ComfyUI+SDXL单LoRA工作流：从平面图到多风格室内效果图

简介：一套面向室内设计师、家装顾问与AIGC初学者的ComfyUI工作流资源包，基于SDXL大模型配合单个LoRA权重，专门解决房屋平面图快速渲染与装修效果生成的痛点。输入标准PNG黑白线稿，即可输出带材质、光照和软装布置的高分辨率场景图，并支持现代、北欧、工业等多种风格倾向，可直接用于方案汇报与风格比选。压缩包共5个文件，总计17KB，核心为c0012.json工作流文件，另配有Python运行脚本、HTML可视化查看工具及gitignore/inscode配置，结构清晰，方便导入ComfyUI或二次开发。已有200人学习下载。工作流预设了完整节点连接、参数范围和提示词模板，免去手动调参即可稳定出图；同时兼容Tauri+Django封装的图形化AI工具箱，可在本地桌面或局域网环境运行，是快速落地平面图渲染与装修效果生成流程的实用工具。 上周一个做室内设计的朋友跟我吐槽，说客户临时要看三套不同风格的客厅效果图，按老流程建模、打光、渲图，一晚上根本搞不完。我问他试过AI出图没，他说试过SD WebUI，可出来的图要么户型结构对不上，要么风格飘得没边际。然后我把这套ComfyUI+SDXL单LoRA流程丢给他，让他把CAD平面图喂进工作流，十几分钟出三张风格完全不同的效果图，他当场就把文件夹拷走了。

这套流程的核心思路很简单：用ControlNet锁住平面图的结构边界，用SDXL底模保证画面细节的密度，用一个针对室内渲染质感训练的LoRA统一材质、光照和色彩倾向。结果就是同一张原始平面图，可以快速洗出现代简约、原木奶油风、轻奢风甚至新中式。适合三类人：一是设计师做前期概念方案对比，二是业主拿自家户型图提前预览装修效果，三是房屋相关从业者快速给客户展示空间可能性。哪怕你之前只在WebUI里点过“生成”，照着这个工作流走一遍也能复现。

1. 为什么是“SDXL底模+单LoRA”：先想清楚分工再动手

很多人上手就加三四个LoRA，结果风格冲突、结构混乱。单LoRA方案的精髓是“分工明确”：训练或选用LoRA时，不要妄图让它同时管住户型结构、家具款式、材质光影。单个LoRA的容量和训练数据有限，管的维度越多，每个维度都做不好。

1.1 一个LoRA能管什么，不能管什么

我的实践经验是，一个用于室内渲染的LoRA，最值得学习的是“画面质感基线”——即真实世界里的光照、材质反射、软装搭配的色系倾向。这就像给模型戴上了一个“审美滤镜”：LoRA在场，出图自带真实感和高级感；LoRA不在场，即使提示词写得很细，SDXL直出也容易有塑料感或廉价的CG感。

它不该管的是空间结构和透视关系，这些交给ControlNet；家具款式、颜色主题交给提示词。这样划分之后，单LoRA才能在不同提示词下反复使用。如果一开始就把LoRA做成“只会画某种特定风格”，那它就只能应付一个项目，换个户型、换个审美方向就得重新训练，反而不划算。

1.2 为什么选SDXL底模，为什么不直接用WebUI

SDXL相比SD1.5，最大的优势是原生1024分辨率，出图细节密度高很多。室内场景恰恰是细节大户：木纹、布艺纹理、墙面肌理、光影过渡，SD1.5在1024下经常会崩，而SDXL在1024下是舒适区。底模选对，后面LoRA和ControlNet的工作量都小。

为什么不直接用WebUI？WebUI当然能做，但ComfyUI的节点化流程对“固定结构、批量换风格”这种使用方式更友好。同一个工作流保存下来，换一个LoRA、改一句提示词就能继续跑；需要重跑参数时，直接在节点上改，不用像WebUI那样滚动一长串设置。而且ComfyUI的显存占用和出图稳定性，在我自己的实测里都比WebUI版本好一些。

2. ComfyUI节点链路搭建：从模型加载到效果图输出

2.1 准备好了再动手：模型与插件

硬件上，显卡建议8G以上显存，6G硬跑也能出图但放大时会比较吃力。软件如果你用的是秋叶整合包，注意检查内置ComfyUI版本和ControlNet插件是否齐全，缺的话在节点管理器里一键装就行。

