1. 线稿到成品为什么传统流程总在“最后一公里”卡住做过场景设计的人都有个共识线稿阶段往往是最痛快的。铅笔在纸上走线、数位板上勾轮廓脑子里想的是构图、透视、光影关系整个过程是连贯的、直觉驱动的。但一旦进入上色和细化阶段事情就变了味——你要在几十个图层之间来回切换要反复调整色相饱和度要处理材质纹理要匹配光影逻辑。一个中等复杂度的场景从线稿到成品光是重复性的机械操作就能吃掉60%以上的时间。我最初做场景设计的时候习惯是线稿画完之后扫描进Photoshop然后手动铺底色、建图层组、逐层上色。一套流程走下来快则三四个小时慢则一整天。问题不在于画得慢而在于创作节奏被打断了。你刚想好一个光影氛围结果花了二十分钟在抠选区你刚调出一个满意的色调结果发现某个图层的混合模式不对又得回头改。这种反复的上下文切换才是效率的真正杀手。后来我开始接触AI辅助工具最初的想法很简单能不能让机器帮我做那些重复性的、规则明确的工作比如自动识别线稿区域、自动填充底色、自动生成材质参考。试了一圈之后发现真正好用的方案不是“让AI替你画”而是把AI嵌入到已有的工作流里让它成为流程中的一个节点而不是替代整个流程。这篇文章要聊的就是我自己跑通的一套“线稿到成品”的AI辅助工作流。核心思路是用ComfyUI做线稿预处理和风格化生成用PS插件做精细化控制和后期合成中间通过标准化的文件命名和图层结构来衔接。整套流程不需要你放弃已有的绘画习惯也不需要你从头学一个全新的软件而是在你熟悉的PS环境里把AI能力“插”进来。适合谁来参考如果你是有一定PS基础的场景设计师、概念设计师、插画师这套流程能帮你把重复劳动压缩掉一半以上。如果你是完全的新手也没关系我会把每个环节的原理和操作都拆开讲你跟着走一遍就能跑通。提示这套工作流的核心不是“一键出图”而是“人机协作”。AI负责生成候选方案和处理机械操作你负责审美判断和最终调整。两者的边界要清晰否则很容易陷入“AI生成一堆图但没一张能用”的困境。2. 工作流的骨架ComfyUI做生成PS插件做控制2.1 为什么选ComfyUI而不是WebUI市面上做AI图像生成的工具不少我最终选ComfyUI作为工作流的核心引擎原因有三个。第一是节点式工作流的可复现性。ComfyUI的每一个操作都是一个节点节点之间的连接关系就是完整的工作流定义。你可以把整个流程保存成JSON文件下次直接导入就能复现一模一样的结果。这对于场景设计来说太重要了——你今天调出了一个满意的光影氛围明天想在这个基础上微调直接加载工作流改参数就行不用从头再来。第二是对线稿控制的支持更精细。ComfyUI里有ControlNet、Lineart、Canny、Scribble等多种线稿预处理节点你可以根据线稿的精细程度选择不同的预处理器。比如铅笔草稿适合用Scribble精细线稿适合用Lineart建筑场景适合用MLSD直线检测。这种灵活性在WebUI里也有但ComfyUI的节点式结构让你可以同时接入多个控制信号比如线稿深度图色彩参考三者叠加来控制生成结果。第三是和PS插件的衔接更顺畅。ComfyUI支持通过API接口接收外部请求这意味着PS插件可以把当前画布的内容发送给ComfyUI生成结果再回传到PS图层里。整个交互过程不需要你手动导出导入文件在PS里点一下按钮就能完成。2.2 PS插件的角色不是替代PS而是增强PS很多人对PS插件的理解是“给PS加个AI按钮”点一下就能生成图片。这种理解没错但不够准确。在我这套工作流里PS插件承担的是精细化控制和后期合成的角色。具体来说插件要做的事情包括把当前选中的线稿图层发送到ComfyUI、接收生成结果并自动创建为新图层、根据预设的图层结构自动分组和命名、批量处理多个画板或图层。这些操作单独拿出来都不复杂但组合在一起就能把“线稿→AI生成→PS调整→再生成→再调整”这个循环的摩擦成本降到最低。我用的插件是基于auto-photoshop-sd的思路自己改的核心功能是建立PS和ComfyUI之间的双向通信。市面上类似的插件有不少选择的时候重点看三个指标是否支持自定义工作流JSON、是否支持图层级别的发送和接收、是否支持批量处理。这三个指标决定了插件能不能融入你的实际工作流而不是只能做demo。