今天展示的案例是一个基于ComfyUI的多重 LoRA 组合工作流。该流程通过在同一生成链路中叠加不同的 LoRA 模型，以实现人物形象的细腻刻画与风格融合。
整体运行逻辑由基础 Checkpoint 模型驱动，再叠加 Blindbox 与 MoXin 两个 LoRA 权重，结合正负提示词的语义控制，最终在 KSampler 采样器中完成潜在空间生成，经过 VAE 解码后得到高质量成片。此类工作流的应用能够直观展示不同 LoRA 模型的风格互补效果，为角色定制与艺术创作提供更具灵活性的解决方案。
文章目录
- 工作流介绍
- 核心模型
- Node节点
- 工作流程
- 大模型应用
- CLIPTextEncode（正向） 多组提示词语义编码核心
- CLIPTextEncode（负向） 多组负向约束
- CR Apply LoRA Stack 多 LoRA 权重融合器
- KSampler 图像采样生成
- 使用方法
- 应用场景
- 开发与应用
工作流介绍
该工作流的核心是通过主干 Checkpoint 模型与多重 LoRA 模型的组合使用，借助文本条件编码节点控制生成结果，最后通过采样与解码完成高分辨率图像生成。从结构上看，CheckpointLoaderSimple 节点加载了 dreamshaper_8 主模型，为后续图像生成奠定了基础；随后通过 LoraLoader 依次叠加 Blindbox 与 MoXin 两个 LoRA 模型，并控制其权重参数；文本提示部分则由 CLIPTextEncode 节点完成，对正面和负面描述分别进行条件化；在 KSampler 节点中汇总模型、条件与潜在图像进行采样；VAE 解码负责将潜在特征还原为可视图像，最终通过 SaveImage 节点导出成片。整体设计既保证了灵活性，又能通过参数调整探索多种效果组合。
核心模型
在该工作流中，核心模型包括基础的 Checkpoint 模型和两个 LoRA 模型。Checkpoint 提供了稳定的视觉生成能力，而 LoRA 模型则用来注入额外的风格或人物特征。不同模型之间的配合能够在保持清晰细节的同时，为作品赋予独特的审美取向。例如，dreamshaper 模型侧重整体风格的自然渲染，而 Blindbox 和 MoXin 的叠加则使画面更具定制化特征，从而形成独特的影像风格。
