Advanced)旁路还有一个ImageCompare做前后对比。逐项拆开看Load Imageimage_1 是画布其余全是素材官方模板预置了两张输入图portrait_model_denim.png人物编辑目标和clothing_light_blue_denim_shirt.png服装参考素材对应的正是「换装」这个最典型的编辑场景。关键约定image_1是被编辑的画布image_2到image_10都是参考素材。输出分辨率跟随 image_1额外参考图可以有不同的尺寸和宽高比。TextEncodeQwenImage21编辑语义都从这里进这是 Qwen-Image-2.1 专用的文本编码节点不是 SD 系的CLIP Text Encode。它同时接收 prompt、negative_prompt、参考图像和 VAE一口气吐出positive、negative两条 conditioning 和一条由图像编码得到的latent。注意它输入的resolution是总像素预算而非宽高——官方默认 1024模型最高支持 2048宽高比由模型自行保持。KSampler官方默认参数先照抄官方模板 KSampler 的默认值是steps25、cfg1、samplereuler、schedulersimple、denoise1。这里有两个反直觉的点需要强调cfg1 是 Qwen-Image-2.1 的官方路径与 SDXL 习惯完全不同。此时 negative_prompt 实际上不参与作用只有当你确实想用负向提示词约束输出时才需要把 cfg 抬起来。steps25 是模板的起步值官方注释里写明官方 pipeline 在 euler 采样下大约需要 40~50 步高级采样器可以用更少的步数。保存与对比输出端用Save Image (Advanced)默认 PNG、8-bit、sRGB 前缀Qwen_image_2.1ImageCompare把原图与结果并排显示方便逐像素核对编辑是否「改到点子上」——这在调提示词阶段几乎是必备工具。三、编辑提示词官方增强器教我们的不翻车法则官方模板内置的 Prompt Enhancer 系统提示词本身就是一份高质量的「编辑提示词写作规范」。把它提炼成四条可直接套用的原则基本就能避开 90% 的翻车法则一属性解耦——只改被点名的其余保持输入保真官方系统提示词的原话是「Edit exactly the attribute(s) the user named, push each to a strong and unmistakable degree, and hold everything else at input fidelity」只编辑用户点名的属性、把该属性改到位、其余一切保持输入保真度并明确指出两大对称失败模式泄漏leakage改锐化结果连带把色调重排了、换装把配饰换没了——动了不该动的东西欠编辑under-editing输出让人看不出和原图有区别——改得太轻。所以提示词里「改什么」要具体到可观察的视觉属性「不动什么」要用一句话兜底。比如官方示例Replace costumes for the character落到实操可以写成将 image1 中人物的服装替换为 image2 所示浅蓝色牛仔衬衫保持人物面部、发型、姿态、背景与光环境完全一致仅更换上身服装。注意最后的「保持」从句要正向陈述「保持……完全一致」不要写成「禁止改变背景」这类否定句式——官方规范明确要求用肯定句陈述保持项。法则二身份是编辑里最难的恒量人脸身份、个人标志性配饰、商品的具体设计细节、以及输入的渲染媒介照片/动漫/插画/3D 渲染默认都要在编辑中存活除非用户明确点名修改。而当身份来自参考图时用imageN标签指向它而不是用文字描述长相——官方规范的原话是「verbal descriptions make the model regenerate and degrade the likeness」文字描述会触发模型重新生成、降低相似度。这也是为什么参考图必须走标签而不是「图一里那个人」这样的自然语言。法则三画面里的文字是字面量引号内就是要渲染的字这是中文用户最容易翻车的点。官方规范强制凡是要在成图里以可见文字形式出现的内容必须用双引号包起来并且严格单语——引号内不能中英混排不能输出双语对照。语言决策遵循固定优先级用户明确指定了文字/目标语言 → 按指定来输入图本身有文字 → 跟随图中主导语言都没有 → 跟随用户指令的语言。换句话说你想在图上加「夏日特惠」四个字就写成在横幅上添加标题夏日特惠让增强器和编辑模型都拿到精确字符模糊地描述「加个促销标题」大概率得到乱码或错语种。法则四多图必须打标签单图用自然语言有两张及以上输入图时提示词内引用必须用image1、image2……标签并逐个说明每张图的作用谁是画布、谁提供素材单图编辑时反而不要用标签直接说「图像中」「图片里」。这套规则决定了编辑结果的确定性——标签引用的是像素级输入文字描述是模型的「再创作」二者边界必须划清。四、steps 与 CFG官方默认和社区经验怎么对齐社区里流传的 image_edit 调参建议是「steps20、CFG4~7」而官方模板默认是「steps25、cfg1」。两者并不矛盾但必须讲清适用前提cfg1 成立的条件是你不写 negative_prompt。Qwen-Image-2.1 的官方路径就是不依赖负向提示词的此时 CFG 起不到「拉远距离」的作用盲目调高反而容易过曝或结构崩坏。一旦你开始写负向提示词比如想压制某些具体瑕疵才需要把 cfg 提到 4~7 区间并同步验证画面稳定性。steps 在 20~25 之间做减法即可。官方 40~50 步是「完整采样」的保守值模板起步 25 步、社区推荐 20 步都是对 eulersimple 组合下收敛曲线的实测折中。要再快方向是换更高效的采样器官方注释明确高级采样器需要更少步数而不是在 euler 上硬压步数——压到 15 步以下边缘细节会先于整体构图劣化。分辨率遵循总像素预算默认 1024、上限 2048且输出跟随 image_1。开custom_size自定义宽高时务必贴近 image_1 重采样后的尺寸否则编辑结果会发生整体位移——官方注释对此有明确警告。低显存场景的优化清单按收益排序扩散模型留 VRAM、文本编码器放系统内存README 给出的关键建议是 GGUF 扩散模型放 GPU采样阶段是速度瓶颈所在文本编码器 offload 到 RAM 跑——因为编码只在每轮提示词执行一次此举可省下 9~17 GB 显存且几乎不影响速度int8 文本编码器qwen3vl_8b_int8_convrot.safetensors比 bf16 版省约 8 GB 内存Q4_K_M 档 GGUF扩散模型约 4.6 GB 常驻 VRAM仍 OOM 就加--lowvram启动参数兜底。这套组合在 8G 显存设备上跑 image_edit 是社区已验证可行的配置——代价只是文本编码首轮稍慢采样与出图速度几乎无损。五、收尾校验与许可最后两点合规提醒。下载模型后先对照 SHA256SUMS 逐文件校验完整性——qwen-image-2.1-Q4_K_M.gguf、两个文本编码器、VAE 的哈希都在其中本仓库模型基于 Qwen Research License 发布README 头部标注qwen-research商用需确认授权边界。全部文件在本地闭环运行图片与提示词不出本机这也是 GGUF 本地化方案相比在线 API 在隐私维度上的天然优势。从部署到出图官方 image_edit 工作流的每一次「稳定出图」本质都是「输入保真 精确改动」两条原则的胜利。把image_1画布、imageN标签、引号内的字面文字这三件事写清楚翻车率会直线下降。创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
阅读完成 · 觉得有帮助？