2.3 文件命名和图层结构的约定这是最容易被忽略但最重要的一环。AI辅助工作流跑得顺不顺很大程度上取决于你的文件组织是否规范。我的约定是这样的线稿图层统一命名为lineart_base如果有多个线稿版本用lineart_v1、lineart_v2这样的后缀区分。生成结果统一放在名为ai_output的图层组里每个结果图层命名为ai_[工作流名称]_[序号]。色彩参考图层命名为color_ref深度图命名为depth_map。为什么要这么严格因为当你的工作流里涉及多个AI节点和多次生成时图层会迅速膨胀。如果没有统一的命名规则你很快就会分不清哪个图层是哪个版本生成的、用了什么参数。更麻烦的是当你需要回溯修改的时候找不到对应的源文件。注意图层命名规则一旦确定在整个项目里就要严格执行。我见过太多人因为“这次先随便命名下次再规范”结果导致工作流跑不通的情况。命名规范不是可选项是必选项。3. 线稿预处理让AI读懂你的线条3.1 线稿质量决定生成上限AI生成场景图的质量很大程度上取决于输入线稿的质量。这里说的“质量”不是指画得好不好看而是指线条的清晰度、闭合性和信息完整度。我做过一组对比测试同一张场景线稿分别用原始扫描件、二值化处理后的版本、以及经过边缘增强的版本作为输入生成结果的差异非常明显。原始扫描件因为纸张纹理和灰度噪点AI会把这些噪点也当作线条信息处理生成结果里会出现莫名其妙的纹理。二值化处理后线条变干净了但细线条容易断裂导致AI在断裂处“脑补”出错误的结构。边缘增强版本的效果最好线条连续且粗细均匀AI能准确识别出场景的轮廓和分区。所以线稿预处理的第一步是在PS里把线稿处理成纯黑白、线条连续、无噪点的状态。具体操作图像→调整→阈值把灰度线稿转成黑白然后用画笔手动修补断裂的线条最后用“滤镜→其他→最大值”稍微加粗线条确保AI能识别到。3.2 ComfyUI里的线稿预处理节点链线稿进到ComfyUI之后还需要经过一层预处理才能被ControlNet有效利用。我常用的节点链是这样的{ preprocessor: LineartStandard, resolution: 1024, threshold: 0.3, line_thickness: 2 }LineartStandard预处理器的作用是提取线稿的骨架信息threshold控制线条的敏感度值越低保留的细节越多但噪点也越多line_thickness控制输出线条的粗细。对于场景设计我一般把threshold设在0.25到0.35之间line_thickness设在2到3之间。这个参数区间是试出来的——太低会导致细节过多、生成结果杂乱太高会丢失结构信息、生成结果空洞。如果你用的是铅笔草稿而不是精细线稿可以把预处理器换成Scribble它对松散线条的容忍度更高。如果是建筑或室内场景MLSD对直线结构的识别更准确。3.3 线稿分层前景、中景、背景的分离处理场景设计的一个特点是层次感。前景、中景、背景在透视、细节密度、光影处理上都有不同的要求。如果把它们混在一起送给AI生成结果往往会出现“前景不够细、背景不够虚”的问题。我的做法是在PS里就把线稿分成三个图层lineart_fg前景、lineart_mg中景、lineart_bg背景。然后分别用不同的ControlNet权重和生成参数来处理。前景用高权重1.2-1.5保证细节还原中景用中等权重0.8-1.0背景用低权重0.5-0.7允许AI有更多发挥空间。这个分层处理的思路灵感来自传统绘画里的“空气透视法”——越远的物体对比度越低、细节越少。AI生成的时候如果你不给它这个层次信息它会一视同仁地处理所有区域结果就是背景和前景一样清晰画面失去纵深感。3.4 实测中容易翻车的三个细节第一个细节是线稿的闭合性。AI对闭合区域的识别能力很强但对开放线条的理解就差很多。如果你的线稿里有大量开放线条比如没有闭合的轮廓AI可能会把它们当作纹理而不是边界。解决办法是在预处理阶段用“闭合线条”功能把主要轮廓闭合起来。第二个细节是线条交叉处的处理。场景线稿里经常有线条交叉的情况比如树枝和建筑轮廓交叉、人物和背景交叉。AI在处理交叉点时容易产生歧义生成结果里出现结构混乱。我的经验是在交叉处稍微加粗线条给AI一个明确的“这里是一个节点”的信号。第三个细节是留白区域的控制。