模型路径是最容易被忽略的部分：底模放在ComfyUI/models/checkpoints/，LoRA放在ComfyUI/models/loras/，ControlNet模型放在ComfyUI/models/controlnet/。ControlNet具体选哪个？平面图/CAD线稿优先MLSD，手绘草图优先Scribble，带纹理的线稿用Lineart。MLSD对直线结构最敏感，是最适合建筑平面图的一类。

2.2 核心节点一步步来

完整节点链路如下：

1. Load Checkpoint：加载SDXL底模
2. LoraLoader：加载室内渲染LoRA，注意必须同时接UNet和CLIP两组输出，否则LoRA只作用于图像分支，提示词侧没吃到LoRA风格，出图会一半生效一半没生效
3. ControlNetLoader + Apply ControlNet：加载MLSD模型后，先对输入的平面图做MLSD预处理，提取边缘直线，再把预处理后的线稿作为条件图像Apply进去。这里的条件图像是线稿，不是原始平面图
4. CLIP Text Encode（正向/负向）：分别输入提示词
5. KSampler：设置采样参数，见第4章
6. VAE Decode：解码输出，SDXL自带VAE即可

SDXL的CLIP是双文本编码器，ComfyUI会自动处理，不用手动加载两个text encoder。这个细节在WebUI里常常被忽略，但在ComfyUI里是默认行为，省心很多。

2.3 一套可以直接抄的提示词

正向提示词示例，现代简约风客厅：

a modern minimalist living room, light oak wood floor with subtle grain, white wall with faint plaster texture, low-profile gray fabric sofa with a few pillows, floor-to-ceiling window, soft natural daylight, olive tree in corner, warm neutral tone, photorealistic, architectural visualization, ultra detailed, 8k

负向提示词示例：

lowres, blurry, distorted, deformed, watermark, text, extra walls, broken perspective, crooked lines, dark gloomy, oversaturated, plastic texture, messy, clutter

这里每个负向词都对应实际问题：dark gloomy避免暗黑氛围，oversaturated避免饱和度爆炸，plastic texture避免廉价材质感。如果你的LoRA权重偏高，plastic texture这类词可以保留，防止LoRA把自己的纹理感带过头。

3. 单LoRA的权重、触发词与提示词协同调配

3.1 权重怎么调：0.6与0.8之间隔着什么

LoRA权重是这套流程里最需要耐心的参数，我的建议范围如下：

实测经验：同一张平面图，LoRA权重从0.6提到0.85，出图会从“大众点评家装摄影”变成“设计公司官方效果图”。再往上，就可能开始出现门把手变形、踢脚线融成一片这类问题。

3.2 风格靠提示词切换，质感靠LoRA兜底

这是单LoRA方案能复用多个风格的关键。如果你是自己训练LoRA，数据集不要只收一种风格，而是多收集真实室内设计案例，质量优先，打标统一用“interior design, realistic render”这类描述，不要固定到具体风格上。这样训练出来的LoRA学的是“高品质渲染质感”，而不是某一种风格；推理时，把风格关键词（现代简约、原木、轻奢）全部交给提示词。

如果你的LoRA是针对单一风格训练的，那提示词里就不需要再写大段的风格描述，直接写空间类型和材质细节即可。这个区分决定了单LoRA能不能跨风格复用，很多人在这一步栽跟头——训练数据太单一，导致LoRA一出场就把所有风格都带偏。

3.3 提示词结构模板

我习惯的提示词结构按顺序分层：

1. 空间类型（living room / bedroom / kitchen）
2. 视角与构图（wide angle, eye level）
3. 风格关键词（modern minimalist / Scandinavian / light luxury）
4. 材质细节（floor, wall, furniture）
5. 光照氛围（soft natural light, cozy evening light）
6. 质量后缀（photorealistic, architectural visualization, ultra detailed）

负向提示词保持相对稳定，只动正向部分。这样批量比较不同风格时，变量更可控，也方便回溯问题出在哪一层。

4. 稳定出图的参数区间与批量渲染思路参考

4.1 采样器、步数与CFG

三个最影响结果的参数：

• 采样器：DPM++ 2M Karras，这是SDXL最稳的默认选项。追求速度可以用DPM++ SDE Karras，但相同步数下速度优势有限
• 步数：25-35步。低于20步，LoRA的细节和ControlNet的结构约束都容易没吃透；高于40步，画面不会明显更好，纯浪费算力
• CFG：4-7，推荐5.5-6.5。CFG太低，图会变灰、变脏；太高，色彩会艳俗，结构容易“画蛇添足”

