DigitFold Studio 采用工程化的工作流管理模式，让 AI 创作过程更加系统化和可控。本文档详细介绍工作流的完整运行流程。
一、工作流概述
工作流是 DigitFold Studio 中的核心概念，它将复杂的 AI 生成任务封装成可复用的流程模板。每个工作流包含：
- 节点配置：定义 ComfyUI 中的节点连接和数据处理流程
- 参数配置：定义用户可调整的参数项（提示词、模型、分辨率等）
- 结果配置：定义输出结果的展示方式和保存路径
通过工作流，您可以快速重复执行相同类型的 AI 创作任务，而无需每次都手动配置 ComfyUI 节点。
二、选择工作流
1. 从工作流库添加
- 点击左侧边栏的 “工作流” 按钮进入工作流库视图
- 在工作流库中浏览可用工作流：
- 使用 搜索框 输入关键词查找
- 使用 分类菜单 筛选不同类型的工作流
- 点击工作流卡片查看详情：
- 查看工作流封面、名称和描述
- 点击 “查看介绍” 了解详细说明
- 点击 “使用该工作流” 添加到当前工程
2. 工程中的工作流
- 添加的工作流会显示在左侧工作流列表中
- 点击工作流名称即可选中并加载到中间参数配置区
- 每个工作流可以独立配置参数和执行
三、配置参数
选中工作流后，您可以在中间区域配置参数。参数分为两类：
1. 基础参数（中间栏显示）
基础参数是工作流中最常用的配置项，包括：
- 提示词（Prompt）
- 分辨率（Resolution）
- 采样步数（Steps）
- 采样方法（Sampler）
- 引导强度（CFG Scale）
- 种子值（Seed）
- 保存名称
- 图像输入
- 保存路径
操作提示：
- 多数参数都有帮助提示（鼠标悬停可查看）
- 种子值可点击“随机”按钮生成
- 图像类参数支持上传/替换文件
- 路径类参数可使用“选择…”按钮选择文件夹
2. 高级设置（弹窗显示）
点击 “高级设置” 按钮可打开模型相关的高级配置项，包括：
- 大模型（Checkpoints）选择
- LoRA 模型
- ControlNet 模型
- VAE、Upscaler 等其他模型
重要提示：确保所有模型文件均已放入 ComfyUI 对应目录，否则执行会报错。
模型路径说明
常见的模型目录如下：
- Checkpoints：ComfyUI/models/checkpoints/
- LoRA：ComfyUI/models/loras/
- ControlNet：ComfyUI/models/controlnet/
- VAE：ComfyUI/models/vae/
- Upscaler：ComfyUI/models/upscale_models/
3. 参数保存
- 所有参数会自动保存至当前工程
- 建议修改参数后点击 Ctrl+S 保存工程
- 再次打开工程时会自动恢复参数
四、执行工作流
1. 执行前准备
- ComfyUI 路径正确
- 所有模型已下载
- ComfyUI 服务已启动
- 参数填写完整
2. 开始执行
- 检查参数
- 点击“执行”按钮
- 系统会自动保存 → 发送任务 → 开始执行
3. 执行过程
右侧结果面板会显示：
- 执行状态
- 运行时间
- 正在执行的节点编号
4. 查看运行日志
- 查看节点执行状态
- 错误提示与警告
- GPU/CPU 使用情况
可清空日志、自动滚动、排查错误。
五、结果返回
1. 执行完成
- 状态变为 “已完成”
- 根据类型显示图片/视频/其他结果
2. 结果操作
- 点击查看大图
- 标记收藏
- 筛选已标记作品
- 查看历史结果
3. 历史记录
- 支持分页浏览
- 点击查看历史生成内容
- 右键删除结果文件
六、常见问题
Q1: 模型不存在报错
检查模型名称 → 下载模型 → 放入正确目录 → 重启执行
Q2: ComfyUI 启动失败
检查路径、依赖、日志
Q3: 执行时间过长
- 降低分辨率
- 减少采样步数
- 检查 GPU 性能
Q4: 生成结果不符合预期
- 优化提示词
- 调整 CFG
- 尝试不同采样器
Q5: 如何重现之前结果？
- 找到历史记录
- 复现相同参数（特别是种子值）
- 重新执行
七、最佳实践
- 模型管理：按目录分类，避免冗余
- 参数调整：先基础后高级
- 结果管理：及时标记、定期清理
- 性能优化：按 GPU 性能调整任务量
通过掌握工作流运行模式，您可以高效完成各种 AI 创作任务，充分发挥 DigitFold Studio 的强大功能。