线稿里的留白区域比如天空、水面在AI看来是“没有信息”的区域它会自由发挥。如果你对留白区域有明确的色彩或纹理要求最好在预处理阶段用浅灰色填充给AI一个色彩倾向的提示。4. 生成阶段参数调优与风格控制4.1 模型选择写实、概念、还是风格化场景设计的风格跨度很大从写实建筑到奇幻概念从日式动画背景到欧美卡通。不同的风格需要不同的底模和LoRA组合。我的模型库分成三类写实类用RealisticVision系列适合建筑可视化、室内设计概念类用DreamShaper系列适合奇幻场景、科幻概念风格化类用Anything系列配合特定风格的LoRA适合动画背景、插画风格。选择模型的时候不要只看模型名称要看它的训练数据集和擅长领域。比如同样是写实模型有的擅长人物、有的擅长风景、有的擅长建筑。场景设计主要用到的能力是空间结构理解和材质表现所以优先选在这两个维度上表现好的模型。4.2 采样器和步数的取舍采样器的选择直接影响生成速度和画面质量。我常用的组合是DPM 2M Karras配合25-30步。这个组合在速度和质量之间取得了比较好的平衡生成一张1024x1024的图大约需要15-20秒取决于显卡。如果你追求极致质量可以用DPM SDE Karras配合40步以上但生成时间会翻倍。如果你在做批量测试可以用Euler a配合20步速度快但细节会少一些。步数不是越多越好。超过30步之后画面质量的提升非常有限但生成时间线性增长。我做过测试25步和50步的生成结果在正常观看距离下几乎看不出区别。所以除非你在做大幅面输出否则25-30步足够了。4.3 CFG Scale控制AI的“听话程度”CFG Scale控制的是生成结果与提示词的匹配程度。值越高AI越“听话”但画面会变得僵硬值越低AI越自由但可能偏离你的意图。场景设计的CFG Scale一般在7-9之间。低于7的时候AI会忽略很多线稿细节高于9的时候画面会出现过饱和和结构扭曲。我一般设在7.5然后根据生成结果微调。这里有个经验CFG Scale和ControlNet权重是联动的。如果你把ControlNet权重设得很高比如1.5CFG Scale就要相应降低比如6.5否则画面会过度拟合线稿失去AI生成的丰富性。反之如果ControlNet权重较低0.6CFG Scale可以适当提高8.5让AI在结构准确的前提下有更多发挥空间。4.4 用LoRA做风格微调LoRA是控制生成风格最直接的工具。场景设计常用的LoRA类型包括光影氛围类比如“黄金时刻”“阴天”“夜景”、材质类比如“石材”“金属”“植被”、风格类比如“吉卜力”“赛博朋克”“水墨”。使用LoRA的时候权重一般设在0.6-0.8之间。太高会覆盖底模的多样性太低则效果不明显。多个LoRA可以叠加使用但总权重不要超过1.5否则画面会变得混乱。我自己的习惯是底模负责结构和基础质感LoRA负责氛围和风格。比如做一个森林场景底模用写实类保证树木的结构准确LoRA用“晨雾”和“植被”来营造氛围。这样生成的结果既有结构可信度又有氛围感染力。4.5 批量生成与筛选策略AI生成的一个优势是可以批量出图。我一般会一次性生成8-16张然后从中筛选。筛选的标准不是“哪张最好看”而是“哪张最接近我想要的氛围和结构”。具体操作在ComfyUI里设置batch_size为8seed设为随机。生成完成后在PS里用插件的“批量导入”功能把所有结果导入为图层组。然后快速浏览把明显不合适的删掉保留3-5张有潜力的。接下来是局部重绘。选中保留的图层用PS的套索工具圈出需要修改的区域然后通过插件发送到ComfyUI做inpaint。这样可以在保留整体结构的前提下针对性地修改局部细节。这个“生成→筛选→局部重绘”的循环是我这套工作流里最核心的效率提升点。5. PS插件实操从安装到跑通第一个工作流5.1 插件安装与环境配置插件的安装方式取决于你用的具体版本。我用的版本是基于Python的安装步骤如下确认PS版本在2020以上且已安装ExtendScript Toolkit。把插件文件夹复制到PS的Plug-ins目录下。在ComfyUI的custom_nodes目录下安装API通信节点。启动ComfyUI确认API端口默认8188可访问。