我常用的参考组合是：步数28、CFG 6、DPM++ 2M Karras。这不是唯一答案，但它覆盖绝大多数室内场景，适合作为起点再调。

4.2 分辨率与放大策略

单LoRA工作流里的分辨率策略建议：

1. 首先生成1024x1024，这是SDXL的原生舒适区
2. 用Hires Fix或Ultimate SD Upscale放大到2048
3. 放大时Denoising strength控制在0.3-0.45之间，太高会改变构图

我实际踩过的坑是：放大时denoising给到0.6，出来的图虽然变清晰了，但沙发位置和窗台比例都跟原图不一样了。降回0.35后，细节保留和清晰度都能兼顾。

4.3 批量渲染时的随机与固定策略

做方案比稿时常用两招：

• 固定Seed + 固定ControlNet图，只改正向提示词里的风格关键词：得到的是同一户型不同风格，适合给业主选风格方向
• 固定提示词和ControlNet图，连续换Seed：得到的是同一风格下多张构图略有差异的方案，适合从里面挑角度最好的

在ComfyUI里，Seed节点直接输入数字就能固定复现，不固定则会每次随机。批量循环可以用ComfyUI自带的队列功能配合正则表达式，也可以用工作流外的脚本控制。对于设计比稿，我一般先产出20张不同风格图，再人工筛选3张精修，这个环节比纠缠单张参数更耗时间。

5. 踩坑记录与完整排查链路：户型图崩坏、风格漂移、黑图

5.1 结构崩坏：平面图线条消失或变成实景纹理

现象：输入的是正经平面图，出图却变成“实景照片”里随手画的几道线条；或者户型边界直接变成墙体纹理，门洞消失。

排查链路：

1. 先看ControlNet预处理结果。MLSD提取出来的线稿本身是否完整？如果线稿残缺，问题在预处理器，换Scribble或Lineart再试
2. 再看Apply ControlNet的权重。Standard权重默认1.0，但如果LoRA权重偏高，可以适度降到0.8-0.9，给结构留更多空间
3. 最后看采样步数和CFG。步数太少（低于20）时ControlNet约束没吃透；CFG太高（超过8）时模型会被提示词带着跑，结构约束被冲淡

修正后再跑一次，基本能恢复结构。这个问题80%以上出在预处理器，而不是模型本身。

5.2 风格漂移：同一个提示词，为什么前后不像同一套房

现象：前后跑两张客厅，结构都是对的，但一张像北欧原木，一张像复古红砖墙，业主看了以为你换了个户型。

排查链路：

1. 检查Seed是否固定。批量比较时先固定Seed，不然每个结果都在“碰运气”
2. 检查LoRA权重。权重偏低（0.4以下）时，LoRA几乎不发挥作用，SDXL底模自带的“杂念”会主导画面
3. 检查正向提示词里风格词的强度。风格词写得太弱，采样器会自由发挥；建议把风格词放在提示词前部，越靠前权重越大，并用逗号分隔

5.3 黑图、绿图与噪点图

现象：整张图黑成一片，或出现绿色紫色噪点。

最常见原因有三个：

1. VAE没接对，或下载了通道不对的VAE。SDXL模型直接选择自带的VAE即可，不要随便换SD1.5时代的老VAE
2. 模型文件损坏或底模路径选错，导致加载过程出错
3. 显存不足时ComfyUI有时会输出纯黑色图，这时把分辨率调低，或关掉其他占显存程序再试一次

5.4 我在实际交付中最常被问的一句话

“能不能再快点？”如果要加速，首选LCM这类加速LoRA，把步数压到8-10步，画面质感会略降，但做概念草案完全够用。如果只是比稿，不用每张都跑满30步，先低步数批量跑出方向，再对入围的几张跑高质量参数。这套流程跑下来，单个户型的草案阶段基本能控制在半小时内。

最后说点我自己的使用习惯。这套工作流我保存了至少三个版本：一个日常快速草案版（低步数、高随机）、一个比稿精修版（满步数+放大）、一个客户动线版（固定视角序列）。每次接到新项目的户型图，我先花10分钟把平面图丢进ControlNet预处理确认线稿干净，再固定一批Seed跑几个风格方向，确认业主审美偏好后再精修。整套流程跑顺之后，单个户型的渲染交付时间基本能控制在半小时以内。如果你也卡在“AI出图好看但不受控”这个阶段，不妨把结构、风格、质量这三个变量拆开，让每个模块只干一件事，效果会比你继续堆LoRA明显得多。

本文还有配套的精品资源，点击获取