在PS里打开插件面板填入ComfyUI的地址和端口。配置完成后插件面板上会出现几个核心按钮Send to ComfyUI发送当前图层到ComfyUI、Receive from ComfyUI接收生成结果、Batch Process批量处理。第一次使用的时候建议先用一张简单的线稿测试整个链路是否通畅。5.2 工作流JSON的导入与参数映射ComfyUI的工作流需要先导出为JSON文件然后在插件里加载。导出的步骤是在ComfyUI里搭好工作流→点击Save→选择API Format→保存JSON文件。插件加载JSON之后会把工作流里的参数映射到PS面板上。比如prompt映射到文本框seed映射到数字输入框batch_size映射到滑块。你可以在PS里直接修改这些参数然后点击生成。这里有个容易踩的坑JSON文件里的节点ID必须和插件里的映射一致。如果你在ComfyUI里修改了工作流结构需要重新导出JSON并更新插件里的映射。否则会出现“参数改了但生成结果没变”的情况。5.3 从线稿到第一张生成图的完整操作假设你已经画好了一张场景线稿现在要跑通第一个生成循环。操作步骤如下在PS里把线稿图层命名为lineart_base确保它是纯黑白、线条连续的状态。打开插件面板选择预设的工作流JSON。在提示词框里输入场景描述比如a medieval castle on a cliff, sunset, dramatic clouds, detailed architecture。设置batch_size为4seed为-1随机。点击Send to ComfyUI等待生成完成。点击Receive from ComfyUI生成结果会自动导入为名为ai_output的图层组。在图层组里浏览结果保留满意的删除不满意的。整个流程跑下来第一次可能需要几分钟因为要加载模型后续每次生成大约20-30秒。熟练之后从线稿到第一版生成图5分钟以内可以搞定。5.4 局部重绘只改你想改的地方局部重绘是这套工作流里最实用的功能。操作逻辑是在PS里用选区工具圈出要修改的区域→插件自动把选区内的内容和蒙版发送到ComfyUI→ComfyUI用inpaint节点只重绘选区内的部分→结果回传到PS的新图层。这里的关键是蒙版的羽化值。羽化值太小重绘区域和原图之间会有明显的接缝羽化值太大重绘区域会影响到周围不需要修改的部分。我的经验是羽化值设在5-15像素之间具体取决于重绘区域的大小和周围内容的复杂度。另一个技巧是分区域多次重绘。不要试图一次性重绘太大区域而是把它拆成几个小区域每次只改一个地方。这样每次重绘的上下文更清晰AI更容易理解你的意图。5.5 批量处理多个画板如果你在做系列场景比如一个项目的多个镜头可以用插件的Batch Process功能批量处理。操作方式是把所有线稿放在同一个PS文件的不同画板上每个画板命名规范一致然后插件会依次处理每个画板并生成对应的结果。批量处理的时候要注意显存管理。如果同时处理太多画板显存容易爆。我的做法是分批处理每批不超过4个画板处理完一批保存一次再处理下一批。6. 踩坑记录那些让我重跑工作流的瞬间6.1 线稿分辨率与生成分辨率不匹配这是我最开始踩的坑。线稿是2048x2048的但ComfyUI里的生成分辨率设的是1024x1024结果生成出来的图要么被裁剪要么被拉伸变形。原因很简单ControlNet的预处理节点会把输入图像缩放到指定分辨率如果输入和输出的宽高比不一致就会产生变形。解决办法是在预处理节点里设置resize_mode为crop_and_resize或者resize_and_fill保持宽高比。更稳妥的做法是在PS里就把线稿裁剪成目标宽高比然后生成分辨率设为和线稿一致。这样从源头上避免了变形问题。6.2 图层混合模式导致的“隐形”问题PS里的图层混合模式会影响插件的发送和接收。我遇到过好几次“发送了图层但ComfyUI收到的是空白”的情况排查了半天才发现是图层的混合模式设成了叠加或柔光插件在导出图层内容的时候没有正确处理混合模式。解决办法很简单在发送到ComfyUI之前把线稿图层的混合模式设为正常。生成结果回传之后再根据需要调整混合模式。这个细节在插件的文档里通常不会写但实际使用中很容易遇到。6.3 ComfyUI节点更新导致工作流失效ComfyUI的节点更新很频繁有时候更新之后之前保存的工作流JSON里的节点ID会发生变化导致插件加载失败。我遇到过好几次“昨天还能跑的工作流今天打开就报错”的情况。应对策略是固定ComfyUI的版本。不要盲目更新除非新版本有你需要的功能。如果必须更新更新前先备份当前的工作流JSON和插件配置。更新后如果工作流失效对照节点列表手动修复映射关系。6.4 显存不足的几种表现和解决方案显存不足的表现不只是报错有时候是生成结果出现奇怪的色块、或者生成过程卡住不动。我总结了几种常见情况和对应的解决方案表现原因解决方案生成结果出现彩色噪点显存溢出导致计算错误降低batch_size或分辨率生成过程卡在某个节点显存不足导致节点无法执行关闭其他占用显存的程序生成结果部分区域模糊显存不足导致部分计算被跳过降低ControlNet数量或权重插件发送图层后无响应ComfyUI进程崩溃重启ComfyUI检查显存占用我的显卡是12GB显存在1024x1024分辨率下同时跑2个ControlNet和1个LoRAbatch_size设为4是安全的。如果你的显存更小建议从batch_size1开始测试逐步增加。6.5 生成结果与线稿“对不上”的排查思路有时候生成结果的结构和线稿差异很大排查思路如下检查ControlNet权重是否设得太低低于0.5时AI会忽略线稿。检查预处理器的输出是否正常可以在ComfyUI里预览预处理结果。检查线稿本身是否有问题线条太细、对比度太低、有噪点。检查CFG Scale是否设得太高高于10时AI会过度拟合提示词而忽略线稿。检查底模是否适合当前场景类型用人物模型生成建筑场景效果会很差。这个排查顺序是从最常见的原因到最不常见的原因按这个顺序走一遍90%的问题都能定位到。7. 从生成图到成品PS里的最后一公里7.1 图层合成与色彩校正AI生成的结果通常不能直接作为成品还需要在PS里做合成和校正。我的流程是把生成结果作为底层在上面叠加线稿层混合模式设为正片叠底不透明度30-50%这样能保留线稿的结构感同时让AI生成的色彩和纹理透出来。色彩校正方面我一般用曲线调整整体对比度用色彩平衡调整冷暖倾向用可选颜色微调特定色相。这些操作和传统PS后期没有区别AI生成的结果只是提供了一个更好的起点。7.2 手绘细节的补充AI生成的结果在细节上往往不够精确比如建筑的窗户排列不整齐、植被的形态不够自然。这时候需要用手绘补充。我的做法是在生成结果上新建图层用画笔手动修正这些细节。手绘的时候可以吸取生成结果里的颜色这样能保证色调一致。笔刷选择方面建筑细节用硬边圆笔刷植被用散布笔刷光影过渡用柔边笔刷。手绘的部分不需要太多重点是修正那些“一眼假”的地方。7.3 最终输出的格式与分辨率最终输出的时候分辨率至少要是生成分辨率的两倍。比如生成时用的是1024x1024输出时就要放大到2048x2048。放大的方式可以用PS的保留细节2.0或者用AI放大工具。格式方面如果是用于展示导出为JPG质量10-12如果是用于印刷导出为TIFF300dpi如果是用于后续编辑保存为PSD并保留所有图层。提示放大之前先做一次锐化放大之后再锐化一次。两次锐化的力度都要比一次性锐化轻这样能避免出现锐化过度的白边。8. 关于这套工作流我自己的几点体会跑通这套工作流之后我最大的感受是AI辅助的价值不在于“替代”而在于“释放”。它把我从重复性的机械操作里解放出来让我能把更多精力放在构图、氛围、叙事这些真正需要人类判断力的地方。但我也要诚实地说这套工作流不是万能的。它适合有一定PS基础、对场景设计有基本认知的人。如果你完全不懂图层、蒙版、混合模式这些概念直接上手会非常吃力。AI可以帮你生成图像但没法帮你建立审美判断。另外这套工作流需要一定的硬件投入。一张12GB显存以上的显卡是基础32GB以上的内存会让整个流程更顺畅。如果你的设备配置有限可以先用在线生成服务跑通流程等确认这套工作流适合自己之后再考虑升级硬件。最后分享一个我最近在用的技巧把常用的工作流JSON和参数预设保存成模板。比如“森林场景”“城市夜景”“室内空间”各存一套下次做类似场景的时候直接加载只需要微调提示词和线稿就能出图。这个习惯帮我省下了大量重复配置的时间也让整个流程更加